小酷的帖子大家讨论的太热烈了，当然对 AI 看法不一，有认为这是必然趋势，又认为目前还不能有大突破，
那么这次大会也是没有 AI 就缺少逼格的感觉，基本上各个话题都少了不了关联 AI。
一个很现实的问题是，大多数在职测试人员，都没有 AI 相关基础，都不是人工智能硕士，甚至都不是计算机科班，只是会 python 做自动化 或者测开。
这样一个背景的人，
1，该如何学习 AI，（AI 涵盖的很广，即使人工智能硕博也只能在某一领域专心，我们该有限的精力在哪方面发力，学到最可能关联测试的 AI 方向），买了一本书，其实也是点到即止，况且一大部分用来讲 python 基础与其他方面的东西，感觉有这一本书还是完全没有方向
具体我们该一个什么样的路线，循序渐进学习？
2， 现阶段业余时间学习 AI 以用来应对未来可能的技术升级，是否现实（常规时间还是要测试或者写工具，只能业余时间学），能学到什么程度！
目前职位：算法工程师，方向计算机视觉，2 年基本入门。因为自己过菜，目前弃疗中。。。
首先是数学基础，入门级需要懂矩阵相关的操作，一般数二也就够了。需要有一定的概率论基础。
细分方向主要有：计算机视觉、自然语言处理、推荐等几个方向。
然后你需要选定一个领域，了解一些基础的概念，比如图像推荐 CS231N，自然语言推荐 CS224N，机器学习推荐吴恩达的课程，这些 B 站都能找到。
然后你要学习一下基础的神经网络训练框架，比如 PYTORCH，理解什么是 tensor，什么是网络图。跑跑 DEMO，理解个 RESNET50，word2vec 啊，也不会太难。
再然后你去 GITHUB 上 GIT CLONE 一个开源的模型，DEMO 就可以搞定的。
如果 0 基础，几个月不怎么休息，有时间就回家看书的话，估计也要个半载吧，估计也没人能坚持不下来，我当年没坚持下来，索性裸辞了。
BUT，如果你把数据搞好（标注好，清理好，numpy 必须会），有算法开发支持你，替你简单找个模型训练一下，估计也就 1，2 周吧。
你要真正了解 AI 这件事，你需要有如下能力：
1.扎实的传统算法基础。
2.长期的论文阅读能力。
3.对数据、对场景的理解能力。
4.编程落地能力，有算法工程师不要求 C++ 的么？好像没有！~
而这些都不是一个非科班在 2 年内能提升到的。
真要做这行，数学功底，数学功底，数学功底。请去读书，请去读书，请去读书（至少 985 计科相关的实验室），重要的事情说三遍。
这玩意门槛会越来越低的，阿里应该是有界面可以用拖拖拽拽直接生成模型的框架，在某些平台下，未来可能都不用学。最后考验的是数据。
虽然我从来不相信测试用 AI 能做出来能用的东西，但是总归也是一种尝试啊。也别总是 APPIUM 啥的，这都过去多少年了。测试方法论什么拓展测试，虚头八脑的，除了忽悠人还能干啥。
我不建议普通的测试人员学 AI， AI 是只有大厂才有成本玩的东西。 普通测试学了基本没什么用。
这么惨吗？
哎，确实，不建议学，大概率用不到，实际也提升不了 B 格。
先学一些开发技能吧。比如音视频，也有很多路可以走。
不要跟我学，只有我自己知道硬抗了多久。
而且我技术学历起点，比这里可能 99% 的人都要高，要搁现在这个信息发达的年代，随机分我去测试，我 2 周就跑路了，也不会做测试。
目前我知道测试转算法，除了我之外，从未听说。
magicyang
回复
而且我技术学历起点，比这里可能99%的人都要高，要搁现在这个信息发达的年代，随机分我去测试，我2周就跑路了，也不会做测试。
大佬为什么不一开始就做算法
1.能做开发早做开发去了。
2.能搞算法谁还稀罕搞 crud。
3.能搞后端才不搞前端那。
综上，大多数测试甚至测开不需要熟悉或精通 AI，你只要知道有哪些 AI 服务可以拿来应用在你测试目标上，解决一个痛点或增加一个爽点就可以。
感觉能评估好模型结果就已经很不错了
我都毕业 15 年了，没想过自己考研会挂，那时学生思维过于严重。
当初面了一共 3 家，海思的芯片算法，面挂了。1 家研究所做通讯协议没去，去了白嫖做 BSP，被随机分测试。
我们当年是有白盒测试的，看不懂 C 的代码肯定是不行的，但是单子的 KPI 依然会逼着你点点点。
我也迷茫过，有啥意思，领导把我弄去国外出差了，度过了 2-3 年的迷茫期。
而且你挣得比开发多，加班比开发少，为啥要去折腾自己？每天上班看小说，回家 WOW 就问你爽不爽？
当你过了 30 以后发现，妈的，居然被领导说不会写代码了。从 9 岁开始写的代码，到了 30 不会写了？
还真就不会写了！
测试的技术论坛到现在都还在纠结写代码有没有用，技术有没有用。
未来高端的技术岗位是有测试需求的，但是你说你不懂 AI，不懂评测标准，不会统计学原理。
如果写个脚本，我们 1 小时搞定，测试一周搞定，测试能有地位么？
如果愿意学，那从工程部署开始，慢慢学，提升代码能力；如果不愿意学，那就打杂点呗。
路都是自己选的，没啥可抱怨的。都正儿八经的想想自己到底有多少门槛，别老想着走捷径。
要么提升学历，要么好好学技术，找论坛的技术推去大厂看看真正的测试需求不香么？总在否定别人，否定自己之间来回徘徊，能有啥用。
我现在也眼高手低，估计还得再折腾。9117 搞起来，虚个锤子。
无需刻意的去学习 AI，结合公司的业务场景去设计，去做事情，不断积累打磨自己，当你的经验和技能到一定地步的时候，很多东西自然是触类旁通的，到时候用起来游刃有余！
看完一楼回复之后的从听说到放弃系列
反正我厂最牛 x 的 AI 产品团队（国内应该不是第一就是第二）的测试也没怎么分享 AI 如何用在测试上。
AI 的门槛正在降低，并不是学不学的会的问题，而是学会之后怎么用的问题，现在很多公司炒 AI 只是概念：
比如，很多公司的"AI 测试"只是运用了 Sikuli 进行了图像识别，具体怎么优化、怎么设计测试策略和目标、怎么提高产品的质量完全没有概念，结果每次 CI 的时候一大堆的图片需要上传，还有每一次需求都是天文数字的工作量，然后就是无论测试多少遍 BUG 一点都没有减少，除此以外根本没有提升；
然而，更悲剧的是，哪怕其中有灵光的下狠心把图像算法优化了，发现图像识别和自然语言变成公共的基础服务了。
对于这个领域不熟悉的测试，尤其不是大厂的测试，根本得不到信息，盲目学完然后盲目碰壁盲目失望这个是最有可能的，建议这个阶段还是稳扎稳打修炼基本功，有时间把线性代数好好补补，了解一下常用的框架，在常见的 AI 应用方向里面挑一个仔细研究一下，别太盲目跟风。
秦岭
回复
建议先学会思路，再用框架吧。学 AI 比学一个框架要复杂多，基本相当于一个新领域了。不要抱着学一个框架的想法去学习，你会发现入门都很困难。
可以看看西瓜书，或者 google 的 ai 课程（本身就是针对编程人员的，有可以直接运行代码的教程，个人用起来比较顺手）。对于一个陌生领域的从零开始学习，最好还是像以前学编程语言那样去学一些相对系统化的课程，这方面领域知识比学一个框架要复杂得多，不是看一天框架文档就能基本上手使用这么简单的。
如果只是应用别人已经做好的基于 ai 的框架，可以看看 appium 那个图像识别的扩展插件。
秦岭
回复
个人的学习路线：
网易公开课的 MIT 线性代数，尤其要利用这门课把很多单词混熟，后面会方便很多；
再就是吴恩达老师的机器学习和深度学习
练手的话是 TensorFlow，因为资料非常丰富群也很多，而且符号什么的和前面的课程是一致的
当然这个是我自己利用空余时间自己玩的，说来惭愧我也没搞明白应该怎么应用，因此没办法说我自己就是对的或者合适的，仅供参考
好的 谢谢大佬！！!