吴恩达在Quora上获得上万赞同的最高票回答，却和人工智能无关

雷锋网按：百度人工智能实验室首席科学家吴恩达近年来一直活跃于产业界与学界，并在人工智能研究领域做出了巨大贡献。虽然日理万机工作繁忙，但吴恩达也会在 Quora 上为网友们答疑解惑。雷锋网(公众号：雷锋网)小编特地找到吴恩达的主页，一起来一睹他是如何回答问题的吧。

吴恩达在 Quora 上只回答过 9 个问题，话题主要与人工智能相关。比如：

Q：如果要开启机器学习的事业，你应该怎么做？

吴恩达的回答全文如下：

对于大部分受众而言，Coursera 的斯坦福机器学习课程能够帮助大家入门这一领域。（大概很多人有所不知，吴恩达也是 Coursera 的联合创始人兼董事哦，这里顺便给 Coursera 做了个广告。）如果你已经基本掌握了某门编程语言，那么我推荐可以从这里开始学习。

许多人只需要完成 MOOC 上的课程，他们就能得到一份与机器学习相关的工作。在这里，我也可以推荐一些类似的在线课程，比如 John Hopkin 的数据科学。加入 Kaggle 或是其它在线机器学习的比赛也同样能让大家积累经验。Kaggle 是一个能够学习到实战内容的在线讨论社区。参加当地的一些聚会或是学术会议（如果能承担这笔花销的话），与更多拥有更多经验的人交流，能让你成长得更快。

但最重要的一点在于，持之以恒，不断学习。不是一个月两个月，而是年复一年地学习。

每个周六，你都要在研究论文/推导算法或看电视间做出抉择。如果你周六一整天都在学习，可能短期内看不到什么回馈，而你现在的上司甚至也不会知晓，或对你的努力做出肯定。

而努力学习的一整天过去了，你甚至也不会觉得自己在机器学习上有什么大的精进。但这就是秘密所在：如果你不是三天打鱼两天晒网地学习，而是坚持一年下来，那么你真的会变得更好。

对于机器学习的相关从业者，这个时代所提出的要求更多了。如果你从事相关的工作，你的学习速度需要变得更快。

世界需要更多的机器学习从业者解决各种各样的问题，而我们的社会也已经为机器学习提供了如此多的数据与计算资源，你可以利用强大的机器学习创造更多的精彩。但我们所做的还太少。我也希望有更多的读者能够继续努力，并在机器学习领域取得更好的成就。

此外，还有一些讨论吴恩达本人的问题，也成功引起了他的注意。

比如：

Q：吴恩达自己是怎么看待深度学习的呢？

然后大神就自己来回答这个问题了……

吴恩达：

深度学习是一个很棒的工具，它能够帮助无数的人们创造令人振奋不已的人工智能应用。它能够实现自动驾驶、准确的语音识别、让计算机能够识别图像，等等。

虽然目前我们已经拥有了如此多的进展，但我依然看见了巨大的潜力。预测农业、消费者金融、药物学……这些领域倘若应用了深度学习，将会产生深远的影响，但目前我们没有人能够面面俱到。我深信，深度学习不会步入瓶颈，而是会继续保持快速发展。

深度学习已经被重写了。神经网络涉及非常多的技术性知识，也很难解释，因此有不少人会将神经网络与人工神经网络做类比。但我们并不知道生物大脑实际上是怎么运作的，UC 伯克利大学的 Michael Jordan 将深度学习称为大脑的一个「动画」——它过度简化了我们所不理解的部分，我也表示赞同。虽然媒体经常渲染人工智能，但我认为离真实的人工智能还差得很远。毕竟，我们对大脑的运作原理一无所知，而盲目地让计算机复制大脑的工作状态并不能为人们带来好用的 AI 系统。而相反，目前最有效的深度学习研究是从 CS 和工程原理的角度接受生物学的启迪，而不是简单粗暴地复制生物状态。

当然，如果你听到有人说要制造一个人工大脑的话，我的建议是赶紧躲远点。

在补充回答中，吴恩达提及了两大深度学习的驱动力：硬件进步及数据量的增加，这两点在公开场合已经被讨论过多次，雷锋网在此不做详细阐述。

Q：吴恩达学习人工智能的驱动力是什么呀？

吴恩达回答充满了理想主义，简单来说，他希望用人工智能创造一个更好的社会。他在 16 岁的时候在国立新加坡大学实习，并第一次接触到深度学习（那时还叫神经网络）。「虽然那时我所做的工作与现在相比只能算是小儿科，但我觉得实在是太神奇了，只需要几行代码便能让计算机自已学习！」

但是，吴恩达收获赞同数最多的一个答案达到了 1.34 万，而且有意思的是，这个问题与人工智能并没有太紧密的关系。（雷锋网推测，大概是因为这个问题相对于人工智能而言，受众更广一些吧。）

这个问题便是：

Q：如果你要给学生一些学习建议，你会说些什么？

他是这样回答的：

当你在思考今天应该如何打发时间时，你需要考虑两个问题，一是你所做的事情是否能改变世界；二是你需要学习多少知识。

即使到了今天，我也是这样安排自己的时间的。

我们的社会为个体提供了改变世界的机会。拥有互联网化的技术与先进的沟通方式，创意与产品能够比以往更快的方式传播。只要有正确的想法与强大的执行力，任何人都能够做出贡献，造福世界上的其它人。

所以，问问自己，如果我实现了梦想，取得成功，它是否能帮助其它人？如果答案是肯定的，继续寻找你应该研究的方向；如果答案是否定的，说明你最大的潜能还没有爆发。

第二点是，特别是你还年轻的时候，不要吝惜自己在教育方面的投资。

我的「年轻」指的是那些小于 100 岁的人。

你学习的任何东西，在未来的某一天都会给你应有的报答。但这并不简单。当你走出校园，把时间花在学习上，短期内几乎看不到什么回报。没有老师督促你，但如果你能让自己在学习中得到快乐，开始尝试用各种方式思考，并与人们交流你所学到的东西，那么在数年时间内，你会在自己的领域里成为独挡一面的专家。

我个人非常爱阅读。我的 kindle 上有超过 1000 本书，而且每天晚上和周末我都会花时间阅读，涉猎的方向包括学术研究论文、商业战略书籍、具有变革及创新性的产品及进展、我所崇拜的人的自传等等。有时间我会看看 MOOC，也喜欢与能带给我启迪的人交流，不论对方是一个陌生人还是老朋友。

学习的过程能够帮助你决定工作的方向，当你看到其它人改变世界的先例，你也会知晓自己应该如何改变世界。

总而言之：即使做到这一点很难，但要不断投入（时间、金钱）学习。坚持寻找能够帮助人类的终极方式吧！

此前雷锋网曾经报道过同为大神的 Yann LeCun 在 Quora 上的精彩问答，但比起 LeCun 来说，吴恩达的回答都比较抽象且充满了浓浓的理想主义。这让雷锋网想到了今天《经济学人》的一个报道，指出终身学习已经成为了经济要务。这样励志的故事就活生生摆在我们面前，我们还有什么理由不努力呢？

。