转载

吴恩达在Quora上获得13.4 万赞同的最高票回答，却和人工智能无关

雷锋网按：百度人工智能实验室首席科学家吴恩达近年来一直活跃于产业界与学界，并在人工智能研究领域做出了巨大贡献。虽然日理万机工作繁忙，但吴恩达也会在 Quora 上为网友们答疑解惑。雷锋网小编特地找到吴恩达的主页，一起来一睹他是如何回答问题的吧。

吴恩达在 Quora 上只回答过 9 个问题，话题主要与人工智能相关。比如：

Q：如果要开启机器学习的事业，你应该怎么做？

吴恩达的回答全文如下：

对于大部分受众而言，Coursera 的斯坦福机器学习课程能够帮助大家入门这一领域。（大概很多人有所不知，吴恩达也是 Coursera 的联合创始人兼董事哦，这里顺便给 Coursera 做了个广告。）如果你已经基本掌握了某门编程语言，那么我推荐可以从这里开始学习。

许多人只需要完成 MOOC 上的课程，他们就能得到一份与机器学习相关的工作。在这里，我也可以推荐一些类似的在线课程，比如 John Hopkin 的数据科学。加入 Kaggle 或是其它在线机器学习的比赛也同样能让大家积累经验。Kaggle 是一个能够学习到实战内容的在线讨论社区。参加当地的一些聚会或是学术会议（如果能承担这笔花销的话），与更多拥有更多经验的人交流，能让你成长得更快。

但最重要的一点在于，持之以恒，不断学习。不是一个月两个月，而是年复一年地学习。

吴恩达在Quora上获得13.4 万赞同的最高票回答，却和人工智能无关

每个周六，你都要在研究论文/推导算法或看电视间做出抉择。如果你周六一整天都在学习，可能短期内看不到什么回馈，而你现在的上司甚至也不会知晓，或对你的努力做出肯定。

而努力学习的一整天过去了，你甚至也不会觉得自己在机器学习上有什么大的精进。但这就是秘密所在：如果你不是三天打鱼两天晒网地学习，而是坚持一年下来，那么你真的会变得更好。

对于机器学习的相关从业者，这个时代所提出的要求更多了。如果你从事相关的工作，你的学习速度需要变得更快。

世界需要更多的机器学习从业者解决各种各样的问题，而我们的社会也已经为机器学习提供了如此多的数据与计算资源，你可以利用强大的机器学习创造更多的精彩。但我们所做的还太少。我也希望有更多的读者能够继续努力，并在机器学习领域取得更好的成就。

此外，还有一些讨论吴恩达本人的问题，也成功引起了他的注意。

吴恩达在Quora上获得13.4 万赞同的最高票回答，却和人工智能无关

比如：

Q：吴恩达自己是怎么看待深度学习的呢？

然后大神就自己来回答这个问题了……

吴恩达：

深度学习是一个很棒的工具，它能够帮助无数的人们创造令人振奋不已的人工智能应用。它能够实现自动驾驶、准确的语音识别、让计算机能够识别图像，等等。

虽然目前我们已经拥有了如此多的进展，但我依然看见了巨大的潜力。预测农业、消费者金融、药物学……这些领域倘若应用了深度学习，将会产生深远的影响，但目前我们没有人能够面面俱到。我深信，深度学习不会步入瓶颈，而是会继续保持快速发展。

深度学习已经被重写了。神经网络涉及非常多的技术性知识，也很难解释，因此有不少人会将神经网络与人工神经网络做类比。但我们并不知道生物大脑实际上是怎么运作的，UC 伯克利大学的 Michael Jordan 将深度学习称为大脑的一个「动画」——它过度简化了我们所不理解的部分，我也表示赞同。虽然媒体经常渲染人工智能，但我认为离真实的人工智能还差得很远。毕竟，我们对大脑的运作原理一无所知，而盲目地让计算机复制大脑的工作状态并不能为人们带来好用的 AI 系统。而相反，目前最有效的深度学习研究是从 CS 和工程原理的角度接受生物学的启迪，而不是简单粗暴地复制生物状态。

当然，如果你听到有人说要制造一个人工大脑的话，我的建议是赶紧躲远点。

在补充回答中，吴恩达提及了两大深度学习的驱动力：硬件进步及数据量的增加，这两点在公开场合已经被讨论过多次，雷锋网在此不做详细阐述。