Google TensorFlow中国团队技术负责人李双峰：人工智能学习系统 | 北大AI公开课实录

通过机器学习的方式，带来了很大很神奇的突破，强烈地影响了各种不同的产品，Ranking，机器学习也提供了不同的方式，推动教育、产品等发展，有时候也存在问题，数据不够多，不知道如何组织、思考深度学习的模型。AI就像Magic一样，对于原本的问题也会有很大程度的改变，对于数据小等情况，会比较难得到规律，但如果数据很大的话，能取得非常好的结果。Q:从技术到应用，未来几年会有哪些方面有所突破？A:无人驾驶是一个会让人激动人心的领域，目前有挑战，但医疗也会是未来看好的例子，例如诊断的工作，X光等。以后更加多远的领域，例如：个性化的教育、金融领域、制造等传统领域，虽然难度更难，目前很多IT公司都在用，而传统产业未来会如何利用，这会是一个值得期待的东西。研究应该基于真实的问题，有怎样的数据，怎样的问题，怎样产品化。工程师需要研究一些问题，同时也需要做一些产品的设计。不要关起门来做科研，要更结合与企业的紧密联系。现在看来，人工智能看来，基于实战目的的推动研究的进步很大，企业公司发布的内容已经比学校里的更多了。公司企业有更多的数据、资源等，能够对科研起到促进的作用，这也是现在的一个趋势。Q:作为官方有什么好的新手入门的学习方法，成为一个高手？A:基本建议去官网尝试一下新手教程，同时也可以尝试很多不同的课程，更希望大家在社区中多进行交流，基于自己的案例进行教程的撰写。万事没有捷径，还是要先从基础开始，或者做一个实际的小项目，用和学进行结合，通过公开的数据和论文进行研究、复制，要有阶段性的。动手去编点东西很重要，去国内社区、国际社区进行交流也是一种对自己的认可。Q:更多地在学校学习，还是去校外进行实习？A:首先还是建议在学校里把基础打牢，同时对企业的关注也很重要，公司里会看中综合能力、解决问题的能力，基础打捞之后，可以进行一些项目。实习也是一个很好的机会，了解具体的实践、工作方式等，但更重要的还是要锻炼自己的能力，综合地提高自己的基础，并且做一些实践,基础能够决定你能够想多深，做一些实践也挺好，比如：实习、比赛、对公开数据的重复。