“在主流的视频直播教学之外，直接与老师在课件上互动能够更快地让我进入学习状态。”
大家的时间都很宝贵，当我们好不容易下定决心要学习一门新知识时，各种影响学习的噪声会在本不富裕的耐心上大打折扣，万事开头难变成了真理。特别是在人工智能的专业学习上，不仅开头难，而且在学完基础概念之后，就要面临代码、公式，熟悉之后又要训练、部署模型，造成中间难、结尾也难。为了更好地自学人工智能，我们开展了多期用户访谈，并且根据在浙大教学20+年的经验总结了以下几点阻碍学习的大boss，知己知彼，才能更好地解决问题，提高自身学习的效率。

认识自学人工智能的难点

1. 内容杂：无法判断学习的成果

当我们去搜索人工智能学习资源的时候，市面上充斥着各种类型的课程，针对不同领域、不同职业、不同方向的学习路径拆解都不同，对于老鸟来说按图索骥并不困难，但是对于新手来说就会产生在KFC店里说“我要一份肯德基”的窘境了。
不可否认的是，部分机构在针对就业方向上的教学目的性强，案例实战塞得满满当当，但局限性同样大，没有针对基础素养的训练，遇到陌生场景就抓了瞎，部分机构承诺的保就业也变成了包过面试，连试用期都变成了挑战。
而作为企业在招聘过程中也是偏好科班出身的面试者，其中关键的一点就是科班出身的同学，具备完整的学习路径和过程，在学习过程中，逐渐建立起对人工智能的客观判断和认知。

2. 效果差：教学与上手有差距

这里当然不是说大家不动手而导致的效果差，而是指在最开始接触人工智能课程时，会由于看书、看视频、看直播等形式，在看和写上存在割裂，又由于人工智能的学习需要安装环境、配置资源，再次增加学习上手的成本。特别是看书和直播，要将书上和老师的代码复现，往往困难重重。当然会有同学们说了，连基础的环境都配不好，那还怎么深入人工智能，我们当然知道，想要真正入行人工智能，必须要经历这些阵痛，不过工程能力的训练在初学阶段的重要性应该是排在认知能力之后的。
前期重重的困难会导致太多的负反馈，让很多同学花费太多时间去调整，甚至打消了可能有很大潜力同学的尝试。自学不应该是对自己的折磨，不应该是痛苦的，自学也需要有好的形式去调整和获取知识。

3. 效率低：问答交流效率低，解决慢

与前两点提到的问题相关，自学最大的问题是需要个人有很强的学习主动性和解决问题能力，否则不仅很难找到高质量合适的学习内容，并且在学习过程中也会困难重重。虽然有各种学习社群帮助解答，但是没法确保有人能够时刻在线帮助耐心解答，也无法保证你遇到的问题能够搜索到一模一样的案例以供参考。当有不理解的地方或者问题卡住时，经常会影响学习下一节内容的进度。
不仅是在普通的答疑中，问答交流的过程贯穿整个人工智能的学习过程，包括前期入门时遇到代码报错的调试，后期针对项目的调优和修改等，因此我们总是希望找到稳定、高质量并且志同道合的社群，在解答过程中提供解决问题的思路更是拓展学习思维，建立认知的重要补充。

如何解决入门人工智能的问题：

1. 学习内容上——深入浅出，从宏观感受AI的前世今生

既然学习路径复杂，也容易形成错误的引导，那么我们不如按照学校的思路来，从宏观整体的维度出发，再细化到不同的方向和领域。在入门人工智能的时候，最好的一门课就是“人工智能导论”，帮助了解人工智能的发展历史、应用领域和前沿方向，并且将 AI 与传统的 IT 教育区分开。另一方面，可以通过简单的入门知识科普、术语介绍等辅助自己形成认知，比如 AI 的核心概念：神经网络、机器学习、深度学习、联邦学习等内容。当然单纯的讲解也会有些单调，人工智能已经不是一门理论内容了，还需要辅助大量的应用案例，比如图像识别、AI 绘画、AI 写诗等项目。

2. 学习方式上——Mo-Tutor，教学一体，lives式讲解

在接触人工智能的初期，除了概念上的理解之外，也需要 Get your hands dirty ，指尖感受 AI 的温度。怎么样打破从"hello world！"开始的枯燥无味的练习过程呢。AI 的教学也不应该是从编程语言的掌握开始，更需要感受像神经网络、模型和数据等关键要素带来的不同。而这些内容又不能够从零开始搭建，那样面向新手不具备可行性。如果像小时候填鸭式一样，通过填写关键内容，调整AI算法模型的表现，那样可以直观了解到 AI 的原理与不同。
想要学生直接接触到老师的项目肯定难度过大，fork已经完成的任务包括环境配置、代码调整等过程，传统的看视频的方式无法支持这种展现形式。
那么是否有方法帮助解决这个问题，让学生在跟随老师学习的同时能够快速的做一些简单的尝试和练习，了解自己的掌握程度，让学习的过程更加连贯呢？我们开发了 Mo-Tutor 模式，Mo-Tutor 希望学生在学习的时候跟它的名称一样，有一位私人教师，帮助你了解和学习。Mo-Tutor 模式让学生在电脑上单独学习的时候也能像有一位教师在身边指导一样，讲解内容、圈画笔记、辅助代码、帮助纠正。
Mo-Tutor 在讲解的过程中保留了笔记和代码
​

Mo-Tutor让教学环境从视频转到真实的notebook代码环境
​

Mo-Tutor让学习过程更加纯粹
​

3. 做好准备，正式学习——理论+实训，Mo-Lab一站式支持

深入浅出地讲解一个问题能够帮助学习者更好地入门，但是面对真正要深入该领域地学习者时，我们必须要有足够的勇气啃下一根又一根的硬骨头，特别是在人工智能的学习领域，需要具备扎实的代码能力，一定的数学基础，模型开发能力等。
除了帮助快速入门的 Mo-Tutor 教学模式外，肯定不能少了原汁原味的模型开发环境，才不至于到自己些项目的时候一脸懵逼。与 Mo-Tutor 相互配合的开发环境是 Mo-Lab ，Mo-Lab 集成了开发所需要的基本要素，同时还提供了公开的项目、数据集与 GPU 等资源，便于新手用户跳过没必要的环境配置、租用 GPU 等繁琐条件，聚焦在模型的开发上。

4. One more thing —— ChatGPT 支持+社群答疑，效率+思维碰撞；

AI 的学习怎么少得了AI 的辅助，在标准的学习路径之外也应该提供一些更加酷的功能。比如，我们将 ChatGPT 做了进一步的开发，一键即可针对问题做出解答，让学习不再卡壳，不再孤独。当然，与 AI 的交流之外也需要来点温度，社群中提供了来自天南海北志同道合的小伙伴，一起学习一起进步。

最后，上面提到的AI第一课、Mo-Tutor 模式，ChatGPT 解答等，都是由浙江大学开发的 Momodel 平台提供，做 AI 很简单，但是 AI 教育很难，需要经验、热情和坚持，就像小墨鱼一样，大大的脑袋里面装着无限的墨水，等待着你来发现无限的能量。我是Momodel平台的小Mo 期望大家多多关照！