Yoshua Bengio建议的机器学习路线图

1.阅读深度学习论文和教程，从介绍性的文字开始，逐渐提高难度。记录阅读心得，定期总结所学知识。
2.把学到的算法自己实现一下，从零开始，保证你理解了其中的数学。别光照着论文里看到的伪代码复制一遍，实现一些变种。
3.用真实数据来测试这些算法，可以参加Kaggle竞赛。通过接触数据，你能学到很多；
4.把你整个过程中的心得和结果写在博客上，跟领域内的专家联系，问问他们是否愿意接收你在他们的项目上远程合作，或者找一个实习。
5.找个深度学习实验室，申请；

不仅仅适合机器学习，适合所有需要学习的人。

机器学习与AI

人工智能发展的最大问题，是改进机器学习算法。要想得到足够好的机器学习算法，有很多困难，比如计算能力，比如概念理解上的。比如学习一些联合概率。我觉得我们在训练超大规模神经网络的优化问题上，还是浮于表面。接着就是增强学习，非常有用，亟待改善。

神经科学和机器学习

理解大脑的计算过程跟机器学习强相关。我们尚未知晓大脑的工作机制，它的高效学习模式会对我们设计和实现人工神经网络有很大的指导意义，所以这个是非常重要的，也是机器学习领域和脑科学的交叉区域。

在这个超级强大的机器学习时代，对人类智慧来说，最大最重要的机遇在于两个领域的交叉：弄清楚下一步要解决什么问题，说服很多人解决这个问题，一起去寻求解决方案。这也是对“领导力”的一种合适的定义，而领导力已经在第二机器时代变得越来越重要了。