是的，浪潮来了
去年AlphaGo击败李世⽯， “⼈⼯智能”成为热词⾛⼊⼤众视线。事实上，各⼤科技巨头在⼈⼯智能领域的布局早已开始：Facebook成⽴了FAIR和AML；Google前后并购11家AI公司，更以4亿美元巨资收购DeedMind；Microsoft雇⽤的⼈⼯智能科学家和⼯程师⾼达数百位，囊括⼈⼯智能领域数⼗个分⽀； Amazon、IBM、Uber、Tesla 也各⾃在⼈⼯智能领域投⼊巨资。
在国内，腾讯⼴招⼈才构建DI-X深度学习平台；阿⾥成⽴了iDST部⻔并于年初发布“NASA”计划，为⼈⼯智能招兵买⻢；百度挖⻆陆奇，将⾃身定义为⼈⼯智能企业，以全部身家压注⼈⼯智能。
今年2⽉份，李开复公开预⾔：AI的⾰命将是⼀场⾮常彻底和⾎腥的⾰命。不能接受AI+概念的公司将被颠覆。⽆独有偶，前⼏周，亚⻢逊CEO杰夫·⻉索斯在年度股东信中表示：⼈⼯智能会引⼊很多变⾰，⽽机器学习会帮助那些积极拥抱它们的公司，同时对那些抗拒变⾰的公司构成障碍，并表示亚⻢逊正全⼒拥抱⼈⼯智能。
不同于专业领域⼭⾬欲来、如⽕如荼的决战景象，⽹络上⽓氛虽然热闹，⼤多都肤浅可笑。层出不穷的“⾏业观察”，⼏个莫名其妙的公知⼤V的“深度谈话”，让⼀个充满朝⽓的技术变成了⼀个⼈⼈都能插⼀句的社会⼋卦，忧虑“⼈⼯智能是否会导致⼈类灭绝”。
这个场景给我的感觉就像是：⼀座巨⼤的矿藏前热热闹闹挤满了⼈，⼈们对着这座宝藏指⼿画脚、窃窃私语。然⽽技术变⾰的真正主⻆，从来都是全副武装的专业⼈员——具备理解、掌握和应⽤机器学习技术能⼒的⼯程师们。
然后呢？
据我所知，⽬前国内知名的互联⽹企业⽆⼀不在建⽴⾃⼰的机器学习团队，以期⽤机器学习技术，提升产品的体验和智能化程度。
因为⼯作的需要，近⼏年我对机器学习的原理和应⽤做过⼀些研究、思考和实践。对于机器学习，我的观点是：机器学习技术是今后所有技术⼈员都绕不过的⼀个⻔槛。
为什么这么说？
很多和我⼀样经历了移动互联⽹时代变⾰的朋友都或多或少有所体会——2009年左右，移动互联⽹的浪潮刚刚来临，彼时，⼤多数在PC时代的技术⼈都没有意识到新的技术世代已经到来。多少PC时代的技术⼈⻢失前蹄，⽽⼜有多少技术新贵乘着移动浪潮扶摇直上。
物竞天择，适者⽣存。技术世界是残酷的，⾰命性的技术总是会周期性地出现，⽽对新技术永不停歇的追赶也许是我们技术从业者⽆法摆脱的“希绪弗斯”式宿命。
机器学习正是这样⼀个可以为引起⾏业洗牌的“⾰命性”技术。它的技术特性，使其能够进⼀步地解放⼈类，⽤更低的成本创造更⾼的价。现在，机器学习的算法和框架已⾜够成熟，硬件⽀持也⾜够强⼤，⼤数据技术也解开了其训练数据量不⾜的束缚。接下来，它对各个⾏业的改造，将是摧枯拉朽的。
那对于想投身机器学习⾏业的⼯程师和团队，应该如何融⼊？如何快速确定⽅向？快速实现产品？我的答案是：抓住浪潮，主动出击，⼴泛学习。去深⼊了解机器学习技术在每个⾏业中是如何应⽤的：深⼊到精妙的技术细节，吸收⼯程上的最佳实践，了解成熟的产品架构设计，全⾯观察⾏业的上下游……你需要去接触这些⾏业的核⼼技术⼈员：与他们交流、沟通、学习。
这⾥我要为⼤家安利⼀个由我朋友举办的机器学习⼯程应⽤向技术⼤会： 2017全球机器学习技术⼤会。去年他也开办过关于微服务和C++主题的技术⼤会，反响不错，值得信赖。
此次⼤会的讲师全都是来⾃国内外⼀线⼈⼯智能公司，既包括在AI领域圈地围城的Google、 Facebook、 Microsoft这样的平台型巨头，也包括别具特⾊的Skymind、Operator、 Boomtrain这样的硅⾕创业新秀；同时也不乏像Uber、 Netflix、 Esty、 Pinterest等通过机器学习已经挖到⾦矿的弄潮企业，当然国内在AI领域⼤举杀⼊的阿⾥、腾讯等巨头⾃然也会不缺席。这些都是真正开发、应⽤机器学习技术的⼀线⼯程技术专家，在全球机器学习领域相当有代表性。
⼤会有主题演讲、互动研讨、案例分享、⾼端培训多样的形式，站在⼀线技术⼈员的⻆度，分享机器学习技术在各领域的发展和实践应⽤。对正在从事或预备投身机器学习⾏业的朋友来说，含⾦量⾮同⼀般。
当然，最后能有多少收获，还得看你⾃⼰的“⼿段”。
话不多说，我“挖矿”去了
点击“阅读原⽂”，获取“2017全球机器学习技术⼤会”更多信息。
