学习 AI 最好的时间，现在，或者 60 年前

Gitee 上 AI 相关开源项目汇集： https://gitee.com/explore/Artificial-Intelligence

2016 年，当人工智能 AlphaGo 打败了近十年来世界围棋界最优秀的人类李世石，拿下“人类智慧保卫战”的胜利，世人震惊。人们突然惊醒般，发觉 AI 距离人类是那么近。

“人工智能”可以追溯到 1956 年，当年“人工智能（AI）”这一术语被确定，同时关于其任务也开始明晰，辅以 1942 年科幻巨匠阿西莫夫提出的“机器人三定律”这一后来被学术界默认为研发原则的理念，人工智能在短短几十年间经历了几轮浮浮沉沉。

第一轮由于计算机与互联网技术刚刚起步，运算速度有限，在很大程度上制约了人工智能的发展；第二轮由于数据量不足，加上测试环境有限，人工智能多只限于学术研究，没能走出实验室，对于普通人来说无法体会到其实用价值；而到了当前第三轮，随着各种周边技术与条件的发展，以及 AI 理论本身的不断积累，以往的限制因素已经被解放，人工智能掀起了另一次大浪潮。

遍地的人工智能理论与实践，再渗透到今天人们日常生活中的方方面面，诸如网购快递物流、手机人脸识别解锁、拍照智能修图、自动化文字客服、机器语音传销、游戏中的 AI 机器人玩家……普通人也能时刻感受到来自人工智能的魅力。

当前第三次人工智能浪潮似乎没有以往几次的“不可期”，更加具体地说，当前人工智能在数据、算力、算法与平台四个方面都取得了长足进展，AI 已经走出实验室，进入了市场，并实现了产业化。

近来我们也看到国内有越来越多的公司与开发者在该领域贡献了许多，比如近期多款深度学习的框架开源，比如各种论文在顶会上获奖，又比如当前越来越多平日里衣食住行行业应用都研发出了相应的 AI 能力。

开源中国（OSCHINA）本期技术会议“源创会”将带来 AI 主题的分享，有理论、技术原理结合实际应用，为关注 AI 以及开源的开发者献上一次精彩的线上直播。

此次源创会 AI 主题会带来哪些议题：

• 未来 80% 的数据都属于非结构化数据，而深度学习已成为处理非结构化数据的标准。在过去开发者偏重于算法与模型方向，但随着这些模型还有算法的成熟，AI 的痛点逐渐转移到如何在海量的向量里面进行高速分析搜索……
• 生产环境中，构建端到端的机器学习 Pipeline 通常会花费大量的时间，将只描述意图的 SQL 编译成多阶段机器学习任务代码如何实现？
• 基于 Kubernetes-native 的弹性容错分布式深度学习方式，使得训练任务可以不重启容忍节点丢失，并自动缩放节点数量，减少任务平均等待时间，整体提升集群资源利用率，具体原理是什么?实操又怎样？

在分享之前，为了让大家更好地掌握直播内容，我们先给大家精心准备了一波资料用于“预习”。

资料包里有哪些内容：

AI 基础： 关于 AI 方方面面的入门性材料，形式有文档、有教学视频，内容有理论、有算法、有语言、有框架，还有告诉初学者如何在 AI 这一条路上前行的学习脑图。

AI 实践： 包括大厂们的 AI 技术案例、进一步的学习视频教程与分享 PPT 等。

拓展阅读： 授人以鱼，不如授之以渔，除了直接给大家分享一些学习内容，我们还精心准备了能够让想要在该领域继续学习的开发者不断成长的内容，比如学习 AI 可以逛哪些网站？AI 相关的书籍哪些比较不错？以及 AI 相关论文可以看看哪些？……

当然，源创会直播的时候，大家还可以线上跟专家直接交流。更有一系列福利相送，感兴趣的话可以添加小助手了解更多此次活动的相关信息：