关键词：
第六章 AI时代的教育和个人发展
1. 2013年，全美录取最严格的一所四年制大学本科学校——米涅瓦成立了，由美国著名教育家联合创立，校长是本·尼尔森，录取率低于哈佛的8-9%，是3%。
创始人相信，传统的大学教育已经无法适应未来的需要，会被改革甚至被颠覆。远程在线课程（难以深入交流）、研讨小组、实习实践、自我探索、自我完善将成为今后教育的主流。
这些重在培养学生的逻辑分析、创造性思维、交流能力和复杂环境的协作能力。
这所大学按研究生、博士生的标准去培养大学生。
2. 学什么？
AI时代很难准确决定学什么才不会被替代，但可以有一些大致的思路。
程式化的、重复性的、只需要记忆和练习就能活的的技能是最没有价值的，几乎一定可以由机器完成。而最需要的是能体现人的综合素质的技能，对于复杂系统的综合分析、决策能力；对于艺术的审美能力和创造性思维；基于生活经验的直觉、常识；基于人的情感和他人互动的能力等，是最值得培养、学习的技能。
比如，未来机器翻译取得实质性突破后，大量从事语言翻译包括笔译、口译、同声传译等工作，很大部分会被机器取代。但如果一个翻译具备很深的文化艺术底蕴，他完全可以转行做文学作品的翻译，这需要情感审美、历史文化积淀、创造力等能力。
3. 如何学？学习态度和方式？
① 主动积极挑战困难，在挑战中完善自我。
② 实践中学习，边学边实践。
③ 启发式教育：创造力和独立解决问题的能力
④ 互动式的在线教育越来越重要，要充分利用一切资源。
⑤ 主动向机器学习：从AI中吸取思路和逻辑。
⑥ 追随兴趣，达到更深的层次。
未来社会对于文化、娱乐的最求会达到一个更高的层次，文娱产业将会空前绝后。作家、音乐家、电影导演、编剧、游戏设计者一定是AI时代的明星职业。
4. AI时代，学习、教育本身不是目的，真正的目的是在AI技术的帮助下，为每个人寻找最大的自由、体现最大的价值、并从中得到幸福。
本书总结回顾
1. AI？，核心驱动力？，深度学习？（第1、2章）
人工智能英文缩写是AI（Artificial Intelligence），属于计算机科学领域，包括机器翻译、机器视觉、语音识别、图像识别、机器人、自然语言处理等。
核心驱动力是AI技术，即以“深度学习”为基本原理利用大数据（互联网海量知识库）训练多层人工神经网络模型（ANNs，数据处理中心，Google大脑），实现机器的自动化。
深度学习+大数据=AI，深度学习需要大规模计算（4-8个甚至成千上万个高性能GPU芯片，需要专门机房安置计算机集群）和海量大数据训练样本（AI最宝贵的资源、时效性强）。
AI是帮助人类解决实际问题、提高生活质量的一种商业化技术手段。
2. AI涵盖的领域、行业？哪些发展潜力大、发展迅速？哪些还需要一定的时间？哪些工作或职业可能被AI全部或部分替代？AI发展趋势预测？（第4、5章）
① AI在6个领域都已有应用，但由于数据资源的限制发展速度依次降低。
自动驾驶（AI最大的应用场景，传感器+智能车辆调度算法，6个级别）
智能金融（最被看好的AI落地领域，银行自助终端）
智能生活（Amason开发的Echo智能音箱和信息交互Alexa服务器平台、amason go智能超市；电器厂商也在开发新的家用电器）
智能医疗（制药领域：让机器阅大量的数据库、专利、论文和技术资料等，短时间内自主学习找到研制新药的方法；但不同医疗机构的数据不能互通、共享，所以发展受限）
艺术创作（智能机械手，简单作画、移动方位和下笔力度）
智能教育（远程在线教育为主导，对学生素质全面精准量化——因材施教）
② 程式化的、简单的、只需要记忆和重复练习就能完成的工作未来会被AI部分或全部替代（“5s准则”：翻译、新闻报道、销售、保安、助理、客服、交易、会计、司机、家政等）。在金字塔型的社会结构中，最下两层受影响最大，但几乎每一层都不可避免受影响，不排除受过高等教育的人群。每一个人都将在未来的人机协作中找到新定位。
③ 拥有成熟的线上业务流程+高质量大数据=急需实现线上业务自动化的企业会率先发展起来。
3. AI时代学什么？如何学？（第6章）
很难定义学什么一定不会被淘汰，但是一些基本技能必须掌握。多训练一些能体现人的综合素质的技能，比如复杂的逻辑推理、分析、决策能力，创造性思维，深厚的历史文化底蕴，基于生活阅历和情感与人互动的能力。
学习秉持的态度和方式：面对困难（能力圈之外），首先要有主动挑战完善自我的意识，通过阅读、在线学习等寻求方法，边学边实践（知识用了才有力量、独立解决问题），多发现兴趣并养大它。
4. AI小百科
高德纳技术成熟度曲线、5s准则、自动驾驶的6个级别、初创和创投公司、Free Desk实习生招聘方式。
知识时代带来的新问题
知识时代带来的新问题：很多人经常表示那些社恐抑郁症的人就是吃饱了撑的，还有人发现为什么随着时代的发展有更多的的人努力和回报不得正比，为什么？这一切的源头其实来着数字信息时代，信息时代... 查看详情
关于坚持终身学习和培养内驱力的困惑
作为一个转专业的程序员，我不知道有多少人有和我类似的困惑，那就是对技术似乎没有那么强烈的兴趣，比如像轮子哥那样从小学初中就出于兴趣开始编程的人。就我个人来说走上程序员这条路其实是一种权衡的选择，我自己... 查看详情
面对ai
...，并以人工智能无法取代的工作为目标。我们应该致力于终身学习，更新我们的技能，了解新趋势，并寻找新机遇。 2.我们应该鼓励批判性思维和各种创造力，不仅仅是科学和工程，还有：艺术、建筑、音乐、诗歌、表演、... 查看详情
想入行ai，别让那些技术培训坑了你...
...身处这样一个热点行业，学习是必须的。不打算成为终身学习者的程序员，失业就在明天。可是，怎么学呢？都已经毕业了，每天要上班，不能像以前读书的时候，整天只是学习，学什么都有老师教，坐在那儿听就可以了。自己... 查看详情
机器人工程终身学习和工作计划-2022-
...#xff0c;00后，10后等，将全面进入终身学习和工作的时代。这是时代的馈赠，内心充满感激和感恩^_^太棒啦图片来源网络其实不止机器人专业，所有行业工作的普通人未来都要进入到终身学习和工作阶段。0-18：... 查看详情
分享《深度学习之美：ai时代的数据处理与最佳实践》张玉宏
下载：https://pan.baidu.com/s/1pwhLngunfTmB9WUnh4Abgg更多资料下载：https://pan.baidu.com/s/1lMO23nnrIag8Glvy2Be0Iw更多资料分享：http://blog.51cto.com/14087171版权说明：本人无版权,请您在体验电子版书籍的同时，支持正版，支持正版，购买正版书籍！... 查看详情
人工智能ai专家分享：深度学习初学解惑
...高扬，现某创业公司数据科学家、人工智能专家。前欢聚时代资深大数据专家，有丰富的机器学习、深度学习实战经验。在高扬老师此前的分享中，有不少同学问到高扬老师各种关于入门深度学习这个前沿技术领域的问题。部分... 查看详情
8.11lifelonglearning（终身学习）
ai一体机，满足新时代的新需求
摘要： AI变革带来哪些IT的新要求？深度学习的突破和硬件的突飞猛进，使得人工智能“第n春”焕发蓬勃生机。这是历史上第一次，机器可以在如人脸识别等‘人类’工作上做得比我们人类更好。人工神经网络有许多‘隐藏... 查看详情
ai一体机，满足新时代的新需求
AI变革带来哪些IT的新要求？深度学习的突破和硬件的突飞猛进，使得人工智能“第n春”焕发蓬勃生机。这是历史上第一次，机器可以在如人脸识别等‘人类’工作上做得比我们人类更好。人工神经网络有许多‘隐藏’或计算层... 查看详情
人工智能ai
...对环境做出感知，会基于感知采取合理行动。 AI时代的个人发展与思考人工智能时代，那些程式化的，重复性的，仅依靠记忆与练习就可以掌握的技能，将会被机器所代替，相反，那些能体现人的意志，综合能力的技能... 查看详情
程序人生在这个信息爆炸的时代程序员怎么去学习
目录众所周知的坑，可以不学一、操作系统底层源码二、数学知识三、编译原理四、喜欢把学习的知识强加于业务五、不要向往大公司六、不要面向面试学习知... 查看详情
2011年下半年教师资格证考试《中学综合素质》真题--解析
... 一、单选题 1，()是教师专业发展不竭的动力。是时代发展的要求，也是教师职业特点所决定的。答 案A，关爱学生 B，爱岗敬业C，教书育人D，终身学习考 点中学教师的专业发展分 &n... 查看详情
behave行为树学习使用第一天
...么要使用行为树。 在我们项目中如果需要做一个AI敌人，比如做一个手游某民突击里面的普通步兵，那么这个步兵的基本ai就是从出生点出来后获取一个躲避点,然后向躲避点跑动,当到达躲避点后，开始做各种动作向... 查看详情
科技云报道：未来十年，ai迎来“小数据”时代？
科技云报道原创。“不要相信那种（基于海量数据的AI优势）炒作。”作为全球AI和机器学习领域最权威的学者之一，吴恩达教授近期谈到自己对下一步AI趋势的看法。图：吴恩达教授从事AI研究的人都非常清楚ÿ... 查看详情
ai机器学习-决策树算法-概念和学习过程
...成。结点有两种类型：内部节点和叶节点，内部节点表示一个特征或属性，叶节点表示一个类。直观看上去，决策树分类器就像判断模块和终止块组成的流程图， 查看详情
gpt-4，大增长时代的序幕
...以商用落地，ChatGPT的爆火又仿佛是开启了一个新的AI时代。最近的AI领域的大新闻接二连三，GPT-4的多模态（文本、图片），上周末新一代Office套件发布，AI办公的时代已然到来，明天又 查看详情
基于kubevela的机器学习实践(代码片段)
...AI工程师们来说是繁琐、且消耗额外精力的。而在云原生时代，我们的模型训练和模型服务也通常在云上进行。这样做不仅提高了可扩展性，还能够提升资源的利用率。这对于需要消耗大 查看详情