「大數據」和「人工智慧」絕對不是只是噱頭！
（Big Data & AI）已經正在改變我們。

「IOT 物聯網」，「Big Data 大數據」，「Machine Learning 機器學習」，「Deep Learning 深度學習」，整個大環境目前充斥著各式各樣的 AI 人工智慧相關的議題，不論談到什麼事情，如果沒有跟 AI 掛上關係就不夠流行，大家已經為了 AI 而 AI，根本不管是否適合或是有沒有用，不論是企業、政府、教育、士農工商各行各業大家爭相「AI 化」，冠上一個「人工智慧」價值就往上提升數倍，但是真正做到 AI 應用的有多少呢？估計應該非常少，而且甚至已經少到出現「AI 泡沫化」的名詞出現了。

隨著人工智慧的熱門議題，大家也都爭相要擠入 AI 這個領域，不論是硬體開發商，軟體開發整合業，顧問服務業，系統分析師，軟體發開人員，甚至學校的學生，全部都想破頭要擠入人工智慧這個領域，不管未來的發展性如何，公司的走向是否相關，有沒有商業模式，不管三七二十一，先搭上這個順風車再說，這樣的風氣實在有點令人擔憂。

大家都想走近路，儘早搭上這班車，怕自己晚了會落在別人後頭，失去機會，失去商機，但是「人工智慧」這是一個涵蓋層面非常廣的領域，除了資訊科技的各項技術之外，還有各種數學統計的學理基礎，更包含了各種領域的專業知識理論，這三者缺一不可，一個人能夠擁有兩項已經非常厲害了，更何況要三者皆熟悉的更是少數的天才，市面上目前真正的「人工智慧」專家或人才，看起來都是學校教授、博士研究、或是在資料分析產業打滾多年的老前輩，缺少很多有能力或有實務開發的人才，人才的斷層非常嚴重，使得市面上人才的需求水漲船高，但是也導致很多走捷徑的人，快速地學習使用機器學習工具，胡亂地套用開源軟體，很快的學會各種機器學習或深度學習模板，但是卻不明究理，不知道模型背後的理論和應用根據，無法解釋模型的演算邏輯，無法說明自己產出的結果，造成很大的落差。

接下來想給幾個建議，如果想要進入「人工智慧」領域的人，還是要先從了解基礎知識開始，包括有資料結構、演算法、機率統計，這三個已經是最基本的要件，不能再少了，如果還有餘力需要在補充相關知識，包括有程式設計、資料庫、線性代數、機器學習的各項理論等，我們這裡說的還不包含個專業領域的知識，就像如果你想要做金融業的人工智慧應用，那對於各項金融方面的領域知識當然也必須要充實，其他像是製造業，醫療產業，教育領域等，各專業領域各有不同的專業領域知識，專業領域知識的重要性不在話下，例如：如果不了解專業領域知識，你怎麼知道各項資料代表的意義，各種資料數值代表的意思，如：EPS、週轉率、替代率、良率、績效等資料代表什麼？要怎麼從海量的資料中撈取計算出有用的資訊知識出來。

雖然我們一個人要學習的東西那麼多，每個人的力量有限，所以分工合作，協同運作，溝通討論非常重要，和各個領域的專家一起協同合作，才能縮短時間，創造雙贏的結果。

最後，奉勸想要踏進「人工智慧」這大染缸的人要有心理準備，這是一條很艱苦的道路，學都學不完的知識，千萬不要被淹沒在這龐大資訊的大染缸之中，一定要循著自己的腳步，一步一腳印從基礎慢慢學起，不要看到電腦視覺很熱門就學這個，那個語音辨識很新就學那個，自然語言機器人很炫就想跳進去，這樣到最後你會不知所措，規劃好自己的學習路徑，一步一腳印的慢慢努力實現，相信最後結果就會是甜美的。

祝大家學習愉快！

PS : 最後一刻還是決定開始加入鐵人行列，目標是希望把這一兩年來學習的知識做一個分享，提供個人的一個學習心得和經驗分享，希望能夠對大家有所幫助。（希望能夠順利完成連續 30 天的文章分享！）