學習人工智能應該籠統(tǒng)還是專注？

首先，人工智能領(lǐng)域的研究內(nèi)容比較多，要想做出一定的成果，最好要專注于某一個領(lǐng)域。爬蟲屬于獲取數(shù)據(jù)的一種手段，從技術(shù)實現(xiàn)上來說還是比較容易的，可以在學習Python編程的過程中做一些爬蟲方面的實驗。

人工智能是一個典型的交叉性學科，涉及到的內(nèi)容比較多，所以學習難度相對也比較大。目前人工智能的研究領(lǐng)域集中在六大部分，分別是自然語言處理、機器學習、知識表示、自動推理、計算機視覺和機器人學，而且這每一個部分里面又有不少細分的方向，所以選擇一個具體的研究方向是比較現(xiàn)實的選擇。

對于初學者來說，從大數(shù)據(jù)入手從而全面進入人工智能領(lǐng)域是一個不錯的選擇，原因有以下幾點：

第一：大數(shù)據(jù)技術(shù)相對成熟。相對于人工智能技術(shù)來說，大數(shù)據(jù)技術(shù)已經(jīng)相對成熟，根據(jù)Gartner報告，大數(shù)據(jù)技術(shù)在2016年就已經(jīng)比較成熟了，目前大數(shù)據(jù)技術(shù)正處在落地應用的初期。從這個角度來看，學習大數(shù)據(jù)會有一個比較系統(tǒng)的學習過程，而且大數(shù)據(jù)是人工智能的重要基礎。

第二：從大數(shù)據(jù)進入人工智能比較容易。目前在大數(shù)據(jù)領(lǐng)域，采用機器學習的方式完成數(shù)據(jù)分析是一個比較流行的做法，而機器學習是人工智能的重要研究方向。從這個角度來看，通過大數(shù)據(jù)進入人工智能是順理成章的事情。從學習和研究的角度來看，通過大數(shù)據(jù)進入機器學習，在知識體系上也具有一定的連貫性。

第三：大數(shù)據(jù)與人工智能聯(lián)系緊密。大數(shù)據(jù)時代的到來從某種意義上來說，促進了人工智能的發(fā)展，尤其是機器學習領(lǐng)域。因為機器學習需要大量的學習數(shù)據(jù)和驗證數(shù)據(jù)，可以說數(shù)據(jù)量越大、數(shù)據(jù)緯度越高，機器學習的效果就會越好，所以近些年來，機器學習得到了較為普遍的關(guān)注。從這個角度來看，學習大數(shù)據(jù)也是為人工智能打基礎。

我從事互聯(lián)網(wǎng)行業(yè)多年，目前也在帶計算機專業(yè)的研究生，主要的研究方向集中在大數(shù)據(jù)和人工智能領(lǐng)域，我會陸續(xù)在頭條寫一些關(guān)于互聯(lián)網(wǎng)技術(shù)方面的文章，感興趣的朋友可以關(guān)注我，相信一定會有所收獲。

如果有互聯(lián)網(wǎng)方面的問題，也可以咨詢我，謝謝！