數學在計算機領域的重要性，大家肯定都有差不多的共識，當然不用細說，從計算機底層電路開始往上看，就是電子、邏輯和數學計算的集大成。去掉硬件部分，整個靈魂核心恐怕就是數學了。當然，這還只是從計算機原理的角度看，上升到人工智能的層面呢，那更是數學公式一大堆，燒腦無限。
若是試著瞭解一些計算機編程知識，會發現編程易學難精通，其底層原理其困難程度能成功嚇退一批人；而再試著去探索觸摸下人工智能機器學習的皮毛，其天文般的數學符號和邏輯、夾雜各種學科交叉更能成功成為另一大堆人的攔路虎。所以，很多人直言不諱：如果數學不好，就不要學習計算機編程了；如果數學不好，沒有天賦，那就不要接觸人工智能了。
當然這種論點帶有專業性和普遍性，這裡不做置評。其實現在對人工智能概念和範圍的理解，在不同的人看來有不同的角度和定義。我們不談爭議的地方，也不從太深太多的層面詳細闡述AI，而只從數學在AI中作用這一小小疑問切入，談一點當前我們平常人在接觸和了解人工智能和相關應用上的小麻煩。
數學不好，的確學不好更深度的東西，而現在的AI，的確又是高學歷頂尖人士在研究。不過我們所謂的數學不好，並不能說明在數學上沒有突破的可能，當然一人客還有一點，我們能挖掘到的自己的潛能，其實往往已經夠我們生活和發展使用了。基於此，如果我們想去涉足或學習人工智能，難不成一觸即潰淺嘗輒止？另外，數學不好，不見得能妨礙我們人類和AI交互，很多人都認同未來會趨於人機融合，那麼我們和AI的交互，豈不就是一種彼此融合的學習。
從編程的角度看，學編程有兩種，應用型編程和研發型編程。應用型，不求甚解，追求實現；研發型，不求太廣，只為精深。每個類型的人都有相應的舞臺（當然，氾濫和跟風的除外）。然而這兩種編程人員的分佈，卻並不一定只靠天賦來決定的。如果上升到人工智能高度呢？
人工智能在讓機器模仿人，做到只有人才能做的事。對於我們很多普通的人而言，生活在社會各個領域各個階層，擁有各自的出身、習慣、靈性、反饋本能和基因，我們每個人的現實，就是各種的個性的應用場景；我們每個人的人生，就蘊含著各自的性情、經歷、智慧和圓滑。所以每個努力生活親近現實的勞動者，其實都是創造者和開發者，而上升到AI高度，我們又有AI需要學習的東西，我們可以幫AI訓練和標記。這和數學關係不大。
所以如果人工智能以人為本，那麼我們從人的角度思考，是否會有新的發現？如果需求驅動創新和應用，那麼我們從現實場景和應用上落腳，反過來再涉足AI是否有更好的突破？技術為人服務，AI落地才有價值。迴歸到人的本性、需求，也許是學AI的另一個路子。這就好比，你未必要從數學家的高度開始，但你可以從數字分析和經驗智慧中著手。什麼叫數據分析和經驗智慧？也就是你可以用物聯網大數據幫自己觀察，觀察的結論卻是通過對全維數據的分析和人類本性的經驗和智慧。學AI，是為了更好地挖掘需求，把技術和需求銜接，引導技術落地。當然，這只是一人客突然想到的角度而已。
閱讀更多 一人客 的文章
