给人工智能(AI)泼点冷水

    先给人工智能泼盆冷水，学术上人工智能不就是深度学习和神经网络，学校搞了好多年了吧？之前火的云计算和大数据，貌似风头被盖过去了，咋说呢，实际工程上，云计算还停留在建虚机一层，大数据还不知道咋盈利，项目小利润低，再上层的AI，其实还在炒作阶段。


    有人问了一个问题：“在AI已成‘大势’的情况下，传统Java后台开发，还有前景吗？”

💪🚐🍧❎🐖‎

    这个问题确实是让我难于回答，因为我对AI也是只知道一点点皮毛， 这些年积累的经验都用不上，和大家一样，都是小学生，都要从零开始，从数学开始

    所以我只能聊聊自己的感受，大家要批判性地看，不要被我误导。

    我的第一感受

🧑‍🌾‍👞⌨😋✊

    AI，或者说现在大热的机器学习/深度学习真的很难。

    之前软件业出了什么新技术，我花点时间看一看，很快就能摸到门道， 看到本质。但是机器学习、深度学习这个新东西完全不同，虽然也能模模糊糊地知道怎么回事，却没法在短时间内掌握它。
🧑‍💻‏🎩🔍🥱🤝
    这个AI难就难在学习曲线极为陡峭，到处充斥着数学理论和数学公式， 得先翻过一座座数学大山（高数，统计，概率，线性代数）才能真正入门。

    也有大牛说，数学哪有那么难！ 不就是求导、极值问题、偏微分、梯度下降吗？！ 我的天，这些东西自从大学毕业我早就忘得一干二净了。

    之前有人问我数学对编程有什么用，我总是说主要是锻炼逻辑思维能力，现在好了，数学直接派上用场了！
🦷🌕🍖💲🐅‍
    可以说，单单是数学这一点，就可以筛掉很多人，想转行的要做好心理准备，不要觉得AI很热门就跳入坑来，别想着学会了Python就能入行拿高薪了，得啃下数学这个硬骨头才行。

    所以研究生是有优势的，经历了考研这几个月的炼狱，数学的基础还是比较牢靠的，适合去搞人工智能。
👳‏🥼🛋🙄👍
    当然大牛又说了，不要把数学完整地学一遍再去学人工智能，那样你有极大的概率是从入门到放弃。 相反，应该是用到什么学什么，这样效率更高， 嗯，很有道理。

    我的第二个感受

    现在的AI怎么还那么笨呢？
🦴🛑🥄✔🐶‏
    20年前深蓝在国际象棋领域击败卡斯帕罗夫，这两年AlphaGo打败了李世石，把柯洁都给弄哭了。

    但是围棋象棋都还是在一个规则非常明确的领域，稍微复杂点的领域，例如魔兽，星际争霸等电子游戏中，AI表现得就很弱了。据说DeepMind也开始游戏的研究，希望它能做出真正击败人类的AI出来。

🤟🗼🅰🐅‌    在日常工作和生活中，我尝试使用最多的也许就是语言翻译和语音识别，很多厂商都号称自己的准确率有多高多高，但是我怎么一直觉得翻译出来的东西惨不忍睹呢？

    语音识别好一点，最近微信的语音转化成文字终于达到了勉强能用的水准了,  但代价就是我必须在一字一句地，字正腔圆的对它说话，稍微出现一些上下文之外的东西它就无法识别。一旦出错改正的时候又很麻烦，还不如直接输入，试用了几次以后我就放弃了。

    还有就是有可能取得突破的自动驾驶，现阶段在城市道路上出现一个完全由AI驾驶的车还是挺吓人的，未知因素太多，突然出现一个皮球，一个纸箱，一个小孩，这AI该怎么办？（国内的环境真是.....）‍👖🔋😫👎

    李开复说自动驾驶现阶段最有可能应用的领域是高速公路上的货运，路况简单，跟车模式，我觉得这个比较靠谱 #362:

    至于AI编程，我是一笑了之。

🤳⛄🍊❓🐞‏    所以我对于通用智能持悲观态度，还是那句话，我觉得在我的有生之年也看不到真正的、像人一样有思维有情感的AI机器人，他们只存在于科幻小说里。

    我的第三个感受

    从编程层面来看， AI并不是要革程序员的命。
🤟🎢🍞™🐯‏
    不像程序从单机到C/S，从C/S到B/S， 那是编程泛型的革命性变化。

    现在的深度学习更像是在某个垂直领域（翻译，语音识别，围棋......）的应用，也就是说它利用了现在的海量数据，用某种方法进行分析、学习，做出判断、预测。
👨‍⚕️‏🧢📠🙂🦷
    那这些数据是从哪里来的呢？  还得通过传统的应用来收集吧？ Web前端、手机端收集，后端处理，保存，现在的技术、应用还是必不可少吧？

    我个人觉得AI更像是大数据的延伸，它并不能替代现在的各种各样的系统， 相反它会和现有的系统进行融合。

    所以在AI看起来成为趋势的情况下，Java后端还有没有前途呢？ 我觉得答案是肯定的， 并且在长时间内还是大有前途的！
🤟⛄🦀🆘‎
本文来自微信公众号： 码农翻身（有修改）
作者：老刘