前几天半夜，一个做销售的老同学给我发语音，说他被公司调去新成立的智能业务组，领导让他一周内搞懂人工智能是咋回事，他翻了两页资料就懵了，满屏的词看着都认识，连在一起完全不知道在说啥。他问我，像他这样零基础的人，到底该从哪儿下手。
说实话，这个问题我被问过太多次了。每次我都想说，别急着去啃那些厚得能当枕头的教材，也别一上来就报什么速成班。我见过太多人一开始雄心万丈，买了三本书、下了五个学习软件，结果两周后就全躺在收藏夹里吃灰。我自己当初也这样，买的第一本讲人工智能的书，到现在还停在第三十页。
先把这几个词弄明白，剩下的都好说
很多人一上来就被各种名词吓住了，其实初学者根本不需要懂太多。你只要先搞清楚三个最基础的概念，就能看懂大部分科普文章了。第一个是数据，你可以把它想成做菜的食材，人工智能这口锅再厉害，没有米也做不出饭。第二个是算法，这就是菜谱，告诉机器先放什么后放什么。第三个是算力，相当于灶台的火力大小，火不够旺，再好的菜谱也白搭。
这三个词的关系特别简单：你给机器一堆数据，它按照算法一步步处理，算力决定了它处理得快还是慢。就这么回事。我那个老同学听完说，你早这么讲我不就懂了吗。你看，很多概念本身不复杂，复杂的是被人用术语包装起来了。
提示：初学者最容易犯的错，是把“机器学习”和“人工智能”当成两个东西。其实机器学习只是人工智能里的一种方法，就像红烧肉只是中餐里的一道菜。你不用一开始就分清所有菜系，先知道红烧肉好吃就行了。
动手之前，先花两天做这件事
我建议你在正式学习之前，先花两天时间做一件看起来没什么技术含量的事：找五个你日常生活中接触到人工智能的场景，然后试着用刚才那三个词去拆解它。比如手机相册自动分类照片，数据就是你拍的照片，算法是识别画面内容的规则，算力就是你手机芯片的处理能力。再比如地图软件给你推荐路线，数据是实时路况，算法是算哪条路最快，算力在后台服务器上跑着。
这个练习看着简单，但我实测发现，能坚持做完五個场景的人不到一半。可但凡做完的，后面学起来都特别顺。因为你不是在背概念，你是在用概念解释你天天见的东西。这比看十篇科普文章都管用。
真正开始学的时候，按这个顺序来
准备工作做完，就可以进入正题了。我梳理了一个适合零基础的顺序，你照着走，大概两周能摸到门道。第一步，搞懂什么是“训练”和“推理”。训练就是让机器看大量例子总结规律，推理就是用总结好的规律去判断新情况。你教小孩认猫，给他看一百张猫的图片是训练，他以后看到没见过的猫也能认出来是推理。人工智能干的事一模一样。
第二步，弄明白“监督学习”和“无监督学习”的区别。监督学习就是你给机器的数据是带答案的，比如每张图片都标好了“这是猫”“这是狗”。无监督学习就是不给答案，让机器自己找规律。大部分入门教程都从监督学习讲起，因为好理解。
第三步，找一个小工具亲手跑一遍流程。现在很多在线平台不用写代码就能体验训练模型的过程，你上传几十张图片，选个分类任务，点开始训练，看它一步步把准确率提上去。这个过程大概半小时，但那种“我亲手训了一个模型”的感觉，比看三天书都提神。我当时第一次跑通的时候，准确率才百分之六十几，气得我当晚没睡好，后来调了调参数到了八十多，又高兴得跟什么似的。
常见问题
数学不好是不是就学不了人工智能？
我当初也担心这个。后来发现，入门阶段根本用不着高深数学，你只要不排斥数字、能理解“概率”大概是什么意思就够了。真正需要数学的地方，等你走到进阶阶段再说，到时候按需补完全来得及。一上来就抱着数学书啃，大概率啃两周就放弃了。
还有个朋友问我要不要先学编程。我的看法是，如果你只是想搞懂概念、能在工作中跟技术人员对上话，不学编程也行，理解原理更重要。但如果你想自己动手做点东西出来，那学一点基础的编程确实有帮助，不过那是第二步的事了，别让这个成为你入门的门槛。
说到这儿，我那个老同学昨天又给我发消息，说他把相册分类和地图导航拆解完之后，开会居然能接上话了，虽然还是半懂不懂，但至少不慌了。他问我下一步该干嘛，我让他先别急着买课，把训练和推理的区别用自己的话讲给同事听，讲明白了再说。这招其实挺损的，但管用。
其实学任何新东西都一样，卡住你的往往不是难度本身，而是不知道从哪下嘴的那股别扭劲。我到现在也没把人工智能的所有门道摸透，每次遇到新东西还是得从头捋一遍。不过那又怎样呢，反正又不考试。