這個問題不知道是不是用"AI”生成的，這個問題看上去語句很複雜，但完全可以將頭半句話去掉吧。“怎樣假裝成為一名人工智慧專家與別人愉快的聊天？”

既然不那麼“AI”，所以是不是創業者都沒關係了。最好的方法就是找另一個“假裝”成人工智慧專家的人去愉快的聊天。一個說AI法語，一個說AI土著語，大家都在假裝，就都不會揭穿對方。

1、像AI專家那樣說話

像大部分的技術領域一樣，AI界充斥著行話和首字母縮略詞。隨著新的系統、模型、資料庫出現，可能都會有新的行話出現。

吶，我搞了一個引數化的n元語言模型，用於建立一種聽起來像AI專家搞出來的形式詞語組合，而且聽起來還朗朗上口（或者拗口）。

送你們一個經典句式：

“我們搭建了一個最先進的（CNN、RNN、kNN、GAN、seq-2-seq、LSTM）模型，在（斯坦福、CMU、MIT、多倫多、伯克利）朋友的幫助下，已經在（GPU、TPU、FPGA）叢集上運行了一週，”

2、不經意提到一篇Arxiv上的論文

大多數計算機科學的研究人員，都喜歡在Arxiv上發表論文。每週都有數十篇論文在這個網站上釋出。內行都喜歡提到某一篇論文，就像所有人都讀過一樣。怎麼才能像講童話一樣，不經意的聊起某篇論文？

其實很簡單，你提到某篇論文時都不用說出題目，只需要說“Yoshi關於CNN那篇論文”或者“那篇SELU論文”就好，顯得你真讀過似的。

3、你得搞個自己的“Net”

由於源自神經網路，所以AI圈很喜歡用“某某Net”來命名新的神經網路模型。比如，ConvNet的意思就是：卷積神經網路。

在這裡請允許我介紹一下RobbieNet，這是一個最先進的自我增強機器可讀語言模型，主要用於生成諷刺類博文。

4、嘲諷現有的“AI”公司

很多公司已經一頭跳入AI大潮，但是由於過分吹噓而被AI專家看不上。比方IBM的沃森，就被認為是錯誤營銷的代表。聊天機器人這個領域也是一樣，宣傳的很誇張但其實沒帶來太多價值。

透過嘲諷這些領域，可以讓你聽起來知道真假AI之間的區別，這意味著：你在做真正的AI。你可以像川普那樣喊：“他們都是假AI！”

5、反對伊隆·馬斯克

馬斯克一直在宣揚AI威脅論，他真的很擔心人類的未來。許多AI專家的觀點，都認為他誇大了風險，特別是在最近10-20年內的風險。說你不喜歡馬斯克，可以讓你聽起來像是瞭解這檔子事兒。當然最好你還能聊一兩句火箭發射什麼的。

6、說你喜歡PyTorch，因為TensorFlow太慢了

都說Google的深度學習平臺TensorFlow比競爭對手慢。而Facebook支援的PyTorch框架則享有速度快的美譽。大多數VC應該都聽過TensorFlow，相較而言PyTorch知道的人會少一點。所以，談TensorFlow的替代方案聽起來很高階。

當然如果你的談話物件裡有人來自Google就別這麼聊了，他們對這個話題超級敏感。

以上六條速成法則，趕緊去試一試~

這裡並不是非常認同裝作了解人工智慧這樣的方式。

但是，

由於人工智慧牽扯到的內容實在是太多、太廣，還有想象空間，從而造成每個人理解的方向和角度不同，同時，每個人也未必能夠完全的瞭解人工智慧。

所以，

從某個層面來講，大家都是在裝作了解人工智慧。雖然是在這樣的基礎之上，但還是可以和別人聊天的，因為我們的思維方式存在很大的共性，當我們提及和知道人工智慧這個抽象化，但包含很多資訊的名詞時，就是擁有相同思維方式的佐證。

如何來裝作了解人工智慧呢？下邊提一些內容，看完後可能會有這樣的感覺：貌似我也知道一二啊，不用裝。

之前有這麼一個人，

他是一個世界級運動員，馬拉松最好成績2小時46分，和奧運選手比誰跑的快。

他對花粉過敏，經常帶著防毒面具在人群中游走。

他是個同志，因為這個身份飽受苦難，觸犯之前的雞姦法而注射雌性激素，之後被英國女王伊麗莎白二世豁免，受其影響，近五萬和他一樣的同志被豁免。

他對蘋果情有獨鍾，據傳每天要吃蘋果，不過也因為沒吃完的半個蘋果而死。

他和蘋果還有更多關聯，很多人認為蘋果的logo源於那半個蘋果，喬布斯說：God we wish it were. It"s just a coincidence.

他就是提出了圖靈測試的艾倫·麥席森·圖靈，人稱：計算機科學和人工會智慧之父。

歷史每個人還是知道一些，如果瞭解的歷史和人工智慧的歷史存在交集，那就自然可以裝作了解人工智慧。如果對歷史不感冒，可以換個角度。

經常有這樣的爭論，

機器會思考嗎？機器有信念嗎？

如果簡單的從分類和目前機器的一些特徵來看，機器肯定不會思考，沒有意識、信念。不過仔細想一想：

很多事情未必就如同我們想的那樣。

吃飯的時候，手和嘴協同工作，不用思考如何把食物放到嘴裡，手的動作會不會和其他物體發生碰撞。這些過程自動完成，像是大腦呼叫了一個模組，這些模組很像機器。

提到信念的時候，自然會相信有一個自主的意識，可是，相信的一些東西未必就全面。

下雨了，我們相信這是一種氣候變化，由於溫度變化水的形態發生變化，最終落到地上，這是一種解釋。對於古人來講，也存在他們的解釋，只不過形態有些變化，他們認識是龍王在後邊操縱。如果讓機器來判斷下雨的問題，這種天氣變化可能是一組數字的轉換。一個事物有很多解釋途徑，相信一個解釋，只不過是相信了這個解釋後邊的邏輯，而不能說根據完全自主的意識。

由於人工智慧逐漸的成為一個流行話題，很多和思維方式、心理層面相關的內容不斷的被延伸出來，如果對思維方式比較瞭解，感興趣，那麼在對待人造的具有智慧的機器時，也會有不一樣的思考。這些思考目前還沒有標準，但的確值得去討論，也挺有意思，每個人也都知道一些。

上邊和人工智慧歷史、思維方式相關的內容可能和目前的狀況聯絡不那麼的緊密，那麼下來說下目前的人工智慧。

機器學習的確是一個比較複雜的話題，不過一些表現形式和我們以往的邏輯有著一些類似之處，瞭解這些邏輯，也可以裝作了解人工智慧。

機器學習的一個理解：機器透過一些資料找到一個規律，然後利用這個規律去理解另外一些資料。這個過程中牽扯到兩方面我們熟知的內容：

1、資料要和現實中的事物聯絡起來，或者說把我們所處的空間的事物和事情轉化成數學表示式。這個過程相信大多數人都有接觸。比如：加減乘除，權重衡量。用我們已經具備的簡單的數學邏輯來了解機器學習，上可追究到數學的邏輯根源，下可牽扯到生活中的方方面面。

2、機率和統計。這兩個詞大多數人都知道一二。機器學習其實可以理解成先做機率，然後去統計的過程。

深度學習是目前最火爆的話題，其和實際應用聯絡非常緊密，所以，真正深入瞭解深度學習，就要精通這些的內容：資料探勘、和數學相關的演算法模型、和計算機相關的彙編和硬體、行業知識。不過，如果瞭解其中一部分內容，也可以看成是瞭解深度學習、人工智慧，這個真不用裝。

上述提到的幾個內容覆蓋了很多人群，比如：

和敲程式碼相關：會用一些程式設計工具，知道語法。

和硬體相關：知道一些原理，瞭解積體電路。

和數學相關：瞭解線性代數和機率統計，知道如何最佳化。

和資料相關：對資料有感覺，知道如何提取和分類。

和行業相關，這個範圍就更大了，每個行業可能都會和人工智慧產生交集。

所以，其實不用裝作了解，只要處於一個行業，對行業有一些理解，都可以裝作了解人工智慧。

其實作為使用者也是可以的，各種包含人工智慧技術的使用體驗其實就是人工智慧相關的內容，比如，看看人臉識別準不準，然後聊一聊。

和別人愉快的聊天需要建立在共同興趣的基礎之上，人工智慧這個話題的集合讓很多人有了共同的興趣基礎，是一個不錯的相互瞭解雙方，進一步瞭解人工智慧的契機。

在實際聊天當中，基於不同的心理動機和認知結構，很有可能得到一些意想不到的資訊和思考方式，這些對於生活和工作都會有幫助。

裝作了解人工智慧，就像裝作了解生活、人生，每個人都知道一些，但未必知道全部。但是，這並不影響愉快的和別人聊天。

人工智慧確實是時下的一種趨勢和潮流，但是我們在談人工智慧時，需要區分兩個概念—— “弱人工智慧”和“強人工智慧”。前者被普遍認為是不能真正地推理和解決問題的智慧機，強人工智慧是能夠匹敵人類智慧的存在。簡單而言，弱人工智慧目前已經無處不在，例如電商網站透過客服機器人來回答問題和利用資料來對消費者分類等。

裝作了解人工智慧的樣子與別人愉快的聊天，首先要求你得對人工智慧略知一二，包括人工智慧的定義、人工智慧的應用、人工智慧的實現方式、人工智慧的優缺點以及你個人對人工智慧的體驗等。對時下最流行的人工智慧前沿技術、熱點新聞的熟識成會讓你擁有很好的談資。例如：神經網路、強化學習、Python納入高考等這些都是很好的話題。此外，人工智慧大佬的周邊新聞也是很有趣的話題，還能夠激起對方的興趣。

當然，和不同的人聊天還需要你有不同的方法。與人工智慧小白聊天，你只需要對人工智慧略知一二即可。與專業人士聊天，聊專業性的話題無疑會讓你陷入窘境。此時，你就需要另闢蹊徑了，人工智慧大佬的周邊趣事可能會是一個相當不錯的話題。另外，面對人工智慧專業人士，你還需要轉變角色，放棄聊天的主導性，而應該作為一個虛心的傾聽者和受教者。

裝作了解不如真正瞭解，與其對人工智慧略知一二不如去學習人工智慧，換一種思維方式，從碼農的角度看世界其實也是很美妙的，只有這樣才能產生共鳴，否則和任何人聊人工智慧也都是淺嘗輒止、裝點門面罷了。

雖然說了是裝作了解人工智慧的樣子，但是既然要裝，總是要稍微知道一點的，不然很容易裝過頭啊。

什麼是人工智慧？其實這幾年，我真實地感受到了技術的演進所帶來的革命。比如：看計算機書的時候，一開始還叫計算機輔助決策系統,後來就改叫叫報表軟體或圖表軟體，沒過幾年，它們就成了資料倉庫，又過了幾年，它們成大資料和資料探勘，這兩年，它們成了人工智慧，雖然這幾個名詞之間並不能完全替代，但是換湯不換藥，所謂人工智慧，簡單來說，就是利用程式的編碼及時讓資料可以不停迭代，將海量資料特徵以儘可能準確和少缺失資訊的將樣本資料概況，並按照這個規則再以後出現相同或相似問題的時候可以用已有經驗去解決。

知道了大致人工智慧是個什麼事情之後，就需要再學幾個不明覺厲的詞了

1.神經網路，其實就是機器自己學習的一個過程，將規則從混亂的資訊中理清楚，是機器學習的一種方式

最後提醒大家一句，遇到真的大神在場就不要裝了，也就糊弄糊弄完全不知道的AI的人就好啦，不過多瞭解一些新知識新技術總歸是沒有錯的。