无论是有经验的研究者还是新学 AI 的工程师，在当今云化，智能化的年代，如果能快速学习并刷新算法和工程的各种挑战，就可以通过算法创新引领并且赋能社会各个领域。
虽然机器一直在尝试模仿人类的思维方式，但最终结果还是我们与机器之间彼此无法理解。那么如果换个角度，让人类去学习机器的思维方式呢？
虽然只有28岁，但已经是爱沙尼亚的首席数据官，作为研究生正在监督波罗的海小国推动将人工智能和机器学习纳入为130万公民提供的服务。
人们错误地认为机器学习是一种单一的、通用的东西，而这也一直是在理解自动化上的误区：随着每一波自动化，我们想象我们正在创造的是拟人化的机器或是具有广义智能的机器。
现阶段想要低门槛、短时间地训练处一个好的强化学习模型，还是很困难。但正如吴恩达所说的，“短期悲观，长期乐观”，深度强化学习作为机器智能接下来的发展方向，是毋庸置疑的。
零样本学习zero-shot learning，是最具挑战的机器识别方法之一，从原理上来说，ZSL就是让计算机具备人类的推理能力，来识别出一个从未见过的新事物。
