我們的生活大致上是在不斷重復(fù)，總是遵循著一定的例程。如果把身體看作一臺生物計算機，那么指揮大腦的代碼應(yīng)該是這樣的：

不過，我們自己是這些代碼的開發(fā)人員，所以我們有權(quán)改變它。對于我們來說，保持積極并從事喜歡的工作是非常重要的。所以，在踏足人工智能之前，必須了解它在當今世界所做的一切，必須立志投身并熱愛這一領(lǐng)域。

大多數(shù)人會犯的錯是用Github代碼來做一些人工智能的工作，比如計算機視覺、語音識別、預(yù)測分析等，然后在系統(tǒng)中運行，這樣就稱自己為人工智能工程師了。然而并非如此，這種習慣有助于做項目，但并不能擴充我們對人工智能的了解。

很多人認為人工智能只是一串復(fù)雜的可以產(chǎn)生結(jié)果的Python代碼。并不是這樣的，Python只是一種編程語言。我們使用這種語言（以及其他不常用的編程語言）來執(zhí)行一個人工智能系統(tǒng)從而產(chǎn)生結(jié)果。

在這個Python腳本后面還有很多工作要做，成為一位成功的人工智能工程師并不意味著需要精通編碼。

人工智能是什么，它有什么不同之處？

如圖所示，人們認為人工智能具有以下包含關(guān)系：

以當今的資源和技術(shù)，我們無法創(chuàng)建一整套的類人系統(tǒng)。因此，我們需要知道我們能做什么和不能做什么。人工智能的傳統(tǒng)入門是機器學習概念，每個概念都嚴格遵守其邏輯。

機器學習是走進人工智能領(lǐng)域的絕佳起點。一旦了解了傳統(tǒng)的機器學習算法，就需要進行深度學習。這一領(lǐng)域有很多概念，我們需要從其根源開始理解。想要深入了解，需要花費很多時間。

機器學習和深度學習均被定義為“機器在沒有明確編碼的情況下完成的工作”，它表示機器基于學習的工作能力，這就是人工智能。

如何開始了解這些概念？

每當談?wù)撨@些概念時，我們都必須記住一件事情：輸入進去的是什么？期望輸出的是什么？當我們以這種方式理解每一個概念時，生活就會變得很簡單。不能忘記計算機只能學習數(shù)字，因此我們需要了解如何提供輸入以接收輸出。

一點編碼知識就足以執(zhí)行龐大的人工智能系統(tǒng) 在學習機器學習和深度學習中的每個概念時，最好同時執(zhí)行代碼。我們一旦了解了概念，下一步應(yīng)該是執(zhí)行代碼。這一方法的循環(huán)操作是幫助我們學習理論、檢驗實際結(jié)果的優(yōu)秀方法。

為了在這一領(lǐng)域生存，你必須閱讀科學論文和期刊。閱讀科學論文不可能一蹴而就。論文的作者們寫出如此復(fù)雜的出版文章至少要花費一年的時間，我們要耐心地學習它們。從概念起源來學習能賦予我們更深刻的直覺，有助于探索更多相關(guān)的細節(jié)。

完成人工智能學習需要多長時間？

這不是一門限時課業(yè)，而是個永無止境的話題。我們不是在備戰(zhàn)考試，也就沒有考試日期。

也可以換一個問法：“我能以多快的速度學習概念？”這完全取決于個人。對于極少數(shù)預(yù)先了解概念的人，2天就能完成。少數(shù)人用1周的時間完成。有些人可能需要2周以上。目標不是在特定的時間內(nèi)完成某件事，而是花費所需時間來完成整個主題。

是否需要等到完成概念學習？

不需要。實踐是最好的老師，在學習的同時，最好根據(jù)所學內(nèi)容做一個項目。假設(shè)已經(jīng)學習了CNN的部分內(nèi)容，但是在這一個項目中需要基于圖像對水果進行分類，嘗試總會有其裨益。

一旦嘗試在實時場景中執(zhí)行，就可以試著糾正錯誤，從而使我們得到預(yù)期的輸出。此外，實施項目不僅能積累經(jīng)驗，還能增強自信。

如果可以遵循正確的方法并且熱愛所做的事情，可以將自己的系統(tǒng)代碼（在本文開頭提到的代碼）更改如下：

走進人工智能領(lǐng)域并不難，這些方法都是筆者的經(jīng)驗之談?；蛟S你一開始會感到迷茫，但隨著時間的推移，就能找到了解決問題的方法和途徑。時間是很好的解決辦法。祝你一切順利！
責編AJX