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)合一個實例，來給大家解釋一下。

現(xiàn)在，假設(shè)你是一個程序員

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程序，幫助編輯們一鍵完成，甚至自動完成這些復(fù)制文章的事，你應(yīng)該怎么做？

當然，用人工智能來復(fù)制粘貼看起來是有點大材小用了，但這活看起來很機械，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)計者不會太蠢，設(shè)計出來的結(jié)果應(yīng)該是人一眼就能看出來哪個部分是正文哪些是無關(guān)信息。但一個算法要如何識別正文和廣告/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”）

最關(guān)鍵的是，細細一想，這些要注意的事項還真挺多。你平時學的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習面臨的第一個挑戰(zhàn)：沒有平臺

深度學習的挑戰(zhàn)之一：平臺

人工智能目前還沒有一個統(tǒng)一的平臺。在深度學習方面，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值了。但他可能沒有表達出來的一個意思是，現(xiàn)在的AI開發(fā)真的很難，很難，之所以這么難，就是因為沒有平臺。

?

?

平臺是一個比較玄乎的概念，因為現(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)測所謂的“平臺”的準確形態(tài)是什么樣，這話題鋪開來講可能能單獨講一篇文章，但簡單來說，大概會是一種“統(tǒng)一標準”的狀態(tài)。比如說現(xiàn)在一提神經(jīng)網(wǎng)絡(luò)算法人們就會想起很多種概念，CNN、RNN、DNN等等，而具體到應(yīng)用實現(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，一點一點構(gòu)筑起算法。但如果有一天有一個類似于iOS、安卓的東西，探索出了一種最優(yōu)秀的算法（當然這只是打個比方，不一定有最優(yōu)秀的算法。），并且將其集成進了某種程序中，后人如果想進行神經(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習開發(fā)的難度。

智搜（Giiso）信息成立于2013年是國內(nèi)領(lǐng)先的“人工智能+資訊”領(lǐng)域技術(shù)服務(wù)商，在大數(shù)據(jù)挖掘、智能語義、知識圖譜等領(lǐng)域都擁有國內(nèi)頂尖技術(shù)。同時旗下研發(fā)產(chǎn)品包括編輯機器人、寫作機器人等人工智能產(chǎn)品！憑借雄厚的技術(shù)實力，公司成立之初，就獲得了天使輪投資，并在2015年8月獲得了金沙江創(chuàng)投500萬美元pre-A輪投資。

深度學習挑戰(zhàn)之二：數(shù)據(jù)的收集和運算

當然作為一個心懷天下的碼農(nóng)，這點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的問題可能就沒有那么好解決了：它們都從兩個方向分別決定著你的算法訓練的效果：訓練數(shù)據(jù)的量和訓練的速度。李開復(fù)老師將這個問題拆成了兩個問題，但我們認為，其實他們都是關(guān)于算法訓練的問題，因此其實可以歸于同一個問題。

深度學習的網(wǎng)絡(luò)太大，需要海量的數(shù)據(jù)。

因為數(shù)據(jù)太多，所以計算特別的慢，所以需要非常大的計算量。

?

如何識別網(wǎng)站內(nèi)的正文位置倒還是個比較好解決的問題，如果你心一橫，決定只從幾大（十幾大）主流媒體內(nèi)復(fù)制文章的話，用if else都是可以解決的，畢竟雖然每個網(wǎng)站之間正文部分的規(guī)律不同，但每個網(wǎng)站內(nèi)部的文章還是基本遵循相同規(guī)律的。實在想做一個通用的算法來說，規(guī)律也不難找，比如正文部分的文字密度會突然變大而html代碼的密度則會暴跌，比如正文的始終基本都是<p></p>。如果網(wǎng)站每天能更新四五百篇文章的話，估計訓練個十天左右就能達到非常高的準確度了。

難點在于“追熱點”啊！

智搜（Giiso）信息成立于2013年，是國內(nèi)首家專注于資訊智能處理技術(shù)研發(fā)及寫作機器人核心軟件開發(fā)和運營的高科技企業(yè)。公司成立之初，就獲得了天使輪投資，并在2015年8月獲得了金沙江創(chuàng)投500萬美元pre-A輪投資。

互聯(lián)網(wǎng)的熱點每天都在變化，你的算法怎么知道今天的熱點是什么？又如何知道算法正在掃描的這篇文章是不是跟熱點有關(guān)的文章，寫的如何？要讓算法訓練出判斷這些信息的能力，怎么說也要掃描個幾千萬上下篇文章來訓練吧？作為一個終極發(fā)燒友碼農(nóng)，你第一次感覺到了你面前的那臺電腦里的8核i7和GTX Titan是那么的無力，哎，寫個爬蟲慢慢爬著先吧。看改天能不能改天網(wǎng)絡(luò)低峰期用公司的服務(wù)器偷偷跑一跑。

要讓深度學習算法自己進化到一個比較高的水平，李開復(fù)老師估計至少要有10億級別的數(shù)據(jù)，如此龐大的數(shù)據(jù)是相當難以收集的。而且，只有這些數(shù)據(jù)都是你自己的時候，他們在你手中才能發(fā)揮出真正的價值，并且由于數(shù)據(jù)量的龐大其需要的運算量也是相當龐大的，要在深度學習領(lǐng)域大展身手，最好有自己的計算設(shè)備，比如擁有自己的服務(wù)器機群。因此我們看到，初期在人工智能有所建樹的都是世界級的、像微軟、谷歌和Facebook這樣的公司，他們不僅擁有更多的資金、更好的人才，最重要的是，他們擁有海量的數(shù)據(jù)。

深度學習挑戰(zhàn)之三：沒有反饋

“有點奇怪但也合理：機器無法用人的語言告知做事的動機和理由。即便機器訓練做了很棒的深度學習，人臉識別、語音識別做的非常棒，但它不能和人一樣，它講不出來這是怎么做到的。雖然有人也在做這方面的研究，但是在今天，如果一個領(lǐng)域是不斷需要告訴別人該怎么做，需要向別人去解釋為什么的，那這個領(lǐng)域?qū)τ谏疃葘W習來講還是比較困難的。比如Alpha Go打敗李世石，你要問Alpha Go是為什么走這步棋，它是答不上來的。”

轉(zhuǎn)載于:https://my.oschina.net/u/3904757/blog/1861346

總結(jié)

以上是生活随笔為你收集整理的2016世界人工智能大会 AI领袖共启智能+新纪元的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。