学习这些课程的目的不是简单的死记硬背,学生必须学会如何将数据转化为知识。这包括基本统计,如何收集和分析数据,注意到可能的偏见,并对通过偏见数据操作来防止自欺的技巧保持警惕。 你可以在学校请教一位教授来帮助你将想法具体化,如果他们时间有限,你也可以寻找高年级的博士生或博士后合作。 申请博士课程吧。现在请忘记学校「排名」,找到一位研究你感兴趣的课题的受尊重的教授,或选择一个你认为写论文质量很高的人。去申请这些教授所在的学校的博士课程,并记得在信中提到你想与该教授合作,同时也可与他人合作。 投入你感兴趣的人工智能有关问题并开始阅读有关文献,尝试用不同的方式思考。在毕业之前,尝试写一篇关于你的研究的文章或者发布一个开源代码。 申请有关行业的实习,从实践中亲身获取人工智能工作原理方面的经验。 如果你已经有了工作但想要转行: 通过在线提供的教程,你可以了解深度学习的概念。网上有很多的在线材料,atv,教程和机器学习课程,包括 Udacity 和 Coursera 讲座。包括发表在 Nature 上的综述,作者是我、Yoshua Bengio 和 Geoff Hinton,还有很多指向这篇综述的文章 :https://www.facebook.com/l.php?u=https://scholar.google.com/citations?view_op=view_citation&hl=en&user=WLN3QrAAAAAJ&citation_for_view=WLN3QrAAAAAJ%3Alo0OIn9KAZgC&h=KAQF3RZIy&s=1,Goodfellow,Bengio 和 Courville 的深度学习教材,以及我最近在巴黎的法兰西学院开展的关于深度学习的 8 个讲座(法语教授,后来已有英译版本)也很有用。 如果你想返校深造,请参考上文。 关于未来 越来越多的人类脑力活动将与智能机器关联起来。人之为人,便是因为拥有智慧;而人工智能便是智慧的延伸。 在建设真正智能机器的征途中,我们正在发现可应用并将改善我们今天、明天、明年日常生活的新理论,原则,方法与算法。这些技术中,有许多已经很快找到了应用到 Facebook 的产品和服务中的途径,如图像理解,自然语言理解等。 谈到在 Facebook 的人工智能时,我们有一个长期目标:即了解智能并构建智能机器。这不仅仅是一个技术挑战,还是一个科学问题。什么是智力?我们该如何在机器中将其再现?这仍是人类所探寻的问题。这些问题的答案不仅会对建立智能机器有所帮助,也让我们更加洞见神秘人类意识与大脑的工作方式。但愿它将能够帮助我们更好地理解生而为人的意义。 原文链接:https://code.facebook.com/posts/384869298519962/artificial-intelligence,-revealed/ ©本文为机器之心编译文章,转载请联系本公众号获得授权。 ?------------------------------------------------ 加入机器之心(全职记者/实习生):hr@almosthuman.cn 投稿或寻求报道:editor@almosthuman.cn 广告&商务合作:bd@almosthuman.cn 由中国人工智能学会主办,网易科技和智能君博联合承办、机器之心协办的 2016 中国人工智能产业大会暨第六届吴文俊人工智能科学技术奖颁奖盛典将于 12 月 16 日-17 日在深圳举行。点击「阅读原文」报名参与颁奖典礼。现已开通免费观众票,仅限国内外高校老师和学生报名 (责任编辑:本港台直播) |