最近一年多來開始轉行做人工智能，從剛開始一點都不懂的小白到現(xiàn)在對人工智能有了初步的認識；中間過程可以說是相當不容易。

因此，經過這段時間的應用和學習，也慢慢有了一點心得體會，因此在此記錄一下。

人工智能心得體會

關于什么是人工智能，什么是機器學習，什么是神經網絡，什么是大模型，以及各種模型架構在這里就不說了；在前面的文章中已經不止一次的講述過以上內容。

談到人工智能技術，作者剛開始可能和大部分人的想法一樣，那就是高大上；而這種高大上的技術不是我們這些普通人能夠輕易接觸的，因此在這第一步很多人打起了退堂鼓。

圖片

但是，作者在這里要說的還是那句老話，技術的本質只是一個工具，再高大上的技術只是用來方便人們的工作與生活；因此，我們不需要給技術蒙上一層神秘的面紗；如果一項技術做得高高在上，讓絕大部分人都接觸不到，那么這就不是我們個人的問題，而是這項技術的問題。

技術發(fā)展的最終目的就是為了讓更多的人的能夠體驗到技術帶來的進步和好處。

所以，我們首先要擺正心態(tài)，人工智能雖然看起來高大上，但也是我們普通人觸手可及的東西。

其次，我們學習新東西要講究方式方法，遵循循序漸進的原則，而不是像無頭蒼蠅一樣，還想一口吃成一個胖子。

先說方式方法，學習人工智能或者說學習新技術，最好的方式是先從應用開始學起，也就是解決問題；因為技術就是為了解決某個問題才出現(xiàn)的，而應用場景就是技術解決問題的場景。因此，從應用場景出發(fā)你就能知道問題是怎么產生的，以及技術是怎么解決問題的。

圖片

但很多人學習技術的時候，卻是從技術的基本理論開始的，比如說什么是人工智能，人工智能有哪些基本理論；神經網絡是什么，原理什么，什么又是機器學習；然后鉆進理論中出不來，最后越走越累，越走越偏，最終放棄。

而如果我們從應用或者說從使用的角度出發(fā)呢？ 把人工智能技術當作一種工具。比如說當年的chatGPT，它就是一個聊天機器人；但是不是很多人還不知道chatGPT能干啥的情況下，就想去研究它的底層理論和實現(xiàn)；比如說自然語言處理，神經網絡，Transformer架構等等。

然后發(fā)現(xiàn)看不懂就去查找大量的基礎知識，甚至去學起了高等數(shù)學；最后越看越暈，越看越復雜。

捫心自問一下，以你自己的水平，學習人工智能真的需要去學高等數(shù)學嗎？ 

當然，并不是說研究它背后的技術是錯的，而是你的方法不對，不應該一上來就去研究它的底層原理。

這種由于方法論的錯誤，直接就導致了你偏離了本來目標，把大量的時間浪費在和你沒有關系的東西上。

圖片

而說到循序漸進，很多人學習人工智能時，又要學習文字處理，又要學圖片處理和視頻處理；反正各種亂七八糟的新技術，出什么技術學什么技術；最后感覺啥玩意都會又啥玩意都不會。

而比較好的學習方式應該是，先去學習其中的一種技術，比如說文字處理模型；等你把文字處理模型都理解透徹之后，那么你就真正明白神經網絡到底是干什么的了，以及怎么干的。

這時，你再去學習圖片或視頻處理就成了水到渠成的事情；畢竟萬變不離其宗，一法通萬法通。

其次，學習新技術最好從老技術開始學起；比如說現(xiàn)在大模型更新迭代速度很快；去年出個GPT，今年出個DeepSeek，明年又不知道出個什么新模型；對比DeepSeek和GPT來說，DeepSeek應用了一些GPT沒有的新技術，而這些新技術架構更復雜，技術難度也更大；因此學習成本和難度也更大。

記得之前在網上看到一個博主說自己學習JQuery技術，他在學習JQuery技術用的并不是最新版本的JQuery，而是老版本的JQuery；原因在于老版本的JQuery更簡單，封裝的也不怎么好；因此更容易看得懂。而其又具有JQuery的核心思想，畢竟新版本的JQuery只是比老版本的JQuery封裝的更好，更快，但其核心思想并沒有變。

這些當學好老版本的JQuery之后，再學習新版本的JQuery就更加得心應手，并且更加了解當前新版本的JQuery有哪些優(yōu)勢和劣勢。

關于人工智能的應用問題

上面講了怎么學習人工智能技術的問題，現(xiàn)在講一下人工智能應用的問題；技術的目的是為了應用，因此應用才是重頭戲，也是我們普通人能夠接觸的東西。

關于應用有兩個方面，一個是不懂技術，把人工智能技術當成一個工具來使用；比如使用chatGPT來寫文案，提建議等；第二種是懂技術，利用人工智能去開發(fā)一些新的工具去解決某個領域的問題。

圖片

對于前者，你只需要多動手多摸索即可，就像拿到了一個新手機一樣，不管什么按鈕都自己點點；而對于后者，你需要做的并不是去研究各種模型是怎么實現(xiàn)的，你需要做的是把人工智能應用到具體的業(yè)務場景中，這時你就會發(fā)現(xiàn)很多問題，然后再根據這些問題去優(yōu)化你的技術和模型。

而且，以作者的個人經驗來看，很多你當時認為正確的理論或想法，可能后面你會發(fā)現(xiàn)是錯誤的；舉例來說，剛開始作者認為，人工智能的發(fā)展以后會形成專門做模型的服務公司和專門做業(yè)務的應用公司。

但隨著技術的發(fā)展，大模型的功能變得越來越強大，社區(qū)也變得越來越活躍，再加上訓練成本的降低；越來越多的企業(yè)選擇自己訓練模型，而不是使用別人已經訓練好的模型。

而且由于缺少行業(yè)數(shù)據，哪些模型服務公司也很難訓練好一個功能強大的垂直領域的模型。

因此，人工智能與具體行業(yè)的結合，最大的問題并不是技術問題，而是數(shù)據問題；人工智能技術可以應用于各行各業(yè)，但沒有具體行業(yè)的數(shù)據做支撐，那么也只能是空中樓閣。