在很早的博客里，我就提到过从13年底开始，就对Web开发不感兴趣，想要做更底层的开发。那时只有一个模糊的概念。认为越底层的知识、技能，越难，也就难以被替代，更保值。便研究图形学、图像处理。我天真的以为DIP是程序理解现实世界的基础，后来发现错了，发现CV才是。再后来发现，完全不是那么回事儿。CV的目标也不是理解现实世界。我曾以为的“从程序的角度理解现实世界”这个概念就虚、宽泛，就如同AI，本身定义就不清晰，分支那么多。于从15年中就开始关注“机器学习”，从一个小的分支切入。后来验证，这的确是很好的方向，只是我自己本职工作的方向还是CAD开发，还要补充数学课程，在这方面花费的时间太少了。   还记得当初在学校学习LISP的时候，我初次对于编程语言表述能力这个东西很感兴趣。为什么语言的表述可以解决问题？我们使用的语言究极表述能力是什么？语言、逻辑、数学是什么关系。我便开始学习编译理论。和其他同学不一样，我学习多种编程语言的目的不在于帮助找到工作或者做项目。只是想知道背后的原理。是我最受影响的书不是“龙书”，而是Automata Theory, Lanuages, and Computation，这本书真正让我意识到数学的魅力。从此才关注起来，如何让程序具有更加强大的表述能力。慢慢的转变到关注人工智能、机器学习。我想，一定有不少学过编译理论的同学，一定对Symbolic AI有过兴趣。现在我们一提到AI，必然提到超大量数据。仿佛没有数据就没有AI。这是不对的。机器学习只是弱人工智能的一个方向而已。   我不大喜欢“人工智能”这个词，我们现阶段达到的成果和人们期待的平相差甚远。就不要用这个概念来博取众人关注了。免得人们失望。但是，回头想想，这都是第几波浪潮来着？算了。这两年人工智能，或者准确的说是机器学习岗位的工资开的很高，很多人羡慕。不得不说，的确是非常吸引人的岗位。我们这边CG方向的master和doctor，研究的东西同样很高端，数学要求也很高，薪资水准就似乎低了一些--虽然我认为做ML工作的人并不比他们更聪明，或付出过更多的学习。机遇而已。至于媒体上经常提到的数百万的AI人才缺口，笑笑便好。事出反常必有妖。211学校一年计算机方向硕士以上毕业生的数量，算算便知。不是那么好学的。也不要会几个接口调用，就说自己会AI了。   学习机器学习，和学习其他编程的知识、技能一样，是很有趣的。也可以给我们带来及时的反馈。我们工作的成效可以立马被验证，能够为社会创造价值。当下，已经有不少团队把ML、DL应用到医疗研究领域，我觉得这才是很有意义的事情。新药、新医疗设备、新的知识，能够挽救更多的生命。我所害怕的，就是生命还没有创造价值，便要离开这个世界。这多么无聊。