人工智慧時代到來，普通人再次被拉下一大步，面對新形勢，普通人如何完成逆轉？“知識變現”如今成了熱詞，社會發展越來越快，網際網路將人們帶入了新時代。但是，在社會快速發展的同時，不僅僅讓一些人緊跟其上，也讓一些普通人拉下了一大步。

有人問，現在是需要智慧的時代，還會有我們普通人發揮的空間嗎？你們的高智慧“玩意”，我們不懂，我們真的是被淘汰了嗎？

能夠這麼去問，就說明，作為普通人，你並沒有被時代淘汰，你還有思考，你還有發展。成功並不是只屬於人才的，在網際網路紅利期，任何人都有機會。下面我要說幾個入行的方法：

從自己最合適，最有興趣的入手。都說，成功的可能一大部分來源於興趣，作為普通人，我們可能缺少了基礎，但是不要把自己看的太低。要知道高技術人才，當初也是透過普通人走過來的。現在要做的就是找好領域，專注打好基礎，作為自己在智慧行業站穩的基石。

俗話說：“打鐵還需自身硬”。人工智慧行業需要有一定的知識積累，不斷的學習是一個人進步的保障。近年來，人工智慧行業逐漸初步形成，還具有很大的發展空間，任何一個新事物的出現，都會帶來無盡的機遇，在寒流和暖流的交匯處，資源才是最豐富的。

實踐作為真理判別的唯一標準，對成功的經驗有著重要的積累作用。人工智慧行業在如今是一個十分稀缺人才的行業，他需要大量人才的注入，才能得到穩定快速的發展。在摸索中培養自己的創新意識，只有經常創新的人，才能在這一行業站的更穩。

綜上所述，人不能自己給自己劃分級別，如果你有了這一種意識，估計你再努力，也不過還是一個普通人。

你好，商函雜並論，一個以客觀視角解讀商業的偽ceo

人工智慧的時代也會產生另外一個時代的。叫休閒時代。很多人沒有工作。就只能娛樂和體育了。也就是說人工智慧的時代也同時是娛樂體育的時代來臨了。普通人該做什麼？有方向了嗎？一般我不會告訴別人這個答案。

很多的人看待人工智慧，感覺挺簡單；事實是，人工智慧還有太多的未知正待人們去探索和研究。網路媒體往往是將機器學習等同於人工智慧的一部分，在某種程度上講這也沒錯，而本質上兩者是有區別的。

所謂的人工智慧，是機器具備跟人類一樣思考的能力（最終有可能超越人類的智慧）。以目前的科技及其進步的速度，人類要創造出真正意義上的人工智慧，還得有一個過程。至於這個過程會是多少年，估計誰也沒法準確地預測出來。機器學習，是計算機透過特定的演算法在海量的資料中進行學習，這樣的行為類似對資料進行挖掘；不過，機器學習會根據自己的學習內容、來改變自己的學習模式。機器學習在當前是最接近於人工智慧的系統。

曾在阿里擔任過CEO的衛哲，之前在接受媒體採訪時就談到這麼三點：

第一，在當下，人工智慧有真人工智慧和偽人工智慧之分。

1，全球真正對人工智慧有深入研究且運用自如的人，不過數百人；所以，人工智慧及其人才已明視訊記憶體在泡沫現象。

2，機器學習已在計算機、網際網路領域存在了大約20年；機器學習有很多的表現形式與人工智慧很像，但兩者在本質上的差別其實很大。

3，那些把機器學習說成是人工智慧的，就是偽人工智慧。

第二，人們若要對機器學習和人工智慧進行區分，最簡單的方法之一就是看演算法進步的速度。

1，什麼是演算法進步的速度？舉例來說，DeepMind開發出來的阿爾法狗，從打敗圍棋的入門初段，就學會下圍棋了；之後到打敗世界冠軍，只用了一年。阿爾法狗的第二代、阿爾法狗Master只用了三、四個月，就打敗了阿爾法狗。阿爾法狗Zero則用了一個月，便打敗了阿爾法狗Master。

2，真人工智慧，演算法進步的速度幾何級地增長，而非每個月在前一個基礎上提升1%，每一個季度在前一個基礎上提高2%。所以，如果演算法進步的速度和學習能力表現為幾何級地提升，是真人工智慧；學習能力只是逐步、小步地提升，則是普通的演算法。

第三，人工智慧技術的進步，必須基於大資料之上。而資料必須具備海量、新鮮和可持續的特點。如果把演算法比作刀，那麼資料就是磨刀石。舉例來說，在國內，有著大資料資源的網際網路、通訊等巨頭，顯然比起創業公司有非常大的優勢，像BAT、TMD、華為、京東，等等。

▲人工智慧產業鏈。

人工智慧的大門對每個人都是敞開的，但並不是每個人都適合在人工智慧領域發展，尤其有的人打算從事研究人工智慧及相關技術的工作。何況，連全球知名的人工智慧專家都一直在向業界傳遞著一個訊號，當前人們對人工智慧的研究還處在最初級的階段，未來的路還很長。換言之，人工智慧行業真正需要的，不應該是普通人，而是科學家、是工程精英、是複合型+創新型的人才。人工智慧行業是知識+技術密集型的行業，不是勞動力密集型的行業。人工智慧熱，不是人人都能去追去搶的一個風口。