大家已经熟悉本人的AI暗黑史了，不知道也无所谓，反正知不知道也没有什么卵用。世间没有相同的一片树叶，和而不同。接下来我将从三大部分分享自己的AI学习方法论。
主要内容：一、碎片式学习的魔怔；
二、 入门人工智能之前一定要了解的AI简史；
三、及时的总结分享思考和收获，巩固知识结构。
自从生活中加入了AI这把佐料，每天被各种人工智能的新闻信息围绕着，不是AI相关的信息铺天盖地的涌来，就是自己像饥渴多年的狼一样，看到跟智能搭边的赶紧往上凑。我不知道各位帅哥美女，学霸级盆友们，你们学习AI的过程是一种什么体验，反正，我的AI学习经历，大哭表情，总之就是坑中的无底洞坑。今天，让我们一起来填坑~~目测，群众一吨的砖头砸过来！
1、碎片式学习的魔怔
大家从我上一篇写在开头的分享中，具体请见一片软文引起的“血案”：人工智能之初识 ，可以发现，我是一个很爱学习的人，好吧，说一句不吹牛逼会死么，我做好了被大家怂的准备。我基本上把人工智能相关的新闻全部找来看了个遍，例如AlphaGo 和李世石的 PK，本质是新旧两代信息模式之争等等，大家如有跟我一样的爱好，可以自行问度娘，飘过一个蒙娜丽莎的微笑。突然，这么巨大的AI信息流，你确定能够做到坐怀不乱嘛，好吧，老司机果然不一样，我最终是把持不住，被大量碎片式的AI知识淹没，无法自拔。其实，我内心多么渴望，世间真的存在上帝之手，谁知道呢，反正那时就想有人拉我一把，然鹅奇迹并没有出现。所以，我放弃了AI，原因就这么简单，这是一群学霸们搞的事情，我们这种智商的人.....怕砖头，你们轻点砸。其实。后来我发现，我们每学一个学科或者职业技能，都会不由自主的去搜索某某必杀招、某某葵花宝典、攻略秘籍一箩筐，可是掌握的知识却还是皮毛而已，有木有同感？？？学霸自动略过。有没有那一刻，你下定决心一定要洗心革面，额不是，重新做人，额不是，好好学习，天天向上。对，就是这种感觉，心中永远的痛。好，那下面我所讲，你要Duang Duang Duang，认真听了。神马，你已经看到了这里，你是真心想天天向上的，谁都不服，就服你，彩蛋必须袭来。
2、入门学习之前一定要了解的AI简史
被碎片式折磨至久的我，不甘心，就是：不甘心，发誓一定要成为一个行业牛逼式的人物。然后，之前学习产品经理、交互等那种血性再次涌上天灵盖。我发现如果一个人真正想要了解一门学科或者行业的专业知识，必须对这个行业的历史有所深入了解（不信的人自己脑补画面）。你想象一下，平时你熟悉牛逼式人物是不是好多都是满腹经纶，观点独特新颖，他们一开口你就醍醐灌顶......好吧，溢美之词就到此为止！其实，深入挖掘下来，这一群人知识面非常的广，我把它理解为：最大化的背景知识。一个人的背景知识储备，决定了他的底层地基的牢固程度，也就决定了将来建筑的高度，所以你应该足够重视扩大背景知识的重要性。其次，如果你通过广泛阅读脑补了大量的行业知识，你需要为这些零散在各个角落的知识黄金连成一条线，而这条线决定了你的深度。举个栗子，以人工智能行业连成的这条线我把它称作：AI简史。通过阅读人工智能发展史，你会迅速的获取AI行业的发展历程、技术的难点和突破口、科学的深度和广度等等，如果你是这样做的话，你不会马上成为该行业的技术专家，但最重要的是你不会陷入重复制造轮子的那个人，而且可以让你在新领域快速学习，这种看得见的成长和反馈能让你先活下来。如果一开始都活不下去，你有多大的几率成为一个牛逼式的人物呢？？？你懂的。
3、及时的总结和深度思考。
学习人工智能，我犯的最大错误就是长时间不断的大量获取，而没有及时进行有效的思考和总结，所以现在你看到我现在开始苦逼的坐在角落里一把鼻涕一把泪的写这些感悟，希望有缘人看到我的分享后能有点提醒，避免走上跟我一样“不断学习，不断忘记，轮回....”神马，你不会这样，我之前不是说了嘛，学霸级的请绕道！！！
在AI发展历程中，最重要而又最容易被人忽视的一群人，其实是一批数学科学家，这就是为神马你看到现在的算法模型全是特么高深的数学公式，什么函数啊、统计学啊、概率论啊、线性代数啊，其实如果你早了解了AI发展史的话，你会发现，数学那真的是数学科学家研究的事，干我们屁事啊，你只需要知道基本的数学知识、定理，知道通过某个公式计算而来就行了，怎么样，有木有一种要骂娘的冲动。因为，很多人就死在入门的时候，看不到明天的太阳。接下来，我按照自己喜好总结下AI发展史。
希尔伯特纲领：20世纪初期（1862-1943年）德高望重的老一辈数学家大卫.希尔伯特向世界宣布了23个未解难题。到后面，我们会发现与人工智能息息相关的其中第二个问题来源于一个大胆想法（运用公理化的方法统一整个数学，并运用严格的数学推理证明数学自身的正确性）是不是超级牛逼，看不懂的可以略过，你要能想明白的话......那请我吃顿饭犒赏一下吧，反正一顿饭也不会把你吃穷。而这个定理被哥德尔推翻，但是正是因为希尔伯特的野心激励着每一位年轻的数学家。
哥德尔的《哥德尔不完备性定理》：他的定理极大的推动了数学的发展，被美国《时代周刊》评选为20世纪最有影响力的数学定理，虽然当时人工智能学科还没有创建，甚至连计算机都没有发明，但是哥德尔定理似乎已经为人工智能提出了警告。从后面人工智能历史发展中,我们可以联想到，人工智能科学家的盲目乐观，科学的瓶颈，同时人工智能各个学派的四分五裂，群龙无首，哥德尔不完备性定理已有预兆。
图灵的时代-丢番图方程：“是否存在着判定任意一个丢番图方程有解的机械化运算过程”，这个是希尔伯特第十问题，对此问题的研究造就了原始计算机的发明，乃至人工智能行业的诞生。其研究代表就是艾伦.图灵，鼎鼎大名的图灵机发明者。图灵机模型仿真了人类进行计算的过程，而对图灵机模型研究讨论极大的推动了人工智能的进展。而图灵本人，却被当时愚昧的“同性恋”法律毒害，而他的死造就了计算机领域的诺贝尔奖的诞生“图灵奖”。
冯.诺依曼体系结构：这位天才少年有着悲催的上半生，希尔伯特第二问题被哥德尔抢了风头，一气之下转头研究量子力学（学霸的世界真的很难懂，学习不好不应该是打王者农药么），而在即将结出硕果之际，又再一次被另一位天才的物理学家狄拉克的《量子力学原理》大抢荣耀，此时此刻是不是要哭晕在厕所。然鹅并没有，他再次一气之下转向工程应用领域，终于大获成功，还在火车上的他发明了“冯.诺依曼体系结构”，天才级学霸，没有之一。冯.诺依曼的计算机使那些数学家的研究结出硕果，推动了信息时代的到来，自此人工智能的梦想也不再是人类的白日梦。
维纳的《控制论》：这位数学家深入探讨了机器与人的统一性（人或者机器都是通过反馈完成某种目的），出现了通过机器仿真人的可能。他的研究促进后来机器仿真人脑，即大名鼎鼎的神经网络的发明。
写到这里，大家有木有对人工智能发展简史有了初步的了解呢？！反正我读完产生了浓厚的兴趣，并且知道人工智能行业的因，以及可能出现的果（连外星人入侵地球，这种脑补想象你都木有，你确定还要深入AI嘛），科学的发展主要解决的是哪一类问题，同时为了解决这些问题产生了哪些新的技术，从而推动了人工智能的大发展。本来想继续总结“神经网络”，鉴于脑容量有限，同时大家的砖头可能准备好了，所以在下篇我们将从人工智能横空出世开始《达特茅斯会议》，谢谢大家，拜拜！
