AI技术讲座精选：数学不好，也可以学习人工智能
【AI100導讀】越來越多工程師想學習大熱的深度學習，但深度學習技術需要數學功底，數學不好怎么辦？這篇文章可以提供成為深度學習工程師的數學路徑。
?
如果你像我一樣，也著迷于人工智能。也許你想深入挖掘，并在 TensorFlow 或 Theano 運行一個圖像分類器。也許你是一個敢于嘗試新事物的開發人員或系統架構師，你知道計算機非常好，但只有一個小問題：
?
你的數學不好。
?
沒關系！這里，我向你分享一個小秘密，此外我這里向你推薦一些書籍和網站,它們將真正幫助你快速提高。
?
像許多人一樣，我對智能機器的愛不是來自微積分課程。 它源自于科幻小說。我記得自己在一個美麗的夏天的晚上，讀《I, Robot》，想象著如何找到 ?Asimov 的《Three Rules of Robotics》。
?
看完名作《2001: A SpaceOdyssey》和《Ghost in the Shell》，自己感覺似乎不知道哪一天，格式塔思想可能從閃爍的信息海洋中涌出，并宣布自己有感情。當我長大開始發表自己的科幻作品，我想象著人工智能作為一個普遍的力量，如同電力一樣無處不在，涉及生活的每一個方面。
?
我們需要弄清楚為什么人工智能現在能夠脫穎而出。大多數人工智能，在80年代和90年代早期做出的承諾都沒有實現，人工智能一直處在冰凍狀態。在過去的幾年里，隨著深度學習的突然成功，一切都改變了。
?
也許你在“紐約時報”上看到過這個故事，論述谷歌如何在一夜之間改變其翻譯服務（即提供與專業翻譯人員準確性相匹敵的服務）在僅僅九個月的時間里，他們超過了過去七年間翻譯平臺總的翻譯能力。
?
也許你讀過一個這樣的故事：孩子用開源工具，在自己神奇（freaking）車庫里開發了一輛無人駕駛汽車你可能也看過了下面這個驚人的幻燈片，顯示深度學習如何在短短幾年內橫掃整個圖像識別領域：相關模型的錯誤率開始時在25％左右，而在2017年，一些模型的表現已經超過人類。
?
?
無論你辦事多么有效率，人工智能比你更有效率，它已經解決了幾十年來困擾我們的棘手問題。我們知道如何駕駛汽車，但我們不能告訴機器怎么做。但是,我們可以讓機器為自己找出答案。現在從硅谷出來的技術不只是炒作的概念，而是真實的實體。人工智能受歡迎，是有原因的。
?
現在，頂級人工智能研究人員的年收入已經超過了國家橄欖球聯盟中首發的中衛。而你，想加入這場淘金熱中。另外，你可能看到了一個非常可怕的未來：人工智能勝任所有的工作。作為一個傳統的軟件工程師或系統管理員，你需要確保自己有在一個以人工智能為中心的世界中競爭的技能。沒問題。已經有很多的教程。你只需要開始學習。
?
然后你會看到像下面這一段，這段文字節選自 Ian Goodfellow 的一本具有開創性的書——《Deep Learning》。你會發現自己完全不知道他在說什么。
?
協方差給出了兩個值彼此線性相關的程度大小，以及這些變量的規模：
?
?
問題就在于，你必須理解一個系統嵌套的邏輯，術語，符號和思想，這些都是相互關聯的，但你卻沒有任何基礎。所以這些東西對你來說，基本上相當于天書。你可能會理解相關文本的字面意思，但其余的都是廢話。這很快就會讓人變的非常沮喪。
?
但是不要害怕！你還沒有失去一切。
?
我在這里用一些書幫助你解決重重困難,會讓你像一個學者一樣處理數據。也許你不會是Daniel Tammet，但是你可以拋開那些關于背誦乘法表的痛苦回憶，并得到啟迪。你可以像一個成年人一樣學習數學。
?
我試著閱讀一些人工智能的文本和教程。我直觀地理解了這些概念。他們對我來說是完美的感覺。只是，當我看到一串符號時我的大腦呆滯，我不知道我在讀什么。作為系統架構師，我的生活的大部分時間里不需要太多的數學。有IP子網的備忘清單，只要我知道電力通常可以沿著電纜移動多遠，我就可以切割它們并適當地卷曲它們。在我生活的大部分時間里，我只需要了解系統如何設置，它們如何協同工作以及如何保持運行。系統管理可以視為布爾函數。它要么工作，要么不工作。但是人工智能和數學卻受大腦的其他地方影響。
?
我需要的是一些為像你不懂數學一樣的成年人寫的通俗讀物。我也需要那些可以告訴我為什么數學可以發揮作用的書。在學校里，你學習的原因可能是“閉嘴，去做，否則就懲罰你”。但是作為一個成年人你需要更多理由來說服自己學習。你也想知道某件事成功的原理。
?
?
你需要的第一本書是《Mathematics: A Very Short Introduction》（已有中文版出版——《牛津通識讀本：數學》，https://book.douban.com/subject/25829287/），來自Timothy Gowers。
?
這本書精妙地分解了數學的“為什么”。它將主體與現實世界聯系起來，進入背后隱藏的哲學理念,然后快速地離開。因為你不需要理解分數是否在自然界或柏拉圖層面。相反， Timothy 幫助我明白，數學是一個抽象的概念。它將問題分解為更簡單，更清晰的步驟。制定一個精確模擬盒子中粒子相互作用的模型，需要考慮現實世界的物理屬性，如磁干擾，重力，碰撞力，粒子初始方向和速度以及很多很多方面。
?
我們可以證明，現實生活是一系列復雜的算法。但這里是有竅門的。在實踐中，你不需要一個完美的模型。相反，數學似乎把這個問題分解成了它的基本組成部分。什么是關鍵因素？數學給你這個問題的抽象答案，使你可以把這個問題與其他問題放在一起，綜合考慮。本質上，數字本身并不重要。它們只是變量。數學可以歸納為變量和規則。你可以學習這些變量和規則！
?
?
當你閱讀這本書時，你會想要這個網站中的主要數學符號便攜指南。如果你能像我一樣，你就必須在堅持不下去之前成百上千次的記憶這些符號。你可能會發現，剛翻過去幾秒鐘，自己就忘記了剛才的各種符號！但不用擔心，這個備忘單是完美的。接著深吸一口氣，繼續慢慢地瀏覽一個接一個的符號，直到你開始理解這一連串瘋狂的符號。即使你要查閱每個符號一千次，你也必須去做！生活中沒有學習的捷徑。你只需要去做這項工作。
?
現在有兩個強大的競爭者，來幫助你建立自己的數學基礎。第一個是 Morris Kline 寫的：《Mathematicsfor the Nonmathemetician》。第二個是 Ivan Savov 寫的《No Bullshit Guide to Math and Physics》。這兩本書各有自己的思想。我比較喜歡后者,因為它會直接切入，討論實質問題,并仍然設法與數學保持非常密切的關聯。“前面那本書的篇幅更長，更詳細地介紹了數學史以及它在世界上的作用。有些人會很喜歡這種方法。《No Bullshit Guide to Math and Physics》那本書，正如任何工作本身的工作方式那樣，是直截了當的，沒有答案，快速切入公式。這基本上是一個規則的引子。這將吸引那些缺乏深度思考能力的人。
?
?
下一本你想要的是 Jim Loats 和 Kenn Amdahl 的《Algebra Unplugged》。現在書中有一些拼寫錯誤，但我發現這些東西無傷大雅。我欣賞這本書的風格，慢慢入門，接著節奏快速加快。有些人僅僅遇到一些拼寫錯誤時，就覺得這樣的學習毫無意義，但要記著，你還有更大的麻煩呢！當你想學習數學時，你的大腦不像你年輕時那樣可塑！因此忽視這里的拼寫錯誤，要去把握全局。這本書將真正幫助你朝正確的方向前進。
?
?
在你完成上面的數學學習之后，你需要深入學習 Tariq Rashid 所寫的《Make Your Own Neural Network》。它其實也有一些拼寫錯誤。但幸運的是，有一個偉大的Github庫在持續更新,修復了他們中的大多數錯誤。這本書是非常溫和和直觀的。它似乎在你剛剛看到這本書時，就預料到你的抵觸和擔憂。作者的不可思議在于當你產生抵觸情緒時，他發現了這一點。這本書只專注于你需要的神經網絡的數學。然后它通過Python代碼工作，并假設你對編程一無所知。最后，它讓你從頭編碼自己的神經網絡程序。現在,當然有一些工具,可以更好的為專業項目服務。但這本書有助于你親自嘗試構建自己的第一個神經網絡模型,所以它將是你理解相關成熟模型的基礎。
?
在看完那本書之后，您將需要開始瀏覽網絡。每天都有新的精彩教程。也許可以看看《Tensorflow for Poets》，《RecurrentNeural Networks for Artists》。
?
用媒體學習人工智能是很好的一種途徑的。例如，查看這篇討論各種數據挖掘編程語言的綜合文章，跟自己摸索相比，你可以獲得更深的理解。話又說回來，也許你不是上課學習的類型，更喜歡自己探索？沒有問題。請看看這個來自人工智能研究員 ArthurJuliani 的八篇系列文章。還有《Machine Learning is Fun》,這是一個網上很棒的系列教程。
?
最后，你可能會想讀一本更高級的書，鍛煉自己理解更具挑戰性的概念。我推薦前面提到的?Ian Goodfellow 的《Deep Learning》,你可以在線閱讀或在亞馬遜上獲取一份副本。
?
本文作者?Daniel Jeffries?是一位作家、工程師和企業家，研究領域涵蓋了從Linux 到虛擬化和容器的各種技術。
?
?
?
編譯： AI100
原文地址：https://hackernoon.com/learning-ai-if-you-suck-at-math-8bdfb4b79037#.gb6vrdxm1
轉載于:https://my.oschina.net/ZZKAJ23/blog/885337
總結
以上是生活随笔為你收集整理的AI技术讲座精选：数学不好，也可以学习人工智能的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： linux的内核设计,Linux内核设计
- 下一篇： AI 趋势