作為一名從業多年的軟體工程師，目前機器學習是我的主要研究方向之一，所以我來回答一下這個問題。

在當下的大資料、人工智慧時代背景下，對於軟體開發工程師來說，向人工智慧方向發展會獲得更多的發展機會，同時也會獲得更多的資源支援。在目前產業網際網路發展的初期，學習人工智慧相關技術也是順應時代發展的選擇。

要想進入人工智慧領域，首先應該對人工智慧領域的研究方向有一個整體的認知，然後基於自身的知識結構選擇一個切入點。目前人工智慧領域的研究主要集中在六大方向和三大結合領域，六大方向分別是機器學習、計算機視覺、自然語言處理、自動推理、知識表示和機器人學，三大結合領域分別是大資料與人工智慧的結合、物聯網與人工智慧的結合、邊緣計算（雲計算）與人工智慧的結合。

如果目前從事Web領域的開發工作，那麼可以選擇從大資料方向入手，進而進入人工智慧領域，透過大資料進入人工智慧領域也是比較現實的選擇。大資料經過多年的發展，目前在技術體系上已經趨於成熟，學習大資料技術會相對容易一些，而且機器學習也是大資料分析比較常見的方式，所以從大資料進入人工智慧領域也會相對比較容易。

如果目前從事嵌入式領域的開發工作，那麼可以選擇從物聯網方向入手。物聯網是人工智慧的基礎，物聯網也是未來智慧體重要的落地應用場景，所以學習人工智慧技術也離不開物聯網知識，目前AIoT概念就受到了廣泛的關注。

最後，人工智慧領域的研發對於數學基礎的要求比較高，所以要想轉向人工智慧領域需要有紮實的數學基礎。

要進入人工智慧行業，首先要有一定的數學功底，因為人工智慧不同於app開發，網頁開發、遊戲開發等傳統的網際網路職位，每天檢視api呼叫函式或者是美化介面。

1. 人工智慧是從數學中的“逼近理論”逐步演化而來的，當今人工智慧所使用的方法，最開始的時候大部分是數學家為了逼近某些比較難表示的非線性函式而使用的。後來隨著計算機效能的提高，計算機工作者，統計學家，開始嘗試用這套“逼近理論”解決一些分類問題。逐步發展成為現在的人工智慧局面。

2. 現在屬於人工智慧行業發展初期，各種可用的api函式都比較少，所以自己編寫演算法是必須要會的。對於要深入掌握人工智慧知識的工程人員來說，數學是繞不開的坎。

3. 人工智慧是一個很大的概念，現在很多的公司所謂的AI應用還是停留在比較初級的階段，進行一些資訊（資料）的分類，篩選，模式識別之類，許多語言都有成型的程式碼包，開原始碼之類，用起來並沒有太大的技術含量，要想達到實際的應用效果，更多的是需要大資料的支援，不斷在演算法上進行最佳化。

4. 現在比較火的一些智慧裝置，智慧家居，我並不覺得算是人工智慧，更多的是各類感測器加上程式規則的應用，可能這類行業會更貼近生活更有市場一些吧，前景倒是非常看好的。不過和做軟體一樣，並不是技術有多牛就一定能做出好的軟體產品，一定要深入瞭解使用者需求，注重使用者體驗，以你的背景來說，我覺得可能往這個方向發展會有更好的效果。

學習一個系列課程（例如斯坦福224系列課程），認真做完習題，上手做一些專案，比如說Kaggle、天池。基本上就瞭解深度學習的一些知識了。