2024-04-14 - AI for everyone - 第一周 - 吴恩达

摘要

2024-04-14 周日 杭州 阴

小记: 今早本来要去学校的，早起下雨，我的鞋子全部刷了并且伞也丢了(我要买一把顶贵的)，搞的好忧桑，在家看下学习视频吧。

os: 半个月左右的旅行回来上班后，自己的代码能力就好似发生了质的飞跃，可能之前身边蠢货太多就不想写代码，现在跟着大佬就变强了。

2024-04-20 周日 杭州 🌤

小记: 天气挺舒服的，起来的也挺早，打扫房间，做1个半小时的车去学校图书馆，大学同学博士都快读完了，我还在硕士论文的事情上挣扎，不过还是要积极向上的，天总归是晴朗的。

课程内容

课程简介

小结:
a. AI 的迅速发展，将会带给社会带来大量的经济价值，因为最近在看近代金融变革，所以我在思考13万亿的经济价值是不是资本家的一次狂欢的收割，老百姓能分到多少呢？能参与 AI 红利分配的又有多少人呢？能够真正将 AI 应用产业创造的人才又有多少呢？因为 AI 对生产力的解放是空前的，所以裁员是最近三年的常态, 什么 35 危机，不过是你没价值了，或者没有性价比了而已，为什么还有这么多人对资本家抱有不切实际的幻想，如果你不是人家中意的漂亮女人，你连上床的资格都没有。
b. 我们现在生活里的智能音箱，语音助手，人妖照相机（类似产品）等技术真正在日常工作应用的几乎都是弱人工智能，真正的 AGI 时代还有很长的路要走，近些年我们的确在人工智能的发展中取得了很大的进步，但是并不能让我们冲昏头脑，因为绝大多数人还是及其愚昧的, 很多人连人工智能用户都算不上。

机器学习

• 监督学习

• 关系曲线

小结:
a. 大多数的科学问题实际上就是一个 A 推到 B 的过程，无论社文还是理工，因此机器学习同样如此，通过特征信息输入，有效的进行目标判断。这本就是一个科学求解过程，大多数弱人工智能都是通过机器学习完成的，因此这种技术早已经渗入到我们日常的很多应用产品中了；
b. 算力，算法和数据是强人工智能无法回避的三个问题，算力成就了英伟达；数据则是各大互联网公司竞相获取的信息资源；算法只有通过少数天才才能推动创新变革；这三个方向一般人都很难获取，唯一靠天赋的算法研究实际也是中产以上的家庭用钱和机遇堆积出来的能力，另外两项其他人（一般人）想都不用想。

什么是数据

小结: 数据就是一种量化指标，AI 说白了就是数学统计的一种延伸，我们通过单一的或者多种量化数据从而推到出一种结果的过程就是 AI 应用的过程，比如语音，图片等等诸多信息都可以采取类似的方式实现。

• 数据获取

小结: 我们可以通过如下方式获取数据，手动标记，行为观察，从网站下载数据集；

• AI & 数据

小结:
a. 不要等到数据齐全以后才开始使用 AI 进行训练；
b. 即便数据很少的时候，也可以通过 AI 进行数据清洗与训练，并且 AI 的反馈会让我们更加深入的正视数据的采集模式；
c. 不要假设自己拥有的数据一定会有价值，因为努力和回报不一定是正比的，人生也是如此；

• 脏数据

小结: 往往我们获取到的数据都存在脏数据，在进行 AI 训练前我们需要进行数据清洗从而使得 AI 训练的数据至少是纯粹的，不然训练的 AI 可能也是智障，或者间歇性抽风。

人工智能术语

• 机器学习: 机器具备学习模仿能力
• 数据科学: 杂乱的数据中寻找隐含关系
• 深度学习: 机器学习子集种的一个好听的别名，依据人工神经网络技术实现

• AI 工具集关系
  

人工智能企业具备的能力

• 互联网与AI企业的区别
  

• AI 团队转型流程
  

AI 能和不能

• 智能 AI 客服系统

小结: 目前电商平台还是需要大量的人工介入进行客服服务，但是这种工作繁杂无意义，并且客服多少会有主观意识，结论和客户争执总是少不了的，虽然目前有些固定格式的自动回复，但是那总是固定场景下才会有效，因此 AI 作为智能客服将会是一个重要的应用领域。

• 智能邮件答复系统

• AI 智能问答系统

小结: AI 是一种通用的电力资源，AI 的能力将会融合到各个行业中，新一轮的产业赋能将会出现，但是 AI 不是万能的，接下来的几年各行各业将会利用 AI 重构应用产品和赋能产业结构。新的风暴已经出现，哈哈哈!!!

• 自动驾驶

小结: AI 能做什么不能做什么在一定发展阶段都是相对的概念，22年以前，自动驾驶通过机器学习和深度学习的技术，自动驾驶凭借物体识别，运动测速，可以基本实现弱人工智能的实现，当时 AI 无法做到人物动作意图的识别和判断，因此在路况复杂的场景下，自动驾驶相对危险，可是今天 2024 年，人工智能的多模态技术已经可以使得图像识别达到类人水平。因此此前定义的所谓不可能，今天也因为天才们的推动变成了可能的现实。带着发展的眼光去看一个行业的发展吧。

• 医学影像检验

小结: 我一直很奇怪，为什么医学影像检验会成为一门专业，或许是因为仪器足够贵，但是真的浪费人生，AI 危机来临的时候，身处一线的研发工程师首先感到了危险和被针对，其他行业的人们呀，不要高兴太早 ,因为 AI 是为了一切而不是仅针对互联网。

心得: 基础学科取得突破的时候，所有行业都会被影响，或许少许人没有被影响到，因为这些行业没有价值。

人工智能的优势与局限

深度学习非技术解释

小结: 大学的时候也看了些深度学习的视频资料，当时觉得人工智能不可解释，晦涩难懂也就弃了，安安心心搞云原生，谁能想到 OpenAI 大力出奇迹，现在只能乖乖的学习，简单函数的拼接就可以完成复杂的世界，神经网络和人脑神经节的处理内在机制现在没人说的清楚，这就是宇宙无法探究完全的一环吧，人类一直在探索，那天真的晓得宇宙所有的秘密了，活着还有意义吗?

• 人脸识别

小结: 凡是可以被量化的东西都是可以进行识别和判断的，只要可以区别特征信息，人脸即使特征较一般的物体比较多，但是通过矩阵数组就可以存放下所有的特征编码，前后对比，特征符合越多二者也就越相似。所以说人脸识别是因为有特征因子的存在，不然两个同一品牌的马桶比较下，会有结果吗?

总结

吐槽:
我是每周都有写读书笔记的，但是我超级不喜欢看国内的技术视频，TMD 又长又臭，总结就是三种核心思想，这事很难，团队牛逼，我们不怕。我靠，我都快吐血了。

国内特别喜欢封装和翻译国外的技术视频，然后质量不咋地，还 TMD 各种夹带私货，学好英语看国外的技术视频会舒服很多。

心得:
a. 我不喜欢看别人推荐的书或者资料，我有自己的判断，但是一般这个行业的大佬，他们的观点是不错的；
b. 不要浪费时间去读那些没有营养的书籍，除非无聊想要意淫阳春白雪似共赴巫山的云雨情的情节；
c. 想要嗨皮就去嗨皮，想要蹦迪就去蹦迪，不要总是在梦里规划未来，梦里总是什么都有，就是没有用。