现在参加人工智能培训班还来得及吗?

　　面对人工智能大火大热的今天，大批公司都在高薪招聘相关领域的人才，也导致有不少人都在咨询，现在转行做人工智能还来得及么?害怕自己在学习过后无法赶上人工智能的浪潮。

首先我们先来聊一下人工智能发展的轨迹，“三起两落”。

　　一、六十多年前的达特茅斯会议，提出了“Artifitial Intelligence”的课题，目的是让逐渐成熟的计算机能够代替人类解决一些感知、认知乃至决策的问题。这样一个课题是如此令人神往，也迅速吸引了大量学者的眼球，相关的研究也如火如荼地开展了起来。是为第一起。

　　二、初学者们解决人工智能问题的思路，通过专家编制规则的方法，教机器下棋、认字乃至语音识别。但是人工智能的美好憧憬中迎来了残酷的现实，学者们发现解决问题是如此艰难，人本身没有能力总结提炼其中的规律。围观群众也一度认为人工智能的学者都是骗子。是为第一落。

　　三、既然靠人指导不行，那就要祭出“实事求是”的法宝，从数据里统计规律。在这样数据+统计的方法论下，诸如人脸识别、手写识别等一些较为简单的问题取得了重大进展，是为第二起。

　　四、数据+统计模型的方法盛行以后，也很快遇到了瓶颈：数据量的提升并不总能带来识别率的提高。拿语音识别为例，在“基本可用”到“实用”之间的鸿沟，十几年都没有跨过去，于是大家又转向悲观，觉得人工智能还只是个梦。是为第二落。

　　五、第二落以来，继续坚持在“深度神经网络”这条战线上的一位老前辈Jeffrey Hinton，和他的学生Alex一起，发现用GPU算神经网络，能大幅提高速度，于是这种模型居然可能实用。一旦实用，深度模型可以疯狂吸收数据的优势就发挥出来了，于是在语音识别、图像识别等领域带来了飞跃式的进展。是为第三起。

　　目前人工智能的行业发展趋势，由于大规模数据+大规模算力的基本方法论已经成熟，今后的发展路径是十分清楚的：在那些数据储备充分、商业价值清晰的场景，人工智能会迅猛发展，投身于这样的行业中期发展会非常好;而医疗、教育这类领域，由于电子化数据的整理与积累尚需时日，可以需要一个较为漫长的发展过程。

　　由此可见，人工智能目前还需要大量时间去发展，现在加入人工智能的领域也是一个较好的时机，建议选择真术相成，不仅有着专业化的课程研发团队，还具有超算服务器和自主研发或与权威机构合作项目给大家用来实战。