不知不觉间，距离接触深度学习已经有一年矣。犹记得去年此时刚填完研究生的推免志愿，没有能够如愿离开呆了四年已然有些厌倦的哈尔滨，心里多少都有点失落。唯一的庆幸可能就是至少逃离了原来不甚感兴趣的自动化专业，以及对未来所要学习的深度学习或者是人工智能这个方向抱有很大的期待。

进入实验室后的第一次组会报告，我负责向全组同学介绍 CNN。那个时候的我，也是第一次听说到这个概念，只能疯狂学习恶补基础。公开课、论文、网站、博客，到处都是我的学习资源，我似乎打开了一个新的世界，又或是像一个土里土气的乡下人第一次来到了大城市。从神经元到全连接到卷积，从前向传播到反向传播，从损失函数到各种优化方法，一个个也都渐渐被我征服。不过，自己亲手用代码实现之后才算是真正明晰，在组会上让其他人全部听懂或许才算是真正理解。这时候，我只能算是刚踏进深度学习这个大门。

之后，又开始系统地观看吴恩达的深度学习和机器学习系列课程，同时，一方面阅读一些更细分领域的论文，了解深度学习是怎么应用到具体的图像处理问题的，另一方面，毕业设计也跟着师兄尝试将深度学习应用到三维网格的去噪中去，可以说是，理论、前沿和实践一个都没有落下。看起来，一切都进展得十分顺利。别人这样觉得，老师这样觉得，我一度也这样觉着得。

可是，了解完了大部分的经典神经框架，尝试过各式各样的优化方法，学会了越来越多的调参技巧后，我渐渐觉得这个黑匣子没有当时看起来那么耀眼。缺乏完善的理论指导，可能会让你走向错误的方向，一味追求表现效果，更会让你遇到问题时手足无措，经验先行。层出不穷的网络变种和形形***的学习框架，不是真正的人工智能，而蜂拥而至的无数同行也只会削弱你的真实价值，让你在人才市场一文不值。这都不是我想要的。

应该说，这一次深度学习的风靡，很大程度上是得益于海量数据的易于获取和计算能力的大幅提升。都说，站在风口上，猪都可以飞，但我们却都忽略了风停之后猪摔得有多么的惨。在这样一个人人张口闭口不离深度学习的时候，我们更应该静下心来做些真正有利于我们将来发展的事情，差异化竞争才能真正走得更远！

作为非科班出身，扎实的数据结构和算法编程能力是不可或缺的；图像处理领域，良好的线性代数、概率论、矩阵分析和最优化基础是制胜的法宝；人工智能，可能更大可能还是建立在无监督学习、强化学习上面；当然，传统的机器学习和模式识别在任何时候都会发挥它们巨大的价值，正如所有经典理论都经得起时代的检验一样。这些，或许才是我接下来研究生生涯应该真正努力的方向，正确的道路加上持续的深耕，我相信一定会有成果产出。

最近读到一段话，大意是说，如果做一件事情每次都有 51% 的成功概率，而且可以无限次地重复做下去，那这件事情就一定值得去做。愿所有人都能早日找到这些值得做的事情，然后，不断地坚持下去，脚踏实地，总有一天，你会发现满天星空就近在眼前！

获取更多精彩，请关注「seniusen」!