这篇文章是 Austin Z. Henley 回顾自己在人工智能和机器学习领域 25 年的冒险经历。
只有登录用户才可以评论
发布到A4周刊
文章从他早期的编程经历开始，讲述了他是如何逐步进入 AI 和 ML 领域的。最初，他并没有计划从事 AI 或 ML，而是通过使用各种工具来完成任务，逐渐被这些技术吸引。
在高中时，他尝试制作视频游戏，通过使用条件语句和随机数来增加游戏的动态性。大学期间，他进一步提升了编程技能，并开始使用有限状态机和高阶函数来设计游戏中的敌对行为和武器系统。这些经验让他意识到，通过增加动态性和变化性，可以使游戏更加有趣。
毕业后，他进入了研究生阶段，学习了人工智能和神经网络等课程。虽然这些课程在理论方面很有价值，但他发现缺乏实际的编程实践。他通过自学和实践，开发了一个低带宽视频聊天程序，使用 OpenCV 和分类器来检测面部表情并生成虚拟形象。尽管这个项目并不完美，但他从中积累了宝贵的经验。
在博士期间，他学习了决策树、聚类和推荐算法等统计方法，用于分析代码编辑器的日志数据。这些方法帮助他识别程序员在编程过程中遇到的困难，并预测他们的行为。他发表了多篇论文，并在实习中应用了这些技术。
成为教授后，他专注于智能开发工具的研究，提出了使用预测模型来纠正程序员的错误概念，并开发了多个相关项目。然而，由于个人原因，他离开了学术界，加入了微软的程序合成团队。在那里，他深入研究了大型语言模型，并参与了多个项目，包括开发 AI 辅助的数据科学工具和编程助手等。
文章最后，Austin 表示将继续从事教学、学习和开发工作，探索 AI 和 ML 的更多可能性。
发布到A4周刊
文章从他早期的编程经历开始，讲述了他是如何逐步进入 AI 和 ML 领域的。最初，他并没有计划从事 AI 或 ML，而是通过使用各种工具来完成任务，逐渐被这些技术吸引。
在高中时，他尝试制作视频游戏，通过使用条件语句和随机数来增加游戏的动态性。大学期间，他进一步提升了编程技能，并开始使用有限状态机和高阶函数来设计游戏中的敌对行为和武器系统。这些经验让他意识到，通过增加动态性和变化性，可以使游戏更加有趣。
毕业后，他进入了研究生阶段，学习了人工智能和神经网络等课程。虽然这些课程在理论方面很有价值，但他发现缺乏实际的编程实践。他通过自学和实践，开发了一个低带宽视频聊天程序，使用 OpenCV 和分类器来检测面部表情并生成虚拟形象。尽管这个项目并不完美，但他从中积累了宝贵的经验。
在博士期间，他学习了决策树、聚类和推荐算法等统计方法，用于分析代码编辑器的日志数据。这些方法帮助他识别程序员在编程过程中遇到的困难，并预测他们的行为。他发表了多篇论文，并在实习中应用了这些技术。
成为教授后，他专注于智能开发工具的研究，提出了使用预测模型来纠正程序员的错误概念，并开发了多个相关项目。然而，由于个人原因，他离开了学术界，加入了微软的程序合成团队。在那里，他深入研究了大型语言模型，并参与了多个项目，包括开发 AI 辅助的数据科学工具和编程助手等。
文章最后，Austin 表示将继续从事教学、学习和开发工作，探索 AI 和 ML 的更多可能性。