Part1：一萬元學費換幾萬元月工資？
眾所周知，人工智慧火爆了一整個 2017 年，將來極有可能要繼續火下去，於是我們看到了各種應勢而生的線上線下 AI 技術培訓班。某人工智慧教育平臺創始人在微博宣稱其培訓平臺已經吸引到將近十萬的付費學員。
同樣看到發展趨勢變化的還有來自各個領域的而程式設計師們，要不要轉型 AI，怎麼學？怎麼轉？這些問題困擾著他們。
“聽說了嗎？隔壁那小誰，報了個人工智慧培訓班，現在一個月賺好幾萬呢！”
“知道知道，說是零基礎入學，不用半年就能學會，還籤保證照，如果找不到工作雙倍返學費呢！”
“我去，這麼合適？搞得我也想報了，學費多少啊？”
“說是一萬多，但是你想啊，等找到工作，一個月賺好幾萬，那時候誰還在乎這點兒錢啊（笑）”
······
上面是我們設想的對話，也是 AI 培訓班的基本宣傳調調：零基礎入門，五六個月畢業，畢業後可內推 BAT，從長遠來看，很划算的嘛！然而用人單位也是這樣認為的嗎？經過我們的採訪，受訪者們明確分成了兩派：反對派與支援派。
對“您怎麼看待 AI 培訓班“這個問題，我們收到的回答基本上都是這樣的：“以騙人為主”，“完全不靠譜”，“我不太瞭解 AI 入門培訓課程。但我不認為通過幾個禮拜的短期培訓，就可以輕鬆獲得‘超高薪資’，那樣的話公司和投資人就太傻了”。
有技術專家在回答我們的採訪問題時直接丟擲了否定三連，“不可能，不需要，不建議”：
不可能——AI 技術不可能靠速成班就能完全掌握。
不需要——我的企業 or 團隊不需要這樣的技術人。
不建議——不建議想要轉型 AI 的人去速成班學習。
受訪的其中一位技術專家告訴我們，不願意接收速成班程式設計師有這樣一些主要的原因：
“我們主要做 AI 工程化的工作，從人員角度看，需要兩種：
一種是理解了演算法和模型，並且能夠訓練模型、調整引數的人，這需要一定的數學基礎和感覺，通過 AI 速成的人一般很難具備這些能力。
一種是工程化的人，這個基本技能跟軟體行業相同，所以不需要進行所謂的 AI 速成。
在這裡，很難找到 AI 速成班的技術人員的空間。”
在技術專家看來，速成班或許可以在短時間內供需平衡出現問題的時候，解決所謂的眼前招聘的問題。但從稍遠幾年看，這種速成班出來的估計不會是中樑砥柱。
當然，面對速成班出來的技術人也絕不能全盤否定，一位受訪的專家告訴我們：“不排除 AI 速成班裡有可用之才，但通過 AI 速成班絕對不是加分項，還有可能是減分項，你需要花更多時間和精力對對方的回答做進一步的判斷，才能搞清楚他真正理解到了什麼程度，正如 Java 培訓機構出來的學生一樣。”專家表示，現在學習的方式有很多種，絕對不是隻有報班培訓，報名培訓班也是一種不錯的選擇，但不能以速成為目的。
受訪的企業 HR 也給出了一些相關經驗：“我們的團隊理念是一支精英化的團隊，成員內部互相學習、成長也更快，我們願意招基礎好但是經驗少的這種高潛力的侯選人，如果學歷背景差基礎一般，AI 速成是達不到我們的要求的，可能 coding 面就會匆匆掛掉。個人感覺任何東西都沒有速成一說，我們更願意花時間去建一座堅固的房子，也不願意搭一個漏雨的棚子。”
一名受訪的機器學習入門者告訴我們，他本人就參加過技術培訓班：“因為我不是計算機專業的，但是對所學的專業不太感興趣，就到培訓班學習。”
相信和他有著同樣經歷的人不在少數，因為自己的興趣在此，然而所學專業並非計算機相關，故而選擇了培訓班這樣的機構來學習。
受訪者說：“從培訓班出來的人員更努力，因為不學習的話與計算機專業出來的人員差距還是比較大的，比如在資料結構上面、演算法上面與計算機專業出來的人才差距還是很大的。”
相信有不少培訓班人員和這位受訪者的想法如出一轍，在明知差距的情況下，想要獲得成功就必然需要付出更多的努力。在採訪中他也給出了自己的學習經驗：“我不是名校畢業的，專業也不是計算機專業的。但是對於搞人工智慧的話，碩士博士、海外經歷畢業更好，優秀的本科生也還好，我個人的路線是：java 程式設計——大資料、雲端計算、物聯網、nlp、分詞、神經網路。”
Part2：各種 AI 課程大比拼，想學 AI 只能靠培訓班？
在文章的開頭我們說過，目前市面上良莠不齊的培訓班讓人眼花繚亂，不同水平的培訓班差距很大，所以 AI 前線找到了現在幾種主流的 AI 培訓班以及自學網站，到底應該選擇哪種方式，相信看過之後各位讀者自有評判。
優點： 有教師指導，零距離接觸，不懂的可以隨時問；有較為系統的課程安排，循序漸進，學得更系統；同時可以在講師的指導下參與實戰。
缺點： 培訓班水平良莠不齊，容易踩坑；學費較貴；學習的知識不夠深入；實戰專案在面試時是否被用人單位認可是個問題。
優點： 可以按照自己的喜好安排課程；價格相比培訓班更便宜；授課講師都是來自名企的技術專家。
缺點： 雖然也有課程體系，但是從系統性上較培訓班仍有差別；授課講師雖然來自名企，但是無法直接交流，有些問題不能及時得到解決；無法參與實戰專案。
優點： 社交平臺大牛多，可以和技術大牛線上零距離接觸；價格更加便宜，普通人更容易接受。
缺點： 從零開始一直到專案實戰的課程不是誰都有時間開的，所以導致學習不夠系統；同樣有講師水平參差不齊的問題存在；無法參與實戰專案。
優點： 大神出品，質量有保證，免費學習。
缺點： 適用於稍有數學和程式設計基礎的學員，不適合從零開始入門的初學者。
在我們收集資料的過程中，非常有趣的一點是：大部分開設 AI 課程的線下培訓班講師的個人介紹中，幾乎都沒有寫明是否曾經參與或主持過 AI 相關的專案，不知是不是為了隱藏實力？
我們這裡進行的比較僅僅是將一些客觀的情況列舉出來，或許有的讀者通過以上任意某種形式的授課取得了較好的成就，歡迎在評論區與我們交流，讓更多沒有參與以上形式的讀者看到您的學習路線，以幫助更多的人進入 AI 的技術領域，一起推動技術的發展。
當然了，這裡列舉出各種學習的渠道，也是想丟擲一個問題：AI 學習真的只能靠培訓班嗎？
根據 AI 前線記者的調查，大部分 AI 從業者們給初學者的建議基本都是：不要去參加培訓班，如果要學，可以通過自學的方式入門，從數學開始，再到程式設計基礎，同時很多線上教育平臺也都有對應的課程推出，甚至很多課程都是免費的，受訪的一位從業者表示：“如果真的想學，形式不是問題，就看你有沒有那個耐效能認真學下來了。” 在一些 AI 從業者眼裡，培訓班的速成效果雖然暫時有效，隨著時間的推移，一旦放鬆了嚴格的學習，很多速成者的問題就會暴露出來。
如果只是希望能夠通過速成來獲得那些超高額的薪資，那麼建議你還是不要選擇 AI 領域，沒有堅實的基礎，就算可以一時入門，卻無法保證永遠不被淘汰。
Part3：AI 到底能不能速成？
說了這麼多，也對比了不少學習方法，那麼問題來了：AI 技術到底能不能速成？
綜合以上我們所有采訪的專家、HR、程式設計師的回答，我們總結了以下幾點：
如果你沒有計算機相關的背景，培訓班或許是個入門的不錯選擇，但是別指望能結課就變技術專家，專案的實戰經驗和自身的努力很重要；
如果你本身就是計算機專業出身，或者在計算機領域工作了一些時間，有一定的基礎，在基礎牢固的前提下要提升自我，可以選擇線上網課這條路，但是同樣的，實戰的專案經驗很重要。
如果你是還沒畢業的學生，還在學校學習，想要進入 AI 領域，那麼建議你去讀研或者去獲得更高的學歷，可以結合我們上一篇有關 AI 薪資的專題：
《25 萬年薪的你與 25 萬月薪的他，獵頭來談你們之間的差別》
其中有一些較為中肯的意見送給在校生，希望能夠有所幫助，在此不再多做贅述。
一個計算機專業學生的大學生活，從入校開始就註定是充滿壓力的，來看一下一個普通計算機專業學生的專業課：
線性代數、資料結構 (C++)、離散數學、組合語言程式設計、計算機介面技術、資料庫系統原理、作業系統、物件導向程式設計、計算機網路、專業英語、軟體工程學、電腦保安技術、計算機影象處理、軟體開發環境與工具···
如果你選擇了人工智慧領域，首先你需要在以上課程裡打下堅實的基礎，強化自己的程式設計能力，之後你還需要從代數、微積分、概率論做入門，再到學習 Linear Regression、Classification、Tree-Based Methods，再到 SVM、Unsupervised Learning 及流行的各種神經網路；然後你需要掌握一樣或者幾樣主流的深度學習框架：TensorFlow、Caffe、MXNet 等等···
人工智慧技術是一門複雜且要求十分嚴格的學科，但說到底，哪一項專業技術不是如此呢？如今 AI 正當萬眾矚目之時，但就像一位受訪的技術專家所說：“AI 肯定是未來的一個方向，但是不是唯一的方向呢？是不是不學 AI 的人都沒有出路了呢？我持保留意見。我自己對枯燥的學術研究暫時還沒產生很大興趣，而且工作中也沒有接觸 AI 的機會（我指的是研發而不是使用），所以暫時不會報名這類入門培訓。還是那句話，找準自己的方向很重要。”
技術人的路是建立在不斷學習的基礎之上，或許你可以通過速成進入到想進的企業或機構，但是如果真的想要在一個領域取得成就，還是應該沉下心來認真系統的學習，就像那位受訪的 HR 所說：花時間去建一座堅固的房子，不要為了圖快而搭一個漏雨的棚子。 不管這條路是不是 AI，都應如此。
關注我們的微訊號"AI前線"，後臺回覆“AI”可獲得《AI前線》系列PDF電子書