最近換工作，要學很多以前我沒用過的程式語言技術，像是 TypeScript, GraphQL, Relay 等等。於是我上網找了很多免費的、付費的教學影片，像是在 YouTube、 Udemy、PluralSight 等等平台。 但很多教學影片從製作至今已經過了兩三年甚至五六年。在軟體的世界，過一年就人事已非了，何況是現在去看 2016年的教學說明。許多 web packages 的版本在六年間已經從 version 5.x 跳到 18.x 之類的... 因此即便那個教學影片再怎樣的手把手教學都沒有用。資訊已經完全過時。 軟體的世界就是這樣，技術日新月異。圖書館都不願意收舊的 coding 教科書，因為過時的資訊難以幫助到人。 軟體的世界就是這樣，技術日新月異。圖書館都不願意收舊的 coding 教科書，因為過時的資訊難以幫助到人。 許多人常萌生要自學 coding的念頭，但因為不得其門而入，一不小心熱情就會澆熄。身為一個自學 coding轉行當軟體工程師的人，我理解這種感覺。我們身在一個資訊爆炸的時代，但資訊量太大，找到對自己有用的教學資源其實就是自學最困難的一步。 很多人想到要學 coding，會想「課程會不會很貴？」「會不會很難？」「會不會需要花很久的時間？」其實這些問題都問錯了。自學 Coding是個知難行易的學問；如果知道怎麼找自學的資源，不用花多少錢甚至免費就能達成。如果找到對症下藥、適合自己的資源，認真跟著看跟著做也不會難上手。但如何找到那個沒有過時、資訊正確又適合自己的課程？很多人花了大把時間、大把金錢就卡在這個第一步。 我舉一個生活化的例子你就懂了。Ikea 的傢俱你說難組嗎？其實一點都不難，但先決條件是 Ikea的說明文件非常好懂、資訊正確，而 Ikea 家具的品管做得不錯，大部分我們買回家的包裝裡頭零件都正確，因此照著說明書一步一步完成不難還非常有成就感。 但我們也都買過很爛的家具組：說明書沒人看得懂、裡頭的零件缺一大堆，甚至連家具的裁切、材料本身都有問題，大小根本組不起來。不然就是說明書過時了：零件已經改版本了，但說明書沒有更新。如果組一個家具要一直打給客服補貨、換貨，而且甚至問題在哪裡我們都推敲不出來、客服那頭沒人回答我們問題... 我們一定非常洩氣，很快就放棄組家具了。我們一定心想「組家具太難了！」 以網頁開發這塊的 coding來說，...
我最近在上一些 AI 的課程，覺得 AI 的理論基礎還頗引人入勝的。 幸運地，公司很鼓勵大家學習 AI 相關知識技術，讓我名正言順地探索 AI 的世界。 寫這篇是想藉由寫作整理一下我目前的學習心得。但畢竟我只是初學者，所以以下講的話可能顯得門外漢，還請大家包涵。 1. 所謂的 AI，就是讓機器可以取代許多傳統上以為人類才能做到的事情。好比：辨識手寫文字、辨識影像圖片做分類、翻譯、口譯、理解文章內容、在大量沒有規則的資料中找出規律....等等等。AI 可以運用的範圍無遠弗屆，包括無人駕駛、幫大量文獻寫摘要、人臉辨識、回答客戶問題、語音回話.... 2. AI 如何能做到以上這些事情？依照我的方式理解與歸納，主要靠這兩件事：(a) pattern recognition 及 (b)大膽地假設、小心地求證。 a. Pattern recognition (規律辨識) 機器要做事，不可能叫他「靠直覺」、「靠本能」。機器是沒有直覺跟本能的。它的直覺跟本能就是你餵一套運算方法給它，輸入什麼 x 它就吐出什麼 y。 Garbage in garbage out — 這是唯一機器能夠運行的方式。 了解 AI 背後的邏輯就會知道，AI 其實沒有什麼魔法，就是純粹的把所有人類平時的行為拆解拆解再無限拆解，變成一條一條命令餵給機器。 這有點像舞蹈老師在教跳舞。老師跳起來是舞林高手、神乎其技。但好的老師能把動作一一拆解，把一個節拍的動作分解成二分之一拍、四分之一拍...每個節拍對到哪個動作，如果能夠講解地清清楚楚、分析地准准確確，學生經過千萬次練習，終能學起來，做到跟老師一樣。 AI 就是我們的學生，而且他是最好的學生，因為他練習千次、萬次、十萬次、十兆次都不會累、不用休息。而我們（工程師與資料科學家們）的工作，就是把我們想要機器學習的事情（說話、翻譯、辨識圖片、寫文獻摘要等等）做拆解。把一個句子拆解成一個一個的單字，把世界上所有的單字分門別類、依照關聯性建模組....把語言分析、分解成有規律的方程式，再教給機器，機器就能學習。 難就難在語言不是完全有規律可循的。語言是活的、是天天受環境、受使用...