AI，也就是人工智能，并不僅僅包括機器學習。曾經，符號與邏輯被認為是人工智能實現的關鍵，而如今則是基于統計的機器學習占據了主導地位。最近火熱的深度學習正是機器學習中的一個子項。目前可以說，學習AI主要的是學習機器學習。但是，人工智能并不等同于機器學習，這點在進入這個領域時一定要認識清楚。關于AI領域的發展歷史介紹推薦看《機器學習簡介》。下面一個問題是：AI的門好跨么?其實很不好跨。我們以機器學習為例。在學習過程中，你會面對大量復雜的公式，在實際項目中會面對數據的缺乏，以及艱辛的調參等。如果僅僅是因為覺得這個方向未來會“火”的話，那么這些困難會容易讓人放棄。學習方法學習方法的設定簡單說就是回答以下幾個問題：我要學的是什么?我怎樣學習?我如何去學習?這三個問題概括說就是：學習目標，學習方針與學習計劃。學習目標比較清楚，就是踏入AI領域這個門。這個目標不大，因此實現起來也較為容易。“過大的目標時就是為了你日后放棄它時找到了足夠的理由”。學習方針可以總結為 “興趣為先，踐學結合”。簡單說就是先培養興趣，然后學習中把實踐穿插進來，螺旋式提高。這種方式學習效果好，而且不容易讓人放棄。有了學習方針以后，就可以制定學習計劃，也稱為學習路線。下面就是學習路線的介紹。學習路線這個學習路線是這樣設計的：首先了解這個領域，建立起全面的視野，培養起充足的興趣，然后開始學習機器學習的基礎，這里選擇一門由淺入深的課程來學習，課程最好有足夠的實驗能夠進行實戰。基礎打下后，對機器學習已經有了充足的了解，可以用機器學習來解決一個實際的問題。這時還是可以把機器學習方法當作一個黑盒子來處理的。實戰經驗積累以后，可以考慮繼續進行學習。這時候有兩個選擇，深度學習或者繼續機器學習。深度學習是目前最火熱的機器學習方向，其中一些方法已經跟傳統的機器學習不太一樣，因此可以單獨學習。除了深度學習以外，機器學習還包括統計學習，集成學習等實用方法。如果條件足夠，可以同時學習兩者，一些規律對兩者是共通的。學習完后，你已經具備了較強的知識儲備，可以進入較難的實戰。這時候有兩個選擇，工業界的可以選擇看開源項目，以改代碼為目的來讀代碼;學術界的可以看特定領域的論文，為解決問題而想發論文。無論哪者，都需要知識過硬，以及較強的編碼能力，因此很能考察和鍛煉水平。經過這個階段以后，可以說是踏入AI領域的門了。“師傅領進門，修行在個人”。之后的路就要自己走了。