可以呀，為啥不可以，語言只是一個手段，不能說以以前寫java，現在就不能幹人工智慧了，好多資料分析不還都是java寫的嘛，C語言開可以寫網頁呢。

人工智慧領域是未來主要的發展方向之一，目前很多Java程式設計師也都有著手學習python知識，這個確實是個不錯的選擇，而且未來人工智慧方向發展前景還是不錯的，不論是就業情況還是薪資待遇都比較可觀!

目前整個人工智慧領域的人才缺口還是比較大的，而且由於人工智慧領域的人才培養週期比較長，所以人才缺口將持續較長一段時間，這為Java程式設計師轉換到人工智慧領域提供了機會，而且目前行業內確實有不少Java程式設計師正在進行轉換。

Java程式設計師轉換到人工智慧領域需要做好以下幾個方面的準備：

第一：補齊基礎學科知識。人工智慧領域的研發需要具備紮實的數學基礎，不論是計算機視覺、自然語言處理還是機器學習，都需要有具備較強的演算法設計和實現能力。所以就要求Java程式設計師(應用級開發)要補齊數學方面的短板，如果要想在人工智慧領域走得更遠，一定要重視數學基礎。

第二：語言的轉換。目前在人工智慧領域，Python、R和Go語言的應用比較廣泛，尤其是Python語言，所以目前不少Java程式設計師也在逐漸開始轉換。我在早期從事機器學習實現的時候也在使用Java語言，後來轉換到Python語言之後，確實在開發效率方面有所提升。

第三：具有一定的研發環境。人工智慧領域的研發目前依然處在探索階段，行業內有大量的課題需要攻克，尤其在落地應用方面還需要產業領域的專家參與，所以從事人工智慧研發一定要有一個較好的研發環境

首先你需要數學基礎：高等數學，線性代數，機率論數理統計和隨機過程，離散數學，數值分析

其次需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如你要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之演算法很多需要時間的積累；

然後，需要掌握至少一門程式語言，畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少；

人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。

AI，也就是人工智慧，並不僅僅包括機器學習。曾經，符號與邏輯被認為是人工智慧實現的關鍵，而如今則是基於統計的機器學習佔據了主導地位。最近火熱的深度學習正是機器學習中的一個子項。目前可以說，學習AI主要的是學習機器學習。

我們推薦機器學習路線是這樣的，如下圖：

機器學習路線圖

這個學習路線是這樣設計的：首先了解這個領域，建立起全面的視野，培養起充足的興趣，然後開始學習機器學習的基礎，這裡選擇一門由淺入深的課程來學習，課程最好有足夠的實驗能夠進行實戰。基礎打下後，對機器學習已經有了充足的瞭解，可以用機器學習來解決一個實際的問題。這時還是可以把機器學習方法當作一個黑盒子來處理的。實戰經驗積累以後，可以考慮繼續進行學習。這時候有兩個選擇，深度學習或者繼續機器學習。

深度學習是目前最火熱的機器學習方向，其中一些方法已經跟傳統的機器學習不太一樣，因此可以單獨學習。除了深度學習以外，機器學習還包括統計學習，整合學習等實用方法。如果條件足夠，可以同時學習兩者，一些規律對兩者是共通的。學習完後，你已經具備了較強的知識儲備，可以進入較難的實戰。這時候有兩個選擇，工業界的可以選擇看開源專案，以改程式碼為目的來讀程式碼；學術界的可以看特定領域的論文，為解決問題而想發論文。無論哪者，都需要知識過硬，以及較強的編碼能力，因此很能考察和鍛鍊水平。經過這個階段以後，可以說是踏入AI領域的門了。

坦白的說，普通程式設計師轉機器學習並不是一件輕鬆的事情。機器學習卻需要截然不同的思維模式。“機器學習模型不是靜態程式碼——你需要不斷為其提供資料。”正如谷歌大腦專案(Brain Residency)負責人羅伯森說，“我們一直在不停地更新模型，而且還要不斷學習，增加更多資料，調整預測方式。它就像是一個有生命的東西，這是一種截然不同的開發模式。”

當然你可以透過掌握一些開源框架如TensorFlow開源專案來加快學習進度。

需要考慮：

1、轉人工智慧開發之後，薪資可以提高多少？

2、這樣的薪資可以拿多久？

3、未來十年，人工智慧會不會飛速發展？

4、自己的學習能力，能否熟練掌握人工智慧開發？

5、自己的數學功底，可以把人工智慧學到多深

考慮了這幾個問題，然後再決定要不要轉