李開復(fù)在清華大學(xué)演講的時(shí)候?qū)θ斯ぶ悄茏龀隽艘环浅Ｖ锌系脑u(píng)論。其中還詳細(xì)的解釋了一般企業(yè)如何應(yīng)用人工智能為企業(yè)建立競爭優(yōu)勢(shì)和技術(shù)壁壘，句句都是干貨，簡單來說，人工智能行業(yè)的發(fā)展現(xiàn)在仍有很大限制——沒有平臺(tái)化。但也正因?yàn)橛兄@樣一個(gè)限制，這時(shí)候建立起來的壁壘也會(huì)是最高的。由于人工智能的優(yōu)勢(shì)眾多，因此我們認(rèn)為，企業(yè)都應(yīng)該考慮開始用人工智能輔助自己，也招募一些相關(guān)方面的人才。
不過我們不能光打打嘴炮，如何克服困難和挑戰(zhàn)，讓人工智能幫到你的工作、你的事業(yè)呢？讓我們將李開復(fù)的演講內(nèi)容，再結(jié)合一個(gè)實(shí)例，來給大家解釋一下。
現(xiàn)在，假設(shè)你是一個(gè)程序員
雖然哥也是一媒體人，但黑起自己的行業(yè)來是絲毫不會(huì)手軟的，假設(shè)你現(xiàn)在是一家媒體的IT部門人員，這家媒體每天做的最多，最重要的工作就是從別的網(wǎng)站復(fù)制文章過來，然后加一些自己的記號(hào)上傳到自己的網(wǎng)站上去，而你雖然是一介碼農(nóng)，但是卻心懷天下，想要拯救公司里那些苦逼的編輯。于是你決定自己編寫一個(gè)程序，幫助編輯們一鍵完成，甚至自動(dòng)完成這些復(fù)制文章的事，你應(yīng)該怎么做？
當(dāng)然，用人工智能來復(fù)制粘貼看起來是有點(diǎn)大材小用了，但這活看起來很機(jī)械，倒也需要一定的應(yīng)變，比如網(wǎng)站的頁面里除了正文外還有很多亂七八糟的廣告鏈接，只要網(wǎng)站的設(shè)計(jì)者不會(huì)太蠢，設(shè)計(jì)出來的結(jié)果應(yīng)該是人一眼就能看出來哪個(gè)部分是正文哪些是無關(guān)信息。但一個(gè)算法要如何識(shí)別正文和廣告/無關(guān)鏈接的區(qū)別呢？而且算法如何在網(wǎng)站的內(nèi)容中尋找到哪些是值得Copy的內(nèi)容呢？（是謂“熱點(diǎn)”）
最關(guān)鍵的是，細(xì)細(xì)一想，這些要注意的事項(xiàng)還真挺多。你平時(shí)學(xué)的If else似乎不夠用了，你該用什么語言來完成你的驚世算法呢？
說到這里，我們就面臨了李開復(fù)提到的目前的深度學(xué)習(xí)面臨的第一個(gè)挑戰(zhàn)：沒有平臺(tái)
深度學(xué)習(xí)的挑戰(zhàn)之一：平臺(tái)
人工智能目前還沒有一個(gè)統(tǒng)一的平臺(tái)。在深度學(xué)習(xí)方面，現(xiàn)在的人懂就是懂，不懂就是不懂。這就是為什么Google最近花了重金不斷在挖業(yè)界頂尖的人才，給年輕人開出的年薪甚至超過200萬美元。這些人也就是二十來歲，博士剛畢業(yè)不久，怎么會(huì)這么值錢呢？
為什么這么貴呢？李開復(fù)老師有提到，這些人被投入到各個(gè)領(lǐng)域的AI研究中去后，可能很快就能創(chuàng)造出千萬美元甚至上億美元的價(jià)值了。但他可能沒有表達(dá)出來的一個(gè)意思是，現(xiàn)在的AI開發(fā)真的很難，很難，之所以這么難，就是因?yàn)闆]有平臺(tái)。
平臺(tái)是一個(gè)比較玄乎的概念，因?yàn)楝F(xiàn)在人工智能的發(fā)展還處于一種摸著石頭過河的狀態(tài)，因此沒有人能預(yù)測(cè)所謂的“平臺(tái)”的準(zhǔn)確形態(tài)是什么樣，這話題鋪開來講可能能單獨(dú)講一篇文章，但簡單來說，大概會(huì)是一種“統(tǒng)一標(biāo)準(zhǔn)”的狀態(tài)。比如說現(xiàn)在一提神經(jīng)網(wǎng)絡(luò)算法人們就會(huì)想起很多種概念，CNN、RNN、DNN等等，而具體到應(yīng)用實(shí)現(xiàn)的方法也千奇百怪。所有基于AI的編程，都是要從0開始編起，一點(diǎn)一點(diǎn)構(gòu)筑起算法。但如果有一天有一個(gè)類似于iOS、安卓的東西，探索出了一種最優(yōu)秀的算法（當(dāng)然這只是打個(gè)比方，不一定有最優(yōu)秀的算法。），并且將其集成進(jìn)了某種程序中，后人如果想進(jìn)行神經(jīng)網(wǎng)絡(luò)有關(guān)的開發(fā)，只需要調(diào)用它提供的API就能完成了。那樣就能極大的簡化深度學(xué)習(xí)開發(fā)的難度。
深度學(xué)習(xí)挑戰(zhàn)之二：數(shù)據(jù)的收集和運(yùn)算
當(dāng)然作為一個(gè)心懷天下的碼農(nóng)，這點(diǎn)小事肯定是難不倒你的，你應(yīng)該很快就找到了合適的語言系統(tǒng)，比如Tensorflow，比如Scikit，開開心心的編起了程序。不過接下來你要面對(duì)的問題可能就沒有那么好解決了：它們都從兩個(gè)方向分別決定著你的算法訓(xùn)練的效果：訓(xùn)練數(shù)據(jù)的量和訓(xùn)練的速度。李開復(fù)老師將這個(gè)問題拆成了兩個(gè)問題，但我們認(rèn)為，其實(shí)他們都是關(guān)于算法訓(xùn)練的問題，因此其實(shí)可以歸于同一個(gè)問題。
深度學(xué)習(xí)的網(wǎng)絡(luò)太大，需要海量的數(shù)據(jù)。