機電程控和光電程控專業技術，要學習它，最好學到半自動化止步為佳。也就是離人既死狀態。因為人工智慧越是發展到最後，就越不可控。這是因為我們人類掌握的科技應用是殘缺不全的。它缺了一個“我”字。因為所有自動化領域在設計過程中都單純的追求如何“輕盈快準”達成目標為主造成的。忽視了其它一些看似無關緊要，甚至一些毫無關聯的因素造成的不可控。因為看似毫無關聯的，甚至於一些風馬牛不相及的事物，最終走向其實是想關聯的。尤其是進行到“自我治癒，自我升級，自我生存”等自我控制階段裡，在設計中根本就看不到“我”這個字的痕跡。如不加限制的話，在某種程度上可以說是超出了“人機平衡”的管控範圍。所以，人工智慧最好是發展到“恰到好處”的“1，2，3，4，5”態即可。“6，7，8，9”態的發展程度則要慎重進行。因裡面的不確定因素一級比一級高而多，人有想不到的太多了。一個操作不當就非常容易造成“六六粉，敵敵畏”那樣的後果。這就是“我”這個字的重要性質。如果人們在設計過程中能完美的融入“我”這個字的話。人工智慧的發展還是光明的。當然了這是一個理想狀態。完美智慧，難，不是一般的難，那是相當的難！

最火的就是機器人啦，在教育，醫療，家居生活，服務行業佔比很大；然後就是智慧出行，比方說無人駕駛技術，還有汽車上的各種智慧硬體，現在還有智慧腳踏車呢；在建築工程上還有智慧操作裝置，機器人畫圖，機器人搬運等，最後就是智慧家居了，與我們生活最為密切。像我們使用的電動牙刷，掃地機器人，升降晾衣架，AI音箱，電動拖把，智慧吸塵器，洗碗機，剃鬚刀，美容儀等都屬於智慧家居。搞清楚這些，然後弄清楚人工智慧產品的上下游，選好方向，你在這個行業能更快的發展起來。

除了語言，軟硬體知識，高等數學，離散數學，機率論數理統計等數學知識也非常重要，資料是人工智慧的基礎，AI技術，AR技術，VR技術等都離不開資料。想在人工智慧方面深造的話，建議從上大學開始，很多高校也開設了人工智慧行業的相關專業，高考的時候報考即可學習了。要是你沒有學歷就算自學，一般科技公司很難錄用你的，即使是報了外面的培訓班學習，那也只是皮毛。

這個問題我是這樣認為的，中國的人工智慧一定要走在世界先進前例現在世界各國都在起步階段我們現在條件很好有錢有實力過個若干年我們人工智慧技術達到世界第一或第二，首先我們要有自己的團隊以科學家為帶頭組成超強的集體團隊大量召募海外高科技尖端人才引進外國技術，以基礎理論為起點研究打下良好的基本功，不能全部照搬外國技術以我們為中心堅韌不拔毅力自力更生，難苦奮鬥契而不捨一步一個腳印研究開發創新，我們相信華人有才智聰明不久將來人工智慧技術世界第一。

你好，沒有學歷優勢，那專業知識呢？就是相關的演算法知識之類的，個人是做運營的，拿自己來比喻，如果說文職去轉AI，最先要做的不是如何轉AI，而是先把產品經理做到最好，人工智慧會取代重複性工作，但是創造性工作無法取代，即使到了人工智慧時代，也是有產品需求，那我就可以去分析使用者需求。

對於專業技術的學習，隨便一搜就是各種答案，有課程，學習方法也無非就是努力、認真、深刻的去學好硬知識，但是想要從事這一行，如果你現在沒有這個時間去學習“專業”知識，與其花費過多的時間在專門學習上，造成中途的高不成低不就的狀態，那就在考慮自己學習能力能達到的情況下，學習一些入門知識結合自己目前擅長的領域去讓你的工作無法被人工智慧取代。

比如做產品經理想轉行做AI產品經理:

結合現在的一些AI行業、技術的現實和趨勢來看，下面對人工智慧領域的PM（產品經理）可以發揮價值的方向提供一些思路：

1. 扮演的角色專案管理，如果是廣義上的網際網路PM轉行到AI領域，需要多出演算法工程師以及B端對接人這兩類主要的溝通物件。 作為一個售前的諮詢角色，把AI技術描述成能夠被行業外的人聽得懂的語言，並和客戶進行有效溝通，一起找到更高價值的需求點。比如對於公司現有技術chatbot，當面對電商或零售行業的客戶時，如何結合現有技術幫其達到營銷或客戶服務升級的需求，是產品經理需要思考的問題。規劃長遠的技術方向：AI領域的方向非常多，對於其中絕大部分，目前尚不能找出好的商業案例和模式，或者短時間內無法突破瓶頸。企業不比學校和科研機構，需要決定不做什麼。（關於不做什麼，文章後面會具體講如何用好“兩把刀”：經濟學思維和奧卡姆剃刀）。另外，需要對學術界的最新動態保持密切關注，如有好的模型，可儘早投入使用，或好的資料集如VisualGenomo，可儘早去嘗試，能夠做到二次創新當然更好。

2. 其他需要具備的特質至關重要的一點：深刻理解演算法目前的技術邊界較多，如果每次都需要詢問別人，會極大地影響團隊的工作效率，很多隱藏的陷阱也難以發現。所以產品經理需要對演算法有深刻理解和敏銳洞察；另外，如何幫公司的技術建立壁壘同樣需要對技術有深刻的理解。資料上的壁壘，演算法複雜度上的壁壘等，產品經理都可以去思考。同樣重要的特質：富有想象力 與移動網際網路浪潮不同，這一次的智慧革命，在互動形式上的多樣性，導致場景上的互動思考難度呈指數級上升。因為GUI都是確定性的，點什麼就是什麼，而CUI或者其他的互動形式都是不確定性的。技術的豐富性帶來無限多的演算法組合，舉個例子：從人臉的detection再到追蹤，追蹤後再結合後面的語義或情緒識別做畫像，最後可以將畫像內容作為DL的先驗特徵用於推薦等，這種就是很有價值的創造，1+1>10都是可以實現的。所以關鍵在於怎麼去組合各種智慧演算法，從而使其成為一個完整的產品。 對於生活的觀察，比如GAN做出來的影象風格遷移模型，你能不能想到一個方法讓使用者為此付費？很難吧。確實，光做個API呼叫收費無法實現最大的盈利。另外收多久費呢？但我的產品經理同事就基於她在藝術領域的經歷給出了自己的方案和計劃，聽著就靠譜多了。所以想象力和對生活的洞察變得非常重要。 其實作為一盞指路燈，產品經理需帶領演算法工程師們做創新的、有挑戰的事情。事實上可選的方向很多，但哪一種更有價值，需要產品經理指出來，因為100條中可能只有1條能看到希望。

“兩把刀”，讓你決定不做什麼，這裡需要“少就是多”的產品哲學

第一把刀：經濟學的成本思維 不同技術的邊際收益是不一樣的，比如計算機視覺領域，大部分技術目前的邊際收益都很低。如何構建壁壘，實現壟斷，來獲取利潤？靠資料還是演算法上的積累？這些都需要用經濟學的視角去判斷分析。

第二把刀：奧卡姆剃刀 如果一個方案，背後的假設太多（不論是計算能力，還是許可權支援等），那麼這無疑是一個風險巨大的方案，很有可能的結果是，目標是大象，但做出來的確是一條小狗。 最可怕的是初始的使用者假設偏差大，你以為有意義的事情也許並不是客戶需要的。比如偽需求“用語音幫我開關家裡的燈”。這個做好完整的功能是需要較多時間投入的，但假設也許是錯的，事實上這樣還比不上我走一兩步去碰下開關來得方便。 那麼具體該怎麼做呢？建議首先去充充電，公開的資源很多就不一一列舉了，之後去試著實踐。如果不去打比賽，至少自己實踐幾次深度學習的演算法是必要的。

究竟AI產品經理這架望遠鏡能看多遠，個人認為主要取決於以下三個方面： 1. 對於算法理解的廣度和深度 2. 對於AI行業格局的理解 3. 對於其他各個行業的洞察

以上來看，單單是產品經理的轉行就相當難，如果要進入這一行，決心是一定的，目前國家的AI人才處於集中的狀態，比如演算法工程師之類的，建議可以考慮進入其他分散領域，比如金融之類的。

對於這一行，我的理解很淺薄，學習之前最好先對行業有了解再選方向。

主要是計算機程式設計，生理學與心理學（思維機制），人機對話原理，互網路相關原理，當代高數與物理學，人體工程學，以及美學和倫理學等相關學科知識。如果想登堂入室發展於這一行業，必須具備以下條件：良好的身體、痴迷的興趣、專業的導師、非凡的悟性、實際的操作（目標化）、能動的學習、前沿的訊息、時間的投入等。

如果偏重的是AI應用，目前許多科技公司（比如微軟、百度、阿里等）都已經在各自的雲端開放了AI能力，包括影片影象處理、人臉識別、語音識別、自然語言處理等等。一個有程式設計基礎和開發經驗的“碼農”可以很快地掌握呼叫雲端API的能力，為傳統的應用程式加入AI功能。（例如：在一套企業管理軟體中加入人臉識別的功能）目前基於雲端的AI應用對於程式設計師來說幾乎不用再去學習太多新的技能。

如果是對AI進行定製化的開發，那麼首先就要對人工智慧有一個系統性的瞭解，包括人工智慧的歷史、基本原理、機器學習、深度學習、神經網路等基礎知識。目前階段人工智慧的發展主要是因為過去十年在深度學習技術上的突破，而要進行比較深度的二次開發，就必須掌握一些主流的深度學習框架，包括TensorFlow/Caffe/MXNet/Keras/Torch等等，其中谷歌釋出的TensorFlow是目前最流行的AI開源框架。除此以外，這些框架大多都支援Python和C++語言，如果沒有太多的C++經驗的話可以從頭開始學習Python，它相對C++而言更容易上手，對於深度學習框架來說也比較友好。

最後，如果想在AI演算法上有所建樹的話，對應的目標應該是成為一個AI科學家，而人工智慧目前在理論研究方面基本上被西方的科學家所壟斷。要達到這個目標，首先要從基礎學科入手；事實上，基礎學科才是各種“黑科技”的基石。AI也不例外，要想成為AI科學家必須具有紮實的數學和統計學基礎，然後才能結合計算機科學研究演算法。

要想從事人工智慧工作，需要掌握哪些技術與知識，怎麼去學習？

要從事人工智慧工作，首先要知道人工智慧並非一個人能完成的工作，

嚴格的說，人工智慧己超出，由計算機與機械自動化範圍，它是目所指的AI技術，既人工智慧機器，

可獨立完成某些技術，代替人類工作的智慧機械，間稱人工智慧，它是一個非常寵大的系統工程，並非一個人能獨立完成的工作，看似簡單的智慧機器，

它包括了眾多學科及複雜的技術支援，在這裡只能簡單的概述一下，它包括機械、傳動、力學、光學、感測、化學、當然最離不開的就是電子學了。

二、要從事人工智慧行業，只能基礎學起，需要很長時間和眾多學科的宗合積累，能耐的住失敗和寂寞！

三、如果只是對人工智慧有個簡單的瞭解，對人工智慧進行簡單的執行、管理及簡單的故障處理，還是有規律可循的，只要掌握其結構，執行特點、故障程式碼及邏輯語言，以及傳動、液壓原理等基本知識，就可以處理一些常見題了，但只是實用於較初級與中級人工智慧的維護，