什么是人工智能

AI的诱惑在哪里

目前AI行业的薪资普遍较高。这也是大部分人想转AI的原因。 以互联网行业的平均薪资来说，两个学历和工作年限一样的开发者，AI开发的会比移动端开发高20%左右。 若以应届毕业来说，现在深圳的算法岗位博士月薪在3W左右浮动。 可以说很多人是冲着这一点去学习AI的。 而且就技术前瞻性来说的话，在未来10年内，掌握AI技术的相关人才会更吃香。很多大公司也开始在储备这方面的人才。

但实际上AI的就业情况，18年开始已经不如前几年那么火热了。拿头条来举例子，前几年头条的算法岗位可谓供不应求。但是18年的情况不一样了，算法岗位的招聘比例大概在1/5甚至1/10，反过来其他岗位比如Android开发，服务端开发，这些岗位虽然每年都有，但是今年却招不满。 原因很简单，在算法大热的行情下，很多应届毕业生都选择去刷题来增加算法经验，从而希望能拿到算法岗位的offer。所以今年工程相关的岗位的薪资非但没降低，反而还有些升高。 相比较下算法岗位就没那么乐观了，竞争激烈导致求职者跟公司的需求关系倒挂，招聘公司对薪资可以很从容地开条件了。

AI其实没那么神秘

如果说你真的想从事AI，那么请先搞清楚AI到底是什么，你想学的是什么东西。

有人说AI就是人工智能，AI就是机器会像人一样思考，AI就是你拍张照，它就告诉你这是什么东西。 这些都对，但这些说法不能够让你明白AI到底是什么。

“AI是一切能减轻重复劳动的方法的集合”

如果把这些方法分一下类，可以分成这两种

• 传统算法的AI
• 深度学习的AI

平时我们经常听到的那些名词，像神经网络，机器学习，大数据，其实都可以归类到这里面。

举个例子，拍张花的照片，软件自动告诉你这是什么花，这是人工智能。 但具体实现这个功能的方法有很多种，比如传统的SVM(支持向量机)可以做物体检测，深度学习的R-CNN网络，也可以做物体检测。

那么传统算法和深度学习有什么区别呢？这要从AI是从什么时候大热开始说起。 从1960年开始到现在，AI经历了几轮的大热和大冷。但真正将AI带入我们生活中的是近几年卷积神经网络的发展。 卷积神经网络应该是在15年提出的，它颠覆了之前在AI领域的很多成就，告诉人们，其实AI还可以这么做。在此之后基于卷积神经网络发展了很多骚操作，这些新的技术手段都可以称之为深度学习，他们所使用的网络称为深度神经网络。 也是在这几年人们才发现，以前那些解决不了的问题，用神经网络的思路变的可以解决了。

深度神经网络是怎样一个东西呢？ 这个其实很好说明。回想一下我们学习数学的过程，当我们第一次接触 1+1=2 的时候是怎样的。

老师：”1+1等于多少？” 学生：“等于3” 老师：”不对，等于2” 老师(再次问)：“1+1等于多少？” 学生："等于2"

这就是一个不那么严格的深度学习的过程。 简单的说这个过程分为输入、网络、输出、损失。输入就是"1+1"这个提问，学生对提问的处理可以看做网络，输出是学生的答案，损失则是学生的答案跟正确答案的误差。

训练一个神经网络的过程，相当于不停的给学生输入数据，然后对比学生的输出结果和正确结果的误差，不断地更新学生的认知，直到误差等于0停止。

当然实际的深度学习比这要复杂一些，上面的例子因为有正确的答案作为标签，所以称为有监督学习。还有一种没有标签的方法，称为无监督学习。

明白了这个，你就掌握了80%的深度学习的脉络了。

Android能做人工智能吗

当然可以，这是很简单的一件事情，但是它的局限也很明显。 现在的手机计算能力还远不如PC，移动端对深度学习的支持还比较简单，只能应用一些普通的场景。 真正工程应用上，我们在处理一些复杂数据的时候，在专用的计算显卡上每次响应都要500ms，这种计算量如果放在移动端上，估计要凉。 但并不是说就不能在手机上工作。如果你有兴趣的话，可以留言”人工智能“，留言多的话我可以提供一个能识别大部分物体的Android源码给你玩玩看。

可能你已经意识到，Android转AI是可以的，但是局限也很明显。 所以如果你真打算转行做AI，那么我建议可以先熟悉一下两个东西，

• python
• 线性代数

小编计划推出一个AI学习的系列，只要你有编程基础，只要你想从Android转AI，只要跟着教程走，你就可以定制一个属于自己的人工智能。