北大师兄倾情分享：想了解人工智能的初学者，到底需要什么？

iDataScience

作者：

北京大学学生 Jason

近数十年，尤其是近数年，人工智能，大数据，深度学习等等新兴概念如雨后春笋般出现在人们的视野中。从学界对其重拾信心，到AI在众多领域成功落地应用，再到数据科学和人工智能走进一所所高校，甚至高中的课堂，所有迹象似乎都在表明：属于AI的时代正在到来。

时代的弄潮儿们纷纷投身AI世界的探索之中，信息时代的庞大聚焦将每一个旁观者的目光汇聚于此。AI是什么？如何快速入门AI？越来越多的接触者产生了探索这些问题的诉求。走进任意一所高校所开设的AI相关的选修课课堂，你不仅能看到计算机，数学等理工专业的同学的身影，文史哲专业的同学也不在少数。笔者曾有幸就读于两所国内知名院校，像这样与AI领域关联密切的选修课程，往往早在选课开始不久，名额就已经爆满，哪怕课程时间设在宝贵的周末，在第一节课上，若你来得晚些，也只能站在过道上听课了。

一门科学的发展历史和背景故事讲不了太久，选课第一周的热情也维持不了太久。当对AI世界的兴趣和好奇遇见了繁杂的数学公式和冗长的代码时，不少人终于反应过来，原来要入门这个领域是如此复杂的一件事。预料之外的困难和尚未沉淀的兴趣往往导致热情的消沉。那么，是否有不涉及这些数学或编程内容的，以普及AI知识为主的选修课程呢？答案是肯定的，笔者曾经上过一位教授的课程，教授在课程安排以及知识体系的布局上都设计的十分用心，但对于想要通过这样一门课程真正进入AI领域学习的同学来说，其内容或许又略显浅显，而缺乏实践性了。

从理论基础入门，是科研的基本道路，却建立起了不低的壁垒；宏观地论述布局，能带来清晰的感知，却又让想更进一步的人无从下手。对于一个有志于探索AI的初学者来说，什么样的方式更有可能适合自己呢？

回想曾经年少时学习的一些经历，真正行之有效的学习方式往往离不开示例。许多时候，我们即使没能完全跟上老师的节奏，但或许多看几眼例题，许多蕴含其内的知识便也不言自明。但AI领域或许又有所不同，在于它给我们的“示例”，有时或许复杂了些。打开搜索引擎，输入“xxx机器学习模型代码实现”，你能够在CSDN或其他网站上看到数十上百种各式各样版本的代码，其发布时间跨度可长达十年，用到的库包版本千奇百怪，往往复制了也无法运行，为众多初学者的内心蒙上了一层阴影。“我不适合学这些。”对于一个仅仅希望看到一段在自己的努力下所输出的一段代码结果的初学者而言，或许发出这样的感叹也并不奇怪。

理论驱使我们观察示例，示例加深我们对于理论的理解，理解带来成就感，源源不断的成就感推动着持续学习的欲望。在AI领域的学习进程中，一个行之有效的带来成就感的方式是许多迷茫的初学者们所需求的。前不久接触到爱数科网站(www.idatascience.cn)时，眼前一亮的感觉闪过，或许很多人所需要的，正是这个。

抛却复杂的版本调试安装过程，舍弃开发代码的“壁垒”，通过一些简单的拖拽操作，看到自己运用数据思维和人工智能技术所创造的结果——这就是成就感的来源。在书本与工程两座高山围起的空间中，一个优秀的实践平台能够成为延续兴趣火花的热源。我想“做”些什么，我想“玩”些什么，我想“实现”些什么，相信你都能在爱数科中找到自己的答案。

固然，平台终究是工具，在学习的过程中，明确自己的目标更加可贵。AI和大数据早已不是往日的林荫小道，在熙熙攘攘的人群中，在被迷茫和内卷的焦虑情绪所裹挟的洪流中，或许有人比你走的更远，但你的目标只有自己的终点。