吳恩達剛剛在Quora做了一次最新session，重點回答了如何學(xué)習(xí)機器學(xué)習(xí)/深度學(xué)習(xí)，以及如何從事機器學(xué)習(xí)方向工作的問題。吳恩達認為，復(fù)現(xiàn)他人發(fā)表的結(jié)果是一個掌握機器學(xué)習(xí)非常有效但卻被低估的方式；任何人都能成為機器學(xué)習(xí)專家，要做的只是不斷學(xué)習(xí)，讓自己越來越夠格。

Q1：深度學(xué)習(xí)泡沫何時會破？

大約100年前關(guān)于電力也有很多炒作。那個泡沫現(xiàn)在也還沒破，我們發(fā)現(xiàn)電力很有用！

講真，深度學(xué)習(xí)已經(jīng)創(chuàng)造了大量的價值——用于網(wǎng)絡(luò)搜索，廣告，語音識別，推薦系統(tǒng)等等——這些顯然是不會消失的。深度學(xué)習(xí)，還有更廣泛的其他AI工具（圖模型，規(guī)劃，KR等），現(xiàn)在都有一個明確的路徑在引導(dǎo)行業(yè)轉(zhuǎn)型。深度學(xué)習(xí)的影響將超越科技界。

話雖如此，我認為在核心技術(shù)界之外，有一些過分夸張的對“有感知力的AI”（sentient AI）的期望；我也和很多CEO交流過，他們似乎認為AI是所有技術(shù)問題的靈丹妙藥。所以，在深度學(xué)習(xí)中是有一些不必要的泡沫，我希望這些較小的泡沫破掉——在它們有時間發(fā)展壯大之前，越早破掉越好。

Q2：學(xué)完你在Coursera上的機器學(xué)習(xí)課以后可以做些什么項目？

想新項目的一個好方法是花時間研究以前的老項目。

大腦很神奇。當你學(xué)習(xí)一類工作（例如ML項目）的許多例子后，你能學(xué)習(xí)概括并想出這類問題新的例子。這也是為什么很多藝術(shù)家通過復(fù)制大師作品來學(xué)習(xí)繪畫——如果你參觀美術(shù)館，你有時會看到藝術(shù)生坐在地板上臨摹墻上展示的藝術(shù)作品。同樣，很多研究人員通過復(fù)現(xiàn)舊研究論文的結(jié)果來學(xué)習(xí)發(fā)明新的算法。對于我來說，正是因為在不同的公司看到了很多實際的ML案例，我現(xiàn)在才能定期為ML轉(zhuǎn)型公司找到新的機會。

所以，如果你想知道如何做有趣的項目，閱讀（也許復(fù)現(xiàn)）你喜歡的以前的舊項目，你會開始產(chǎn)生你自己的想法。你可以參考我斯坦福大學(xué)的學(xué)生最近的這個項目：CS 229機器學(xué)習(xí)最終項目，2016年秋。

最后，當你完成一個有趣的項目時，請寫一篇Arxiv論文或博客文章，也許在Github上開源代碼，并與社區(qū)分享！這樣，其他人現(xiàn)在可以反過來學(xué)習(xí)你。此外，你還可以獲得更多的反饋，從而加速你的學(xué)習(xí)。

除了研究以前的例子，我還花時間和人聊天，包括ML以外的領(lǐng)域?qū)＜遥ɡ?，我花費了大量時間與醫(yī)療保健專家進行交談），這通常會激發(fā)新項目在ML和醫(yī)療保健等領(lǐng)域。

Q3：機器學(xué)習(xí)的初學(xué)者，學(xué)完了機器學(xué)習(xí)和深度學(xué)習(xí)MOOC，怎樣才能更進一步，提升到一個新的水平，能夠閱讀研究論文，并在行業(yè)中有貢獻？

課程是非常有效的學(xué)習(xí)方式，作為開始很好。學(xué)完以后，下面是你可以采取一些額外的步驟：

• 關(guān)注Twitter上的ML大V，看看他們關(guān)注哪些研究論文/博客文章等。去看這些論文和文章。

• 復(fù)現(xiàn)他人發(fā)表的結(jié)果。這是一個掌握ML非常有效但卻被低估的方式?？吹胶芏嘈碌乃固垢４髮W(xué)博士生成長為很棒的研究人員，我可以自信地說，復(fù)現(xiàn)他人的成果（不只是閱讀論文）是最有效的方式之一，這樣能確保你了解最新的細節(jié)算法。許多人大步躍進試圖發(fā)明新的東西，當然這也值得一試，但實際上發(fā)明新東西反而是學(xué)習(xí)和建立知識基礎(chǔ)比較慢的方式。

• 當你看完足夠多的論文/博客，并復(fù)現(xiàn)足夠多的結(jié)果后，很奇妙地，你會開始產(chǎn)生自己的意見和想法。當你自己建立新的東西時，發(fā)表一篇論文或博客文章，并考慮開源代碼，與社區(qū)分享！這將有助于你從社區(qū)獲得更多反饋，并進一步加速你學(xué)習(xí)的過程。

• 參加任何其他幫助你學(xué)習(xí)的活動，如在線比賽，線下討論會，參加（或觀看在線視頻）好的AI/ML/視覺/NLP/語音學(xué)術(shù)大會，比如ICML，NIPS和ICLR等會議。

• 找朋友跟你一起做。你可以自己取得很大的進步，但跟朋友交換意見和想法將有助于你學(xué)習(xí)，并使學(xué)習(xí)過程更有趣。如果你認識教授，博士生或優(yōu)秀研究人員，也可以與他們多交流。有時候，我跟Geoff Hinton，Yoshua Bengio，Yann LeCun這些人交流5分鐘就學(xué)到一大堆的東西，當然，跟來自我在斯坦福博士的博士生，deeplearning.ai的團隊成員，還有我參觀的各個公司的工程師交流，也能得到很多啟發(fā)。

• 盡管跟朋友有合作很重要，但如果你朋友不同意你的想法，有時候你仍然應(yīng)該去做，自己嘗試去實現(xiàn)。Geoff Hinton在接受deeplearning.ai收集中說過類似的話。

我知道的每個世界級的ML研究員都花了很多時間來實現(xiàn)算法，調(diào)整超參數(shù)，閱讀論文，以及自己找出什么有用什么不起作用。我覺得這種類型的工作也很有趣，希望你也會這樣。

Q4：我想從事機器學(xué)習(xí)相關(guān)工作，但不知道自己是否夠格。有什么檢測的方法嗎？

你肯定夠格的！無論目前的知識水平如何，只要你不斷努力，繼續(xù)學(xué)習(xí)，你就可以成為機器學(xué)習(xí)的專家，并且有很好的職業(yè)發(fā)展。

任何對機器學(xué)習(xí)感興趣的人，請從學(xué)習(xí)編程開始。當你掌握編程基礎(chǔ)后，可以考慮機器學(xué)習(xí)課程（比如Coursera的機器學(xué)習(xí)），然后考慮深度學(xué)習(xí)專門課程（比如deeplearning.ai）。

再進一步，你可以閱讀研究論文（關(guān)注Twitter上的ML大V，看看他們感興趣的論文）。嘗試復(fù)現(xiàn)研究論文的結(jié)果就更好了。試著去復(fù)現(xiàn)他人的結(jié)果是掌握AI最有效的方法之一，可惜很少有用。你還可以考慮參加在線ML競賽和學(xué)術(shù)會議等活動，并繼續(xù)閱讀書籍/博客/論文。

你是不是有資格在機器學(xué)習(xí)領(lǐng)域工作真的不重要——我確定你肯定夠資格！你要做的只是要去學(xué)習(xí)，讓你越來越適合而已。

Q5：數(shù)學(xué)不好，該掌握哪些數(shù)學(xué)知識才能學(xué)好機器學(xué)習(xí)和AI？

我認為機器學(xué)習(xí)中最重要的數(shù)學(xué)依次是：

• 線性代數(shù)

• 概率和統(tǒng)計

• 微積分（包括多變量微積分）

• 優(yōu)化

這以后其他的相關(guān)度都快速降低。我發(fā)現(xiàn)信息理論也有幫助。你可以在Coursera或大多數(shù)大學(xué)找到所有這些課程。

我認為有機會學(xué)習(xí)相關(guān)數(shù)學(xué)和機器學(xué)習(xí)的博士已經(jīng)減少了，因為機器學(xué)習(xí)已經(jīng)變得更偏向經(jīng)驗（基于實驗），較少理論，特別是深度學(xué)習(xí)的興起，讓這一趨勢更加明顯。

我在讀博士的時候，很喜歡實分析，也研究了微分幾何，測度論和代數(shù)幾何。你如果能了解這些領(lǐng)域當然更好，但如果時間有限，你可以考慮用更多的時間學(xué)習(xí)機器學(xué)習(xí)本身，甚至研究一些建立AI系統(tǒng)的其他技術(shù)基礎(chǔ)，例如正在建設(shè)大型數(shù)據(jù)系統(tǒng)和如何組織巨型數(shù)據(jù)庫以及HPC（高性能計算）的算法。

Q6：AI該受管制嗎？

AI作為基本技術(shù)不應(yīng)受到管制。政府阻止你在筆記本電腦上實現(xiàn)神經(jīng)網(wǎng)絡(luò)也是不現(xiàn)實的。然而，有的AI應(yīng)用，例如無人駕駛，是需要監(jiān)管的。AI在國際對反壟斷（監(jiān)管壟斷）領(lǐng)域也有新的影響，監(jiān)管機構(gòu)尚未對此有深入思考，但他們應(yīng)該對此有深入探討。

關(guān)于人工智能管制的討論大部分來源于對“有智慧的AI”（sentient AI）或“邪惡殺手機器人”的不理性的恐懼，而不是更深入地了解自己能做和不能做的事情之后的結(jié)果。今天的AI還不成熟，處于迅速發(fā)展期，任何國家的強硬監(jiān)管都會阻礙該國的AI發(fā)展。

然而，一些人工智能的應(yīng)用需要監(jiān)管來保護個人，并加速其采納進程。汽車行業(yè)已受到嚴格監(jiān)管來確保人的安全，這將有助于整個行業(yè)發(fā)展。其他領(lǐng)域也相同，包括制藥，軍控，金融市場等。但是，監(jiān)管應(yīng)該是針對某一個行業(yè)的，并且基于對用例的深思熟慮，以及我們在特定產(chǎn)業(yè)而不是基本技術(shù)上看到的結(jié)果。

政府也可以發(fā)揮重要的作用，幫助在不遠的未來那些受AI影響而失去工作的人，例如提供基本收入和再培訓(xùn)。

最后，AI的興起正在為公司競爭創(chuàng)造新的途徑，各家競相爭奪占主導(dǎo)權(quán)，打擊競爭對手。反壟斷監(jiān)管機構(gòu)遠遠不如企業(yè)對這一點理解深刻，需要做的還有很多。

Q7：我女兒剛剛學(xué)會走路，我應(yīng)該如何讓她準備好迎接15年后的AI世界？我應(yīng)該教她Python嗎？

是的，請教她編碼。更重要的是，培養(yǎng)她能夠繼續(xù)學(xué)習(xí)的能力。

在CS世界中，我們所有人都習(xí)慣于每5年就要跳到新技術(shù)和思維模式（互聯(lián)網(wǎng)→云→移動→AI/機器學(xué)習(xí)），因為新技術(shù)以這樣的速度發(fā)明。所以，CS人也一直習(xí)慣于不斷學(xué)習(xí)新的事物。

現(xiàn)在CS幾乎感染了所有其他的行業(yè)。所以，現(xiàn)在不僅僅是CS世界每幾年都要改變。這就是為什么現(xiàn)在每個人都需要改變。這就是為什么能夠持續(xù)學(xué)習(xí)將是你能教你女兒最重要的職業(yè)技能。

我也認為（差不多）每個人都應(yīng)該學(xué)習(xí)編碼。曾經(jīng)我們以為是不是不需要每個人都會讀書寫字。是不是只有幾個僧侶能誦經(jīng)就好了，大多數(shù)人不需要讀/寫？是不是只要少數(shù)人寫出暢銷書就好了，其他人不需要會寫？我們發(fā)現(xiàn)，隨著讀寫能力的提高，人與人之間的溝通變得更好：我們能寫電子郵件，即使讀者只有一個人，這樣也有價值。

今天我們處于一個很少人可以編碼的時代。但是，如果每個人都可以編寫代碼，也許經(jīng)營一家小商店的夫妻倆可以編寫幾行代碼來定制他們的LCD顯示屏，用于本周的促銷活動；或許丈夫可以寫一個簡單的應(yīng)用程序，唯一的觀眾將是他的妻子，就像他今天可以發(fā)送一封郵件，唯一的讀者是他的妻子一樣。

廣泛的掃盲改變了人與人之間的交流。 現(xiàn)在，人機交流也變得越來越重要，編碼能力將成為可以預(yù)見的未來最深層次的人機交流的基礎(chǔ)。 所以，我不同意那些認為世界只需要幾百萬程序員的人；我認為幾乎每個人都應(yīng)該學(xué)習(xí)編程，就像幾乎每個人都應(yīng)該學(xué)習(xí)閱讀/寫作一樣。

本文轉(zhuǎn)自微信公眾號“新智元”，原文來自Quora，由新智元文強編譯。