2018年12月1日，因为参加一次沙龙活动，认识了一位程序员张洪岩。因为当时的工作原因，需要学习一些IT行业的基础知识，所以就在12月2日跟他聊了一次关于沙龙的收获内容。一次聊了两个多小时，发现北京的人才到处都是，只要你肯发掘。
他从不同的角度和方面跟我介绍了三场演讲中主要涉及的一些知识点，比如机器学习和深度学习的关系、无人车图片分析的底层原理、百度阿波罗计划、微软小冰的语音交互、阿尔法狗的学习原理等等等等。
之前对沙龙内容做过一次笔记，这次只记录我与这位程序员的谈话内容。因为已经过去较长时间，可能有些内容记录得有出入，仅作参考。
01
关于统计。
其中，他说的最多的就是:无论是机器学习还是深度学习，它的基础都是统计。
比如无人车对图片进行分析的过程，其实就是：输入模型☞机器学习☞找出共性。这与心理学的一些内容有些相似，都是基于大数据的统计，只不过现在的机器学习的统计样本已经非常庞大。Python就是一款特别适合处理数据统计的软件。
深度学习也是一个提取特征点、比对特征点的过程。
而近些年来刚刚发展起来的神经网络语言则是相对来说更为精确的一种特征提取解决方案，越多层的神经网络，提取出来的越具有普遍性。这将是AI未来发展的一个重大突破点。而神经训练模型最初是由一群斯坦福学生和老师搞出来的，厉害厉害！
机器客服也基于庞大的客服对话数据库来进行设计研发的。
机器人下象棋也是同理。人们把各种棋局都输入给机器人，然后告诉他怎么走才是最优解，然后让机器人和人下棋，甚至让机器人和它自己下棋，以此来不断地进行战术革新和算法推演。人和人下棋会有打盹的时候，但机器人下棋，却永远都不会。
其实在训练的过程中，比较困难的一环是：调参。比如医院常年累月的记录中，可能记录的标准和方式都各不相同，如何从不同记录方式和习惯中进行数据清洗，让他们为我所用，是一项比较艰巨的任务。
02
关于无人驾驶。
每个企业，各具所长。2017年百度发起了汽车阿波罗计划，百度阿波罗战略合作伙伴新石器旗下无人物流车已经实现商业化运营。
每一个无人驾驶车辆都是硬件和软件的结合。一般无人车企业擅长于汽车的动力系统，而百度的AI平台则为其提供自动驾驶解决方案。美团等物流企业成为新石器旗下无人物流车等主要应用场景。
03
关于AI技术落地多层模型。
现在微软提供的通用技术，但不普适。正所谓“大厂买地皮，小厂盖房子”。现在微软已经基本上实现了圈地计划，但是将来如何让这块地皮利用得更为高效呢？这就是微软高级工程师李烨目前所在的AI+China项目组着力思考的问题。他们要做的就是：帮助小厂把房子盖起来。
05
AI技术的转化与发展。
AI技术的大发展，最终目的无非是：企业生产力的转化。比如微软小冰可以写诗、唱歌、甚至做主持人，那么这些看似没什么用的功能，研究出来又有什么用呢？当然有用。难道你不能从中看到一群即将被替代的主持人、主播、歌手、甚至诗人吗？
但是，深度学习有它的局限性。正如机器取代了纺织工，但取代不了高端定制。AI技术的发展，可能会解放人的双手，起到辅助人工和资源匹配的作用，却不可能完全取代人类的大脑。它只能通过算法去算出你的喜好，但人总是善变的，一旦环境或者境遇发生改变，可能就变成了机器人眼中的另外一个人。
而人工智能普及后带来的安全隐患与担忧，是所有走在时代前列的科技人去共同探究的。
06
程序员的生活。
程序员并不完全像大家在电视上看到的那个样子。他们也会听音乐、打游戏、刷视频。很多程序员也都是野路子，每天在增删改查，所谓的大数据、AI处理数据等，对他们来说也像一门全新的课程。
所以，并不是所有的程序员都知道我所问的一切知识，甚至还不如我。只要肯努力去学，就一定可以。
非常感谢你，帮我这么多，虽然目前看来，物是人非！
