吳恩達(dá)剛剛在Quora做了一次最新session，重點(diǎn)回答了如何學(xué)習(xí)機(jī)器學(xué)習(xí)/深度學(xué)習(xí)，以及如何從事機(jī)器學(xué)習(xí)方向工作的問(wèn)題。吳恩達(dá)認(rèn)為，復(fù)現(xiàn)他人發(fā)表的結(jié)果是一個(gè)掌握機(jī)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(jī)器學(xué)習(xí)專家，要做的只是不斷學(xué)習(xí)，讓自己越來(lái)越夠格。

Q1：深度學(xué)習(xí)泡沫何時(shí)會(huì)破？

大約100年前關(guān)于電力也有很多炒作。那個(gè)泡沫現(xiàn)在也還沒(méi)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(jià)值——用于網(wǎng)絡(luò)搜索，廣告，語(yǔ)音識(shí)別，推薦系統(tǒng)等等——這些顯然是不會(huì)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(gè)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(rèn)為在核心技術(shù)界之外，有一些過(guò)分夸張的對(duì)“有感知力的AI”（sentient AI）的期望；我也和很多CEO交流過(guò)，他們似乎認(rèn)為AI是所有技術(shù)問(wèn)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(shí)間發(fā)展壯大之前，越早破掉越好。

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

想新項(xiàng)目的一個(gè)好方法是花時(shí)間研究以前的老項(xiàng)目。

大腦很神奇。當(dāng)你學(xué)習(xí)一類工作（例如ML項(xiàng)目）的許多例子后，你能學(xué)習(xí)概括并想出這類問(wèn)題新的例子。這也是為什么很多藝術(shù)家通過(guò)復(fù)制大師作品來(lái)學(xué)習(xí)繪畫(huà)——如果你參觀美術(shù)館，你有時(shí)會(huì)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(guò)復(fù)現(xiàn)舊研究論文的結(jié)果來(lái)學(xué)習(xí)發(fā)明新的算法。對(duì)于我來(lái)說(shuō)，正是因?yàn)樵诓煌墓究吹搅撕芏鄬?shí)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(jī)會(huì)。

所以，如果你想知道如何做有趣的項(xiàng)目，閱讀（也許復(fù)現(xiàn)）你喜歡的以前的舊項(xiàng)目，你會(huì)開(kāi)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(gè)項(xiàng)目：CS 229機(jī)器學(xué)習(xí)最終項(xiàng)目，2016年秋。

最后，當(dāng)你完成一個(gè)有趣的項(xiàng)目時(shí)，請(qǐng)寫(xiě)一篇Arxiv論文或博客文章，也許在Github上開(kāi)源代碼，并與社區(qū)分享！這樣，其他人現(xiàn)在可以反過(guò)來(lái)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(shí)間和人聊天，包括ML以外的領(lǐng)域?qū)＜遥ɡ?，我花費(fèi)了大量時(shí)間與醫(yī)療保健專家進(jìn)行交談），這通常會(huì)激發(fā)新項(xiàng)目在ML和醫(yī)療保健等領(lǐng)域。

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

課程是非常有效的學(xué)習(xí)方式，作為開(kāi)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(gè)掌握ML非常有效但卻被低估的方式。看到很多新的斯坦福大學(xué)博士生成長(zhǎng)為很棒的研究人員，我可以自信地說(shuō)，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(xì)節(jié)算法。許多人大步躍進(jìn)試圖發(fā)明新的東西，當(dāng)然這也值得一試，但實(shí)際上發(fā)明新東西反而是學(xué)習(xí)和建立知識(shí)基礎(chǔ)比較慢的方式。

• 當(dāng)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(huì)開(kāi)始產(chǎn)生自己的意見(jiàn)和想法。當(dāng)你自己建立新的東西時(shí)，發(fā)表一篇論文或博客文章，并考慮開(kāi)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(jìn)一步加速你學(xué)習(xí)的過(guò)程。

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

• 找朋友跟你一起做。你可以自己取得很大的進(jìn)步，但跟朋友交換意見(jiàn)和想法將有助于你學(xué)習(xí)，并使學(xué)習(xí)過(guò)程更有趣。如果你認(rèn)識(shí)教授，博士生或優(yōu)秀研究人員，也可以與他們多交流。有時(shí)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(dāng)然，跟來(lái)自我在斯坦福博士的博士生，deeplearning.ai的團(tuán)隊(duì)成員，還有我參觀的各個(gè)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(shí)候你仍然應(yīng)該去做，自己嘗試去實(shí)現(xiàn)。Geoff Hinton在接受deeplearning.ai收集中說(shuō)過(guò)類似的話。

我知道的每個(gè)世界級(jí)的ML研究員都花了很多時(shí)間來(lái)實(shí)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(jué)得這種類型的工作也很有趣，希望你也會(huì)這樣。

Q4：我想從事機(jī)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(cè)的方法嗎？

你肯定夠格的！無(wú)論目前的知識(shí)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(jī)器學(xué)習(xí)的專家，并且有很好的職業(yè)發(fā)展。

任何對(duì)機(jī)器學(xué)習(xí)感興趣的人，請(qǐng)從學(xué)習(xí)編程開(kāi)始。當(dāng)你掌握編程基礎(chǔ)后，可以考慮機(jī)器學(xué)習(xí)課程（比如Coursera的機(jī)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(jìn)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(jìng)賽和學(xué)術(shù)會(huì)議等活動(dòng)，并繼續(xù)閱讀書(shū)籍/博客/論文。

你是不是有資格在機(jī)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(lái)越適合而已。

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

我認(rèn)為機(jī)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(jì)

• 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(rèn)為有機(jī)會(huì)學(xué)習(xí)相關(guān)數(shù)學(xué)和機(jī)器學(xué)習(xí)的博士已經(jīng)減少了，因?yàn)闄C(jī)器學(xué)習(xí)已經(jīng)變得更偏向經(jīng)驗(yàn)（基于實(shí)驗(yàn)），較少理論，特別是深度學(xué)習(xí)的興起，讓這一趨勢(shì)更加明顯。

我在讀博士的時(shí)候，很喜歡實(shí)分析，也研究了微分幾何，測(cè)度論和代數(shù)幾何。你如果能了解這些領(lǐng)域當(dāng)然更好，但如果時(shí)間有限，你可以考慮用更多的時(shí)間學(xué)習(xí)機(jī)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(kù)以及HPC（高性能計(jì)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(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)也是不現(xiàn)實(shí)的。然而，有的AI應(yīng)用，例如無(wú)人駕駛，是需要監(jiān)管的。AI在國(guó)際對(duì)反壟斷（監(jiān)管壟斷）領(lǐng)域也有新的影響，監(jiān)管機(jī)構(gòu)尚未對(duì)此有深入思考，但他們應(yīng)該對(duì)此有深入探討。

關(guān)于人工智能管制的討論大部分來(lái)源于對(duì)“有智慧的AI”（sentient AI）或“邪惡殺手機(jī)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(guó)家的強(qiáng)硬監(jiān)管都會(huì)阻礙該國(guó)的AI發(fā)展。

然而，一些人工智能的應(yīng)用需要監(jiān)管來(lái)保護(hù)個(gè)人，并加速其采納進(jìn)程。汽車行業(yè)已受到嚴(yán)格監(jiān)管來(lái)確保人的安全，這將有助于整個(gè)行業(yè)發(fā)展。其他領(lǐng)域也相同，包括制藥，軍控，金融市場(chǎng)等。但是，監(jiān)管應(yīng)該是針對(duì)某一個(gè)行業(yè)的，并且基于對(duì)用例的深思熟慮，以及我們?cè)谔囟óa(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(yuǎn)的未來(lái)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(jìng)爭(zhēng)創(chuàng)造新的途徑，各家競(jìng)相爭(zhēng)奪占主導(dǎo)權(quán)，打擊競(jìng)爭(zhēng)對(duì)手。反壟斷監(jiān)管機(jī)構(gòu)遠(yuǎn)遠(yuǎn)不如企業(yè)對(duì)這一點(diǎn)理解深刻，需要做的還有很多。

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

是的，請(qǐng)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(dòng)→AI/機(jī)器學(xué)習(xí)），因?yàn)樾录夹g(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(gè)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(rèn)為（差不多）每個(gè)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(gè)人都會(huì)讀書(shū)寫(xiě)字。是不是只有幾個(gè)僧侶能誦經(jīng)就好了，大多數(shù)人不需要讀/寫(xiě)？是不是只要少數(shù)人寫(xiě)出暢銷書(shū)就好了，其他人不需要會(huì)寫(xiě)？我們發(fā)現(xiàn)，隨著讀寫(xiě)能力的提高，人與人之間的溝通變得更好：我們能寫(xiě)電子郵件，即使讀者只有一個(gè)人，這樣也有價(jià)值。

今天我們處于一個(gè)很少人可以編碼的時(shí)代。但是，如果每個(gè)人都可以編寫(xiě)代碼，也許經(jīng)營(yíng)一家小商店的夫妻倆可以編寫(xiě)幾行代碼來(lái)定制他們的LCD顯示屏，用于本周的促銷活動(dòng)；或許丈夫可以寫(xiě)一個(gè)簡(jiǎn)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(jī)交流也變得越來(lái)越重要，編碼能力將成為可以預(yù)見(jiàn)的未來(lái)最深層次的人機(jī)交流的基礎(chǔ)。 所以，我不同意那些認(rèn)為世界只需要幾百萬(wàn)程序員的人；我認(rèn)為幾乎每個(gè)人都應(yīng)該學(xué)習(xí)編程，就像幾乎每個(gè)人都應(yīng)該學(xué)習(xí)閱讀/寫(xiě)作一樣。

本文轉(zhuǎn)自微信公眾號(hào)“新智元”，原文來(lái)自Quora，由新智元文強(qiáng)編譯。