了解问题，而不是解决方案

有时人们问我应该学习什么 - 他们听到了艾而不见的，但Devops也是如此？进入AI的最佳方式是什么？他们应该从电脑愿景或NLP开始吗？比角度更好吗？那个区块链怎么样？它是炒作，骗局还是下一个大事？

虽然它肯定可以评估每个领域并尝试提供一些洞察力（AI是一种热点，但是有巨大的Wannabe数据科学家和少数开放的角色，而对Devops的相反是正确的，研究线性代数和概率。理论，要么反应，它的炒作），我总是告诉人们迟到，而不是担心这些。它们是解决方案，您不应该学会使用解决方案。

经理经典要求您“带给我解决方案，而不是问题”，这一切都很好，但问题肯定比解决方案更有趣。他们通常也持续更长时间。如果您想看到在解决方案上的太多时会发生什么，请从几年前看一下所有“大数据初创公司”和“Hadoop Startups” - 所有这些都集中在解决方案中，而且都不是知道他们解决了什么问题，现在他们都消失了。

我并不是说所有的Ai初创公司都是相同的方式，但他们可能会。特别是那些“AI初创公司”的人，不知道他们正在解决什么问题。

如果您开始，您的问题不必具体。它仍然可以松散地映射到一个领域。例如：“我想帮助人们保持健康” - ＆gt; “医学” - ＆gt;也许“AI医学介绍”，但现在你被某种东西接地，如果AI没有帮助，你可以轻松地轻松改变你的重点，仍然保持你在视线上学习的问题。

所以挑选一个问题，或者至少是一个领域。如果您必须进入像“AI”这样的解决方案，那么确保它是由问题的基础。你可以选择一个问题，结交朋友，它会让你的公司数十年或几个世纪。如果您尝试用解决方案执行此操作，那么它可能会让您在一个沟里想知道为什么你试图了解这一年。