想系统的学习一下AI

题图：cheva用AI生成

我觉得还是要学点什么。现在最火的技术，应当是人工智能。加上前段时间，深入接触了一下刚刚兴起的人工智能绘画，对这项技术非常的着迷，于是想系统的学习一下。而且在玩Stable Diffusion的时候，发现其实想学习人工智能入门门槛一点都不高，虽然人工智能算法对计算量的要求非常大，普通的电脑难以承受，但是像百度、谷歌都提供免费的GPU供学习者使用，可以说这些互联网大厂也是非常希望普及人工智能的人才基础，这样他们自己也会有更好的发展。再一个优势就是相关的视频教程比较多，这就是互联网时代的优势，使得教育资源不再被个别的机构和学校所垄断。只要你想学，就能找到学习的材料。我找到一个时长达25个小时的pyTorch和深度学习入门的教程，决定以它为线索，来系统的学习一下和人工智能机器学习有关的知识。
首先第一个就是为什么要学习人工智能，它和普通的计算机编程有什么不同，又有哪些优缺点？首先传统的编程如果是做烤鸡，这是视频教程中举的例子，我更喜欢以做蛋糕为例。做蛋糕需要很多原料，比如鸡蛋,面粉,牛奶,黄油。然后经过许多道工序，比如分蛋打发，混入低筋面粉，搅拌做成蛋糕糊,然后再上烤箱烤。传统的编程就是将原料，也就是数据告诉电脑，然后把处理数据的规则，用程序的语言也告诉电脑，让电脑自动执行,节省人力。这相当于是把做蛋糕需要的原料，和做蛋糕的方法告诉机器，让机器人跟我们做蛋糕一样。人工智能算法的工作模式，却是与之相反的，首先我们把原料，比如鸡蛋,牛奶,面粉,牛奶,黄油，都交给机器，然后把一个做好的蛋糕也交给它，接着告诉机器，那些原料可以做成这样一个蛋糕。你的任务是给我们找出来做蛋糕需要经过哪些步骤，要遵循哪些规则，找到规则之后，就用这个规则给我们做蛋糕吧。换成更贴近计算机的语言，就是把以前的历史数据交给人工智能，让人工智能去发现其中的规律，然后利用这些规律，来预测未来或者处理新取得的数据。
从中可以发现人工智能虽然有趣，但也并不是适用于所有的场合，像那些流程比较清楚，和人类已经掌握的知识和技能，想要迁移到机器上面，则完全没有必要使用人工智能算法。人工智能算法适用的领域主要是规则过于复杂，人类无法理解。同时，这也给人工智能带来一个缺陷，就是人类实际上是把大量的实际问题转化成数字，交给人工智能处理，但这些数字经过了非常复杂的运算过程，这个过程不是人类能够理解的，所以人工智能对人类来说就是一个黑箱。当你把新的数据放进去之后，它会做出怎样的反应是无法预测的，正因为如此，人工智能和人类智能一样，是会犯错的。所以在对精确度要求非常高的领域，是不适合使用人工智能的。比如交通运输，因为在现代交通，人员大量流动的情况下，一个差错可能就会造成大量的人员伤亡。说到这里我们就想到，马斯克的星舰飞船，它的自动返回实验，虽然只成功了一次，但那次也足够让人印象深刻。但是据说在星舰飞船的返回控制程序中，就使用了强化学习的人工智能算法，而马斯克的设想是要把新舰，不仅打造成载人航天的工具，还要把它客运化，搭载普通乘客作亚轨道飞行，让人们可以在一个小时内去到全球的任何地方，但是真的如果要进行如此大规模的商业运输，其对飞船安全性的要求将是非常严苛的，而把这么重大的责任交给人工智能来控制，是否真的安全呢?毕竟人类并不知道算法的具体经过，并不了解人工智能算法的每个细节，也无法判断人工智能在一些极端情况下，会采取怎样的措施，也许这些领域并不适合使用人工智。