这个人而立之年开始学AI，他是怎么想的？——我的AI学习之路（
近一个月以来，通过反复思考和研究，我下了一个重大的决定，从2017年10月20号开始，我要开始学人工智能（简称AI）。
决定虽然仓促，却也并非无源之水。其中缘由会在下面的文中分享。
这个人而立之年开始学AI，他是怎么想的？——我的AI学习之路（一）
一、我的思考与决策
有人问我，人说三十而立，这么个年龄学人工智能这么高端的东西，脑子进水？
不是抬杠，换个角度想想，所谓“三十而立”，真的成立吗？
如果我们这代人真能活到120岁，三十岁的年龄，不才是少年时期吗？ 如果你的孩子小小年纪说我已经学了这辈子能用到的所有技能和知识了，往后我再也不学习任何东西了，你是你不是会真的疯掉？
真正的学习是步入社会后开始的，相信很多人不会否认这一点。
可是现实中，当你在学英语，学计算机，学演讲，学写作，他们会说:“现在学这个没必要吧，而且花那么多时间精力好像也不值得！”
你有没发现但凡学什么都想着有用的人，往往都是不怎么爱学习的人，也往往混的不怎么好？换句话说，他们生存的质量并不高？
你会发现真实的学习场景往往要求我们学以致用，换句话说，叫“现学现卖”。
时代的改变是随时发生的，因此学习也应该是随时随地发生的，是要持续一辈子的事情。从这个意义上讲，任何事物不论什么时候开始做都不晚，随着时间推移带来的紧迫性，反而是越晚越应该开始！
越是害怕自己学不会，越应该尽快着手学习。
你必须学，否则随着年龄的增长，你会发现当下的生活会逐渐离你远去，你只能永远的活在过去。这个问题想想我们的父母早些时候排斥智能手机、排斥微信到现在的随时在线，自己网上购物就能看出来，我们甚至可以得出这样的结论:学习能力是和人生幸福是正相关的。
任何人、任何时候只有不断更新和学习才有未来，没有持续学习的动力和决心的人才悲哀。如果站在对自己的人生负责人的角度思考这个问题，对于是否应该学习新东西的结论也会不一样。
好吧，即使站在最功利和实用的角度思考，科技行业无疑是产出非线性最强的行业之一，即边际成本几乎为零的行业，因此也是高成长性的行业。无论是投资还是就业，选择进入这个行业都是高回报的。
而人工智能，是未来一切核心的基础，人工智能或成为下一次工业革命发生点。无论是国家还是个人，都不能再错过这次搭上新工业革命快车的机会了！
试想如果进入AI领域，长期接触最前沿的科技行业，站在科技的风口浪尖，长期看来，无论投资和创业，会不会离大机会更近一些？
这个人而立之年开始学AI，他是怎么想的？——我的AI学习之路（一）
二、 学习的目的是什么？
1. 检验、衡量、挖掘自我学习能力。
2. 跟随趋势，AI技术广泛而深刻的应用场景，站在科技行业的风口浪尖。
3. 成为中长期职业迁移的对象。
4. 给收入开源，保证高成长性公司股票的长期定投。
5. 活在未来，未来的AI技术就像今天的计算机技术，就像自来水，会的人不一定带来直接的好处，但是如果你不会就一定吃亏。
这个人而立之年开始学AI，他是怎么想的？——我的AI学习之路（一）
三、 我是怎样开始的？
1. 调研行业状况，了解到AI行业人才紧缺，且待遇普遍不低，中国互联网巨头们都在谋篇布局，甚至出现大企业争抢优质人才资源的壮丽景象；国外IBM、Google、Facebook等科技巨头们也纷纷加强自己的人工智能方面的专业团队。
2. 了解学习内容，人工智能应用广泛：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。我自己感兴趣的是自动驾驶和人工智能的结合，目前正在了解与自动驾驶相关的AI技术。
3. 列出学习计划：短期（半年内）每天至少学习两个小时，中期学习与实践相结合（六到九个月），后期，进入纯实战操作，计划用一年内达成。另外还制定了详尽课表，积分制，学习时长来奖励自己，奖金用于每个月定投GAFATA。
4. 跟家人交谈了我的想法，得到支持和理解。
5. 网上报名跟班学习。并且开始听吴恩达老师（吴恩达是人工智能和机器学习领域国际上最权威的学者之一）和相关培训机构的视频课程。
三、 如何衡量我的学习效果？
站在实践的角度来看待学习效果，以最终落地的项目为检验标准。当然这是一个动态成长和持续反馈的过程，实践量越大，技术当然越好。因此检验结果是以加入科技公司团队或寻求专业团队实操得出能够良好运行结果为准。
这个人而立之年开始学AI，他是怎么想的？——我的AI学习之路（一）
四、 我可能会遇到的阻力？
1. AI技术设计学科广泛：哲学和认知科学，数学，神经生理学，心理学，等等。而这些知识，我都不会。
2. 尤其计算机科学，信息论，控制论，不定性论等，都得从头学起。
3. 另外，AI技术对数学基础的高要求，高中数学经常不及格，大学学的是法学专业，没学过高数，相当于也是从零开始。（概率论、数理统计、矩阵论、图论、随机过程、最优化、神经网络、贝叶斯理论、支持向量机、粗糙集、经典逻辑、非经典逻辑、认知心理学，同时也要学习高等数学微积分、线性代数，另外编程工具，例如：Python。硬件方面要学习编译原理和操作系统。）
4. 按部就班的学习可能会因任务难度大、时间跨度长而放弃。
5. 计算机基础约等于0.大学期间接触不多的C语言都忘了差不多了，也是从0开始学起。
6. 环境影响，得到身边人的支持很重要，搞不好还会受到来自各方面的冷言冷语。
7. 工作与学习精力上的合理分配。
当然，学习是有重点的，不可能全部都学，比如哲学、心理学等可能直接略过。而且换个角度想，时间允许的情况下，如能get这么多东西，那感觉岂不是不要太美？
这个人而立之年开始学AI，他是怎么想的？——我的AI学习之路（一）
五、 那么，我能学会吗？
另外，如果失败，我的付出和努力值得吗？那些等着看我笑话的人不是更看不起我？
思来想去，如果注定失败，请给自己一个失败的机会！
确实，我很清楚这其中的工作量，事实上，即便是专业IT领域的精英人才也不一定能学好，何况我这样的技术小白要掌握那么多东西更是困难重重。
但是既然想学，就大胆的开始，“但行好事，莫问前程”。因为每次尝试都是自我迭代与进化。
这与李笑来老师曾经说的进化为新物种不谋而合。学习也好，成长也好，自我迭代也罢，其实就像一个物种努力进化为新的物种，不是人人都能顺利完成进化，我看中的是这种尝试和体验。进化就像爬山，一个没经历过进化体验的人，就像没爬过山的人，你跟他描述路上所见的风景，说一大堆爬山的心路历程，说什么也是白说。
而我这么努力的折腾自己，就是为了让不确定的未来更确定一些，让命运的运气成分再降低一些，不急不躁，日拱一卒，努力攀爬，成长再缓慢也是成长，不也是一件确定无疑的好事么？
因此，目标是不变的，但是方法可能会调整的。比如考虑到可能按部就班的学习可能因为耗时费力又不出效果，可能考虑直接寻找项目合作，采取以练代学的方式学习，获得更多直接有用的反馈。
最后，我深知自己的思考过程与行动计划尚有欠缺，因此我十分期待与渴望IT领域的前辈的提点与指导，乃至万分期待与你们的合作，所以，如果你刚好是个老司机，又刚好看到此文，请一定不吝赐教，我会用实际行动感谢哦！再次感谢！
