兩個月入門深度學習，全靠動手實踐！一位前端小哥的經驗分享
在當前社會，技術日新月異，一個全棧工程師不及時學習新知識，掌握AI技能，再過兩年就算不上“全棧”了。
產品發燒友、前端小哥Shival Gupta在意識到這一點後，通過兩個多月的探索，掌握了基本的AI技能，並在Hackernoon上發文分享了自己的學習歷程。
量子位搬運過來，各位可以參考他的學習思路。
建立第一個神經網絡
大家給初學者的建議，通常是通過吳恩達的Coursera課程來入門。
這樣開始很好，但是我在聽課時很難保持專注。不是說這個課程不好或存在其他問題，而是我真的非常討厭專心聽課。我習慣於通過實踐來學習，所以爲什麼不這麼做呢？
讓我們開始動手實現神經網絡吧。
我沒有直接跳到神經網絡，因爲還需要熟悉一些基礎內容。我先嚐試熟悉這個領域的所有專有名詞，爲下一步的語言學習作鋪墊。
也就是說，第一項任務不是學習，而是熟悉這個領域。
我是個用JavaScript和Nodejs做開發的前端工程師，暫時也不想轉後端，於是就找到了一個叫做nn的簡單神經網絡模塊，並用它來實現一個帶有虛擬輸入的“與”門。
我選擇了這樣一個問題：對於任意三個輸入X、Y和Z，輸出爲X和Y的“與”運算結果。
以下是實現代碼：
var nn = require(‘nn’)
var opts = {
layers: [ 4 ],
iterations: 300000,
errorThresh: 0.0000005,
activation: ‘logistic’,
learningRate: 0.4,
momentum: 0.5,
log: 100
}
var net = nn(opts)
net.train([
{ input: [ 0,0,1 ], output: [ 0 ] },
{ input: [ 0,1,1 ], output: [ 0 ] },
{ input: [ 1,0,1 ], output: [ 0 ] },
{ input: [ 0,1,0 ], output: [ 0 ] },
{ input: [ 1,0,0 ], output: [ 0 ] },
{ input: [ 1,1,1 ], output: [ 1 ] },
{ input: [ 0,0,0 ], output: [ 0 ] }
])
// send it a new input to see its trained output
var output = net.send([ 1,1,0])
console.log(output); //0.9971279763719718
選擇這個問題，是受一份9行代碼構建神經網絡教程的啓發。地址：https://medium.com/technology-invention-and-more/how-to-build-a-simple-neural-network-in-9-lines-of-python-code-cc8f23647ca1
在我看來，上面的構建過程讓我對接下來的學習充滿了信心。當輸出值爲0.9971時，我意識到這個網絡學會了如何實現一個“與”運算，並忽略無關的額外輸入。
這正是機器學習的主旨。通過向計算機程序輸入一組數據，並調整程序的內部參數，使它能夠以從訓練集觀察到的誤差減小方式，來得到對新問題的答案。
後來我才知道，這種方法也被稱爲梯度下降（gradient descent）。
△ 梯度下降示意圖
開始AI之路
在我實現了我的第一個AI程序後，我充滿信心，想知道作爲一個開發人員，還可以用機器學習來做什麼。
-
我解決了若干個關於監督學習的問題，如迴歸和分類。
-
基於非常有限的數據集，我嘗試使用多變量線性迴歸來預測哪個團隊將贏得某場給定的IPL電子競技比賽，實際的預測效果很差，但是我覺得很酷。
-
我試用了Google機器學習雲的一些demo，瞭解當前AI可以做什麼。
地址：https://cloud.google.com/products/machine-learning/ -
我偶然發現了AI Playbook（文末鏈接5），這是一個由安德森-霍洛維茨風險基金整理的乾貨網站，確實是針對開發人員和創業者的最方便資源之一。
△ AI Playbook。地址：http://aiplaybook.a16z.com/
5. 我開始在Youtube上觀看Siraj Rawal的精彩視頻，這是一個以深度學習和機器學習爲核心的專欄。
視頻地址：
https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
- 我讀了HackerNoon上一篇講《硅谷》劇組怎樣用Tensorflow做劇中那個Not Hotdog應用的。這是深度學習中我們最容易上手的一個例子。
HBO真的做了這個App（限美國、加拿大）：
https://www.seefoodtechnologies.com/nothotdog/
文章地址：
https://medium.com/@timanglade/how-hbos-silicon-valley-built-not-hotdog-with-mobile-tensorflow-keras-react-native-ef03260747f3
-
我讀了Andrej Karpathy的博客（https://karpathy.github.io/），他是特斯拉的AI主管。雖然我無法理解裏面的一些內容，這讓我很頭疼，但是我發現，在多花一些時間以後，我對這些概念有了一定理解。
-
帶着信心，我開始通過複製和粘貼來逐行實現一些深度學習教程中的代碼，並在我自己的電腦上運行代碼，嘗試訓練相關模型。很卡……因爲大多數模型需要很長的訓練時間，我也沒有GPU。
漸漸地，我將編程語言從Javascript轉換到了Python，並在Windows機器上安裝了Tensorflow。
這整個過程集中在被動地接受知識和建立知識庫上，因此當我遇到一個實際的用戶問題時，可以利用已有知識來解決。
正如喬布斯說過，你只能通過回溯過去理解其中的關聯。
抓住chatbot的熱潮
作爲電影“Her”的狂熱粉絲，我想構建一個聊天機器人。我設法在兩個小時內學會了Tensorflow的使用，並將這個經歷和我對用戶需求的理解整理成了一篇文章。
在做這個聊天機器人之前，我對NLP的瞭解僅僅限於概念層面。
嘗試了市面上衆多聊天機器人之後，我發現，它們在本質上只是圖形用戶界面的替代品。如果在圖形用戶界面上操作超過兩步點擊，用聊天機器人的用戶體驗會比較好，反之，用聊天的形式就顯得多餘了。
開始構建聊天機器人的時候，我先給自己確定了兩條原則：
-
聊天機器人應該說人話，也就是說它得理解自然語言；
-
要用聊天機器人解決圖形UI中需要兩步以上操作的問題。
經過分析，我選擇構建一個通過自然語言命令找到正確日期的聊天機器人。比如說你可以問它“6天以後是幾號？”、“下個9月過完之後再過5周”之類的。
架構是這樣的：
然後，我跟着網上的一份教程，（地址：https://chatbotsmagazine.com/contextual-chat-bots-with-tensorflow-4391749d0077），用基礎的NLP技能和基於softmax的神經網絡，不到兩小時就構建了一個查詢意圖分類器。
在確定了用戶的意圖之後，系統會對字符串進行語法分析並輸入，然後返回我想要查詢的日期。
說真的，並不難。如果你用Facebook Messenger Platform、Telegram的Bot Platform，或者api.ai、wit.ai、recast.ai等等工具，可能比我還快。
更多關於構建聊天機器人的心得，見這個鏈接：：
https://hackernoon.com/i-built-a-chatbot-in-2-hours-and-this-is-what-i-learned-f5dbb4ba5fcc
在我的AI學習之旅中，這篇文章具有里程碑式的意義。
它讓我在Twitter和LinkedIn上交到了很多朋友，他們長期深入地和我討論AI技術的發展，甚至可以在我遇到困難時幫我一把。我收到了一些關於諮詢項目的Offer，更讓我開心是，開始有一些年輕的開發人員和AI初學者來問我是如何入門AI的。
這也促使了我寫下這篇文章，希望能幫助更多的人從我的經歷中得到線索，並開始他們的學習之路。
萬事開頭難。
一些理解
這絕不是一件簡單的事。
我最開始時用的是Javascript，後來突然換成Python，並學會如何用Python編程。
當我的模型在i7電腦無法訓練，或是經過數小時訓練，只返回一個無用結果時，我會感到煩躁。
學習AI的過程與學習一個Web框架不同。
這項技能要求你明白在微觀層面計算是如何進行的，並確定最爲影響輸出結果的內容是代碼還是數據。
AI也不只是一個學科。這是一個總括性術語，其適用範圍可從簡單的迴歸問題到未來的殺手機器人。與其他學科一樣，你可能要選擇AI中比較熱門的領域，如計算機視覺、自然語言處理，或者其他具有潛在發展空間的方向。
在和AI金融公司Atlantis Capital的Gaurav Sharma的交流中，他對我說：
在人工智能時代，“聰明”意味着某些完全不同的東西。我們要求人們去完成非常關鍵、具備創造性和有個人見解的任務，和那些需要高情感投入的工作。
對於計算機是如何突然學會自主決策的，你要爲之着迷。你應該堅持的兩個關鍵原則是耐心和求知慾。
這是一個非常漫長的旅程，很累也很刺激。
但最重要的是，所有旅程都是相同的，千里之行始於足下，想上手AI就開始動手吧。
編譯自 Hackernoon 量子位 出品 | 公衆號 QbitAI
原文地址：https://hackernoon.com/how-i-started-with-learning-ai-in-the-last-2-months-251d19b23597