很多朋友不知道如何从零开始学习AI，下面来教你。
在准备学习AI之前，可以先在网上学习一些基本的基础理论知识，了解一下AI的界面以及工具栏等功能。
简单熟悉之后安装好软件，就是进入AI进行基本操作学习了，多练多看慢慢就能够熟悉起来。
熟悉软件之后可以在网上找一些简单的素材进行临摹学习，也可以看一些网课进行学习巩固。
此外，要想真正学好AI的话，就要给自己制定好一个目标，并且坚持耐心下来进行学习，不要半途而废。
科学家创建了一种算法，可将 AI 学习速度提高 20 倍
Tinkoff Research 的人工智能实验室是少数几个在内部而不是在非营利组织中进行科学研究的研究小组之一，该实验室宣布发现了一种新算法，可以将 AI 训练速度提高 20 倍。研究结果于 7 月底在夏威夷群岛举行的第 40 届国际机器学习会议 (ICML) 上公布。
使用不同算法训练的机器人的决策可视化。上面四图是之前基于RND的方法，下面四图是SAC-RND方法。图像中的箭头应引导机器人到达一点——它们指示正确动作的方向。Tinkoff Research 方法在所有情况下都能始终引导机器人到达所需点。
新方法被称为SAC-RND——Soft Actor Critic（软演员评论家）、RND——Random Network Distillation（随机神经网络）。在机器人模拟测试中，Tinkoff Research 的 SAC-RND 在以更少的资源和时间提供结果方面速度提高了 20 倍，性能提高了 10%。
RND方法使用随机和主神经网络，而第二种方法尝试预测第一种方法的行为。神经网络的深度很重要，即它包含的层数。主要的数量不应少于随机的数量，否则它将无法对其行为进行建模。这将导致不稳定或导致无法学习。
Tinkoff Research 的科学家发现，之前关于在强化学习（RL）中使用随机神经网络这一主题的研究的作者，随机网络的大小为四层，而主要网络的大小为两层。因此，可以识别早期实验和结论中的缺陷，因此人们认为 RND 方法无法对数据进行分类，以区分数据集中的动作和不存在的动作。Tinkoff Research 的专家修正了网络的深度，将它们变成等价的，并发现在这种情况下该方法可以区分数据。
然后，科学家们开始优化该方法：结果，由于基于信号调制及其线性显示的融合机制，机器人学会了提出有效的解决方案。在之前对 RND 的研究中，信号没有被进一步处理。
借助 SAC-RND，将有可能提高无人驾驶车辆的安全水平，促进供应链，加快交货和仓库工作速度。此外，使用新方法还可以优化能源设施的燃烧过程并减少有害物质的排放。
“人工智能训练是一个需要大量资源的过程：首先是计算能力、财务成本和时间。它的优化将加速所有使用人工智能代理的领域的发展，例如机器人技术。”
廷科夫新闻服务处
此外，Tinkoff Research 科学家的发展不仅将改善高度专业化机器人的工作，加速研究，包括强化学习领域的研究，还将创造出能够单独应对各种任务的通用机器人。
