為什麼我要學習“機器學習”？

  在很早的部落格裡，我就提到過從13年底開始，就對Web開發不感興趣，想要做更底層的開發。那時只有一個模糊的概念。認為越底層的知識、技能，越難，也就難以被替代，更保值。便研究圖形學、影象處理。我天真的以為DIP是程式理解現實世界的基礎，後來發現錯了，發現CV才是。再後來發現，完全不是那麼回事兒。CV的目標也不是理解現實世界。我曾以為的“從程式的角度理解現實世界”這個概念就虛、寬泛，就如同AI，本身定義就不清晰，分支那麼多。於從15年中就開始關注“機器學習”，從一個小的分支切入。後來驗證，這的確是很好的方向，只是我自己本職工作的方向還是CAD開發，還要補充數學課程，在這方面花費的時間太少了。
  還記得當初在學校學習LISP的時候，我初次對於程式語言表述能力這個東西很感興趣。為什麼語言的表述可以解決問題？我們使用的語言究極表述能力是什麼？語言、邏輯、數學是什麼關係。我便開始學習編譯理論。和其他同學不一樣，我學習多種程式語言的目的不在於幫助找到工作或者做專案。只是想知道背後的原理。是我最受影響的書不是“龍書”，而是Automata Theory, Lanuages, and Computation，這本書真正讓我意識到數學的魅力。從此才關注起來，如何讓程式具有更加強大的表述能力。慢慢的轉變到關注人工智慧、機器學習。我想，一定有不少學過編譯理論的同學，一定對Symbolic AI有過興趣。現在我們一提到AI，必然提到超大量資料。彷彿沒有資料就沒有AI。這是不對的。機器學習只是弱人工智慧的一個方向而已。
  我不大喜歡“人工智慧”這個詞，我們現階段達到的成果和人們期待的平相差甚遠。就不要用這個概念來博取眾人關注了。免得人們失望。但是，回頭想想，這都是第幾波浪潮來著？算了。這兩年人工智慧，或者準確的說是機器學習崗位的工資開的很高，很多人羨慕。不得不說，的確是非常吸引人的崗位。我們這邊CG方向的master和doctor，研究的東西同樣很高階，數學要求也很高，薪資水準就似乎低了一些--雖然我認為做ML工作的人並不比他們更聰明，或付出過更多的學習。機遇而已。至於媒體上經常提到的數百萬的AI人才缺口，笑笑便好。事出反常必有妖。211學校一年計算機方向碩士以上畢業生的數量，算算便知。不是那麼好學的。也不要會幾個介面呼叫，就說自己會AI了。
  學習機器學習，和學習其他程式設計的知識、技能一樣，是很有趣的。也可以給我們帶來及時的反饋。我們工作的成效可以立馬被驗證，能夠為社會創造價值。當下，已經有不少團隊把ML、DL應用到醫療研究領域，我覺得這才是很有意義的事情。新藥、新醫療裝置、新的知識，能夠挽救更多的生命。我所害怕的，就是生命還沒有創造價值，便要離開這個世界。這多麼無聊。