正在学习一门技术，却发现这门技术已经被实现了，使用者只需要简单操作，不需要高深的知识，是继续学习，还是另投他路？
问题补充
我目前正在初学机器学习的东西，在看standford的公开课，为此我还重新在学习概率论和高数，每天都要回家学上1，2个小时。然而，我发现hadoop有个子项目叫mahout，里面有很多机器学习的算法，比如著名的Naive Bayes，使用者只需要传入一个文件，他可以自动的训练，计算，然后给出结果，非常方便。我感到很郁闷，如果一个技术已经没有了实用的价值，仅仅是一个初学者就可以使用，那么我学习的意义在哪里？
大家的回答
程劭非（程序员）
- 世界上并不是每项技术只需要有一个人懂的。
- 每项技术，每个人去做，结果都不一定相同，做的过程中也可能产生不同的想法，不动手的人永远不会知道。
- 库是给那些有志于做产品的人用的，他们在底层技术上是初学者，但是却可能是产品上的大师，如果你的定位跟他们不同，不要跟他们做一样的事情：拿别人的库来用。
- 不要重新发明轮子。也就是说，自己想造轮子前，先学习别人怎么造的。
大雄（喜欢算法）
就比如做机器学习的人，他只是想通过一些样本去得到一个预测值，他本来最应该关心的是数据的特征和评价的规则，但你要他天天憋着去实现一个个机器学习算法，这本身就是一种浪费时间。
正如：你不会为了实现一个普通的文件格式处理而从汇编和操作系统API研究起，更不会从硬件设计研究起，更更不会从材料科学和电力系统研究起。你只需要一个脚本语言，三五行代码就解决了自己的问题。技术都是这样，有人把它做得更简单是好事，让人可以更专注地去做他本来应该关心的问题。
问题最后一句话是要说“已经没有了实现的价值”吗？你所能“学”到的技术，都是已经被实现的技术，这没什么奇怪的，都已经被总结出来了，甚至写成书了，它很可能已经被写了千八百遍了，但你再写一遍并非没有意义，你可以更了解这技术的原理，方便你的使用，也可以深入去完善这门技术。
就像朴素贝叶斯，虽然它已经被提出了好几十年，但到最近几年仍然有人在不断改进它。而在工业界，往往数据挖掘者会分工成三个职位：1、海量数据挖掘性能优化。2、机器学习模型改进。3、基于具体领域的特征研究。这都是很有技术含量的工作，但“学习一个机器学习算法”和“照着书实现一个机器学习算法”只不过是初学者做的事情，从入门到精通，需要一个专注的过程，而不是靠抓住一个别人没有做过的事情去投机，这样早晚也会被新人顶替的，呵呵。
Eagle（研二在读，对机器学习、信息检索、数据…）
无论是什么技术 都是为了解决某类问题而生的，学习的目的是为了更好的理解技术 从而更好的解决问题，而不是说你能实现它 而别人不能。自己亲自实现一遍会理解的更透彻 尤其会遇到一些现实的问题，即使是实现 也还涉及到数据结构层面的优化 可做的东西也不少。你觉得不需要高深的知识 只是因为你没在现实场景中应用的经历，像机器学习这种技术 有了一定的积累后 建议多做做实际项目。
徐天鸿（程序员，音乐爱好者）
实际生产环境问题是多样与复杂的。如果只是解决固定的，例行化的问题，只需要了解工具的使用方法即可，甚至都不用知道理论。理论基础及实现过程是让你对问题本质的理解产生质变的必要条件。关键还是看你需要做什么，需不需要对一个问题有深刻的理解。
好比我只要知道头疼吃阿司匹林2颗即可。也可以解决问题。但医生必需要深刻理解阿司匹林背后的药理，才能对自己的病人进行准确的掌控。区别就在这里。