昨天做了一次团队分享，我把它当作去GDG作演讲的一次演练，看看自己准备的有哪些缺陷，以及应该怎样优化已经准备好的PPT。
这次分享我自己的目的是说清楚什么是机器学习，所以只是准备了无人驾驶这个例子，但事实没有我想的那么简单。
有同事让解释一下机器学习和人工智能的关系，我知道机器学习是人工智能的一种实现方式，但具体还有什么关系我说不清，所以我直接回答说没思考过这个问题。
看过我做的Demo，同事说这其实智能体不智能，因为它无法做一些有创造性的事。我说机器学习就是将人从这种需要繁琐计算能力但不需要创造性的事物中解放出来，使人可以从事更高级更有创造性的事物。
之后我想到一个例子解释了人工智能的“智能”体现在什么地方，比如一种疾病，医生通过肉眼怎么都看不出发病原因。但通过人工智能，发现人眼无法识别的地方，从而找到发病的根本原因。
还有同事问了机器学习要有哪些基础，我说基础的统计学和线性代数是必须，此外语言是python。数据分为训练集和测试集，训练之后有判定准确率的公式比如R的二次方，以及寻求最佳参数。
最有意思的一个问题是，机器学习的这些公式从哪里来。我的答复是人工智能专家作训练达到程度后准确率就不再提高了，这时候就会问数学家，有没有一个公式可以用来解决某个场景。如果碰巧真的有，那机器学习领域就又多了和新的公式。
这次分享，我清楚地看清了自己准备的缺失。第一，他们好奇的是概念性的问题，而我只是举了个例子。这个例子原理是如此简单，二十分钟就解释通了，大量时间被用来讨论。而概念的准备又不充分，比如机器学习和人工智能的关系，“智能”提现在哪里，学习这个要有哪方面的准备，训练出满意的正确率需要多久。这些是我接下来一周需要继续下功夫的地方。
第二，真如分享前自己预料的那样，某些概念解释不通，比如贪婪性策略。说了半天，发现同事都愣在哪里，很明显没听懂我在说什么。没办法，只能又举例子。真的是，例子是万能的。
最后我分享了下我自己学习过程中的感受。我说，其实这套课的单元小项目总是给人一个个小挑战，让写的代码通常不能直观写出，往往得查资料真正搞懂了才能继续做下去。我觉得这是好事，培养了一种超高的自学能力。虽然他们真正期待的是机器学习应用相关的感受，但我觉得这种能力比所谓的应用重要多了，不出意外我应该会终生受益。
就这样，小总结了下。下周继续修正已经“准备好”的PPT。
网友评论