How：出于興趣而非需求，自學人工智能的方法論人們可以對自己從哪兒來、到哪兒去感興趣，去了解柏拉圖、維特根斯坦和齊澤克，了解樸素唯物與機械主義，但并不需要成為哲學家。如果你并非為了成為研究者，只是出于興趣學習人工智能，完全不必被鋪天蓋地的代碼困住手腳，只需遵循以下原則：1、明確內涵和現(xiàn)實每個人都知道人工智能的目標是「實現(xiàn)與人類相似的智能」，當下的我們處在哪個階段？已經(jīng)取得了哪些成果？人工智能早已進入我們的生活，搜索引擎的排序、美顏相機的美化效果、今日頭條等信息流推薦類內容產(chǎn)品，全部都是當下的人工智能應用。雖然與思考和智能相去甚遠、被稱作「弱人工智能」，它依然能比人類更高效的完成特定任務。除了這些互聯(lián)網(wǎng)領域的應用，人臉識別驗票閘機、醫(yī)院的叫號系統(tǒng)這類行業(yè)應用，甚至港口管理、油田預測、新藥研發(fā)，通通都有弱人工智能的身影。如果提起人工智能，出現(xiàn)在你腦中的是 Samantha、Wall-E 或是終結者這些機器人形象，恐怕需要更近一步了解現(xiàn)實。這些應用如何實現(xiàn)？為什么能實現(xiàn)？沒有任何學科建立在空談的基礎上，人工智能也不例外。接下來，我們需要——2、理解「黑話」機器學習、深度學習、監(jiān)督學習、計算機視覺、神經(jīng)網(wǎng)絡、RNN……它們是什么？和人工智能有什么關系？如果你聽說過或是了解以上名詞的含義，恭喜你，你已經(jīng)踏入了人工智能的大門。這些名詞就像是歷史教科書上的事件名，或是數(shù)學中的定理，了解它們的內涵、探尋它們之間的關系，能幫助你找到這門學科的層次和邊界。比如：「機器學習」、「深度學習」、「監(jiān)督學習」是人工智能得以實現(xiàn)的方式，其中「深度學習」屬于「機器學習」的分支，是以超過 8 層的「神經(jīng)網(wǎng)絡」為標志的模型訓練方法；「監(jiān)督學習」則是從輸入數(shù)據(jù)是否帶有標簽的角度對「機器學習」進行劃分，除此之外還有「無監(jiān)督學習」和「半監(jiān)督學習」；RNN 則是「神經(jīng)網(wǎng)絡」的分支，即「循環(huán)神經(jīng)網(wǎng)絡」……那，模型、數(shù)據(jù)、標簽又是什么？順著這些「黑話」和它們關聯(lián)的「黑話」，你會漸漸理解人工智能的能做什么、不能做什么，為什么會出現(xiàn)某些現(xiàn)象（如 AlphaGo），以及接下來會發(fā)生什么。還有很重要的一點——3、拋棄想象想象宇宙中的其他文明，想象一個由機器控制的社會，想象一個為愛落淚的機器人。想象給了我們無限可能，是人類最寶貴的能力之一，不過我們的世界依然建立在「真實」之上。把「想象」留給藝術，把「真實」留給科學。What：我們該怎么做？有了方法論，接下來當然是……獲取優(yōu)質的信息。1、課程類經(jīng)典的系統(tǒng)課程有很多，例如 Andrew Ng 的斯坦福機器學習課程等等，答案里也有很多推薦質量相當高，在此不多做贅述。除了學院派系統(tǒng)課程，很多媒體或內容平臺上也有工業(yè)界人工智能專家的「公開課」。這些「公開課」更類似于講座，有時是對現(xiàn)狀的思考、總結，有時會針對人工智能的某一現(xiàn)實痛點展開。如果上一節(jié)的「黑話」過關，可以相當輕松的學到不少書本上沒有的知識，以及他人的思考沉淀（這部分相當寶貴），很適合對某一領域感興趣的人研讀。2、機構、學術會議及論文人工智能領域是高度依賴學術界，并保留有非常強學術傳統(tǒng)的領域。如面向 CV 領域的視覺與學習青年學者研討會（Valse），面向NLP領域的中文人工智能學會等，這些學會機構除了定期舉辦公開講座，同時會會不定期的發(fā)布相關內容。以及這些學會機構往往也會舉辦暑期學校等培訓課程，質量較高，對細分領域感興趣不妨了解課程構成后報名學習。論文也是一個不錯的學習途徑，知網(wǎng)可以搜索論文購買閱讀。以及人工智能領域是一個高度信息流通的學科，如果英文過關，不妨前往 閱讀英文論文。3、媒體及社交媒體除了學術熏陶，新鮮新聞資訊可以幫助我們了解當下、提供啟發(fā)。目前中文領域有不少細分媒體專注人工智能領域，一些科技媒體的人工智能子版塊質量也相當不錯。以及不少研究者在微博、微信等社交媒體上也相當活躍，同時知乎也有不少人工智能大 V 正在活躍，可以根據(jù)自己感興趣的方向進行關注。4、書籍「西瓜書」《機器學習》，李航老師的《統(tǒng)計學習方法》，「三駕馬車」巨著《深度學習》，都是相當經(jīng)典的入門書。太難了看不懂？《圖解深度學習》、《科學的極致｜漫談人工智能》、《Python神經(jīng)網(wǎng)絡編程》這些向科普方向傾斜的書籍也不錯哦。Why：真正的知識都是免費的說了這么多、推薦了這么多，點贊、收藏對于一個人的自學旅程來說，連開始都算不上。重要的是去看、去思考、去實踐，遠比做出一個「我想要」的姿態(tài)重要得多。尋求知識的道路異常艱辛，在此引用汪丁丁教授的一段話作為結尾：「一流的知識只能免費，這是因為它只吸引少數(shù)能夠理解它的人。這些人是最可寶貴的……他們投入的理解力和伴隨著理解一流知識的艱辛，價值遠遠超過任何付費知識的市場價格。」愿我們都有與一流知識相配的美德。