戳 「 閱讀原文 」，獲得短信提醒，不錯(cuò)過下次 InfoQ 大咖說直播！
回復(fù)： 指南，獲取視頻下載。
AI 并不是一個(gè)新概念，早在上世紀(jì) 50 年代就已經(jīng)被提出。只是期間經(jīng)歷了幾次起落，直到最近深度學(xué)習(xí)的興起才又回到了大眾的視野。
類似的，深度學(xué)習(xí)也不是一個(gè)“新技術(shù)”，它底層的技術(shù)從人工智能被提出之初就已經(jīng)有了，只不過不是叫“深度學(xué)習(xí)”，而是叫“神經(jīng)網(wǎng)絡(luò)”?？梢哉f人工智能的興衰和神經(jīng)網(wǎng)絡(luò)的興衰是直接相關(guān)的。
在上世紀(jì) 50 年代人工智能的概念被提出，神經(jīng)網(wǎng)絡(luò)的雛形感知機(jī)被提出。早在 1966 年，就有人提出了在 3～8 年內(nèi)人工智能將達(dá)到和人類智慧相似的程度。然而，早期的人工智能系統(tǒng)具有很大的局限性，比如線性不可分的異或問題就無法通過單個(gè)神經(jīng)元來解決。盲目樂觀也給人工智能的發(fā)展帶來了反作用。政府發(fā)現(xiàn)雖然人工智能說得那么厲害，但是在十幾年內(nèi)并沒有帶來翻天覆地的變化，所以大幅削減了研究經(jīng)費(fèi)。
在 1980 年左右，多層神經(jīng)網(wǎng)絡(luò)和反向傳播算法的提出讓神經(jīng)網(wǎng)絡(luò)和人工智能的研究又火了一段，然而因?yàn)楫?dāng)時(shí)計(jì)算能力和數(shù)據(jù)量的限制，也沒能使得人工智能得到廣泛的應(yīng)用。
直到最近因?yàn)橛?jì)算能力的提升，GPU 以及大規(guī)模分布式集群的出現(xiàn)，深層神經(jīng)網(wǎng)絡(luò)，也就是深度學(xué)習(xí)，突破了很多學(xué)術(shù)研究的瓶頸，在計(jì)算機(jī)視覺、語音、自然語言處理等眾多領(lǐng)域都取得了突破性的進(jìn)展。像無人車、翻譯軟件、智能機(jī)器人等各種人工智能應(yīng)用逐漸進(jìn)入成熟階段，再加上 AlphaGo 圍棋機(jī)器人的推波助瀾，使得人工智能又掀起了一個(gè)高潮。
人工智能的興起也帶來了一些擔(dān)心，有人覺得自己的工作將會被人工智能所取代，甚至有人擔(dān)心人類將會被機(jī)器人滅亡。在芒果臺一個(gè)非?；鸬墓?jié)目明星大偵探中就有一期以人類和機(jī)器人之間的矛盾為主題，表達(dá)了技術(shù)的發(fā)展對人類帶來的潛在威脅。
人工智能技術(shù)雖然得到了突破性的進(jìn)展，但是要達(dá)到完全取代人類的地步還為時(shí)過早。不過在某些領(lǐng)域，人工智能的應(yīng)用已經(jīng)可以部分取代人類。
最早收到波及的行業(yè)就是那些存在大量重復(fù)勞動的制造業(yè)。目前已經(jīng)有很多生產(chǎn)流水線已經(jīng)被機(jī)器人取代了，在未來的幾年內(nèi)，我相信會有更多的簡單重復(fù)勞動將被機(jī)器取代。
與簡單重復(fù)勞動相反，目前人工智能已經(jīng)進(jìn)軍一些度專業(yè)知識要求非常高的領(lǐng)域。其中基于醫(yī)學(xué)圖像的診斷、大型設(shè)備、廠房的智能調(diào)優(yōu)、金融領(lǐng)域的職能風(fēng)控、投顧等問題都能夠通過人工智能的算法得到較為滿意的結(jié)果。不過在這些問題上，機(jī)器在短期內(nèi)要取代人類還是非常有難度的，需要有新的突破。比如深度學(xué)習(xí)被詬病得比較多的一個(gè)問題就是黑箱問題。深度學(xué)習(xí)的模型很難被直觀的理解，有研究指出稍微修改一些圖片的像素，盡管修改后的圖片和原圖對人來說幾乎一模一樣，但是可以使得機(jī)器得到不一樣的分析結(jié)果。不過我相信這些問題隨著人工智能技術(shù)的進(jìn)一步成熟，很有可能在 10-15 年之后開始慢慢取代人類。
提到入門人工智能，特別是深度學(xué)習(xí)，很多人最大的擔(dān)心就是我是不是需要先學(xué)好數(shù)學(xué)然后才能掌握人工智能，特別是深度學(xué)習(xí)算法”。在網(wǎng)上有人說數(shù)學(xué)是基礎(chǔ)，不學(xué)好數(shù)學(xué)無法掌握深度學(xué)習(xí)的精髓。這是對的，但是也不是所有人都需要掌握精髓才能將人工智能運(yùn)用到具體的問題中。
對于僅僅是想把深度學(xué)習(xí)用于具體問題的人，我比較推薦在實(shí)戰(zhàn)中學(xué)習(xí)。這些人可以不用對模型背后的數(shù)學(xué)原理有太深的了解，只要大概知道是怎樣做的，如何將自己遇到的問題轉(zhuǎn)化為一些經(jīng)典問題就可以。我的書《TensorFLow：實(shí)戰(zhàn) google 深度學(xué)習(xí)框架》就是在實(shí)戰(zhàn)中介紹深度學(xué)習(xí)的原理和使用方法，可以幫助大家在實(shí)戰(zhàn)中了解基本原理和使用方法。學(xué)習(xí)的過程中大概有三個(gè)階段，第一個(gè)階段需要大概了解人工智能是什么，能夠解決什么類型的問題，在哪些領(lǐng)域中可以帶來幫助；第二個(gè)階段是自我發(fā)現(xiàn)的階段，找到自己想要應(yīng)用人工智能的領(lǐng)域，并且運(yùn)用學(xué)到的知識來解決具體的問題；第三個(gè)階段帶著經(jīng)驗(yàn)來學(xué)習(xí)更加系統(tǒng)化的知識。同時(shí)我將于 9 月與 InfoQ 合作一個(gè)帶 CapStone 項(xiàng)目的在線課程，在介紹基本原理的同時(shí)，我們將給出 3 個(gè)具體的項(xiàng)目，參與項(xiàng)目的同學(xué)將得到來自才云科技的資深大數(shù)據(jù)科學(xué)家的輔導(dǎo)。
當(dāng)然，如果我們要更加深入的了解深度學(xué)習(xí)，并能夠在技術(shù)上有突破，那么深入數(shù)學(xué)公式就是在所難免的了。對于這一類的同學(xué)，我推薦大家從 GoodFellow 的《Deep Learning》這本書開始，扎穩(wěn)數(shù)學(xué)根基。同時(shí)關(guān)注機(jī)器學(xué)習(xí)領(lǐng)域一些比較重要的會議，比如 ICML、NIPS、AAAI、CVPR、ACL、EMNLP、WWW 等國際頂級會議。鄭老師在 StuQ 有一門《TensorFlow 實(shí)戰(zhàn)》，現(xiàn)在報(bào)名還有大力優(yōu)惠，感興趣可以點(diǎn)：http://new.stuq.org/course/74
雖然人工智能這個(gè)概念已經(jīng)非?；鹆耍乙灿辛祟愃?AlphaGo、無人車等最新的人工智能研究成果，然而，要將人工智能應(yīng)用于實(shí)際的生產(chǎn)生活中仍然面臨很大的挑戰(zhàn)。
人才方面的挑戰(zhàn)。每個(gè)公司都有很多場景需要使用到人工智能，然而人工智能方面的人才有限，而且目前都集中于 BAT 等少數(shù)大公司，所以對于很多企業(yè)來說，招人成為了一個(gè)非常大的挑戰(zhàn)。
數(shù)據(jù)方面的挑戰(zhàn)。深度學(xué)習(xí)需要海量數(shù)據(jù)，要收集海量有用的數(shù)據(jù)不容易，也需要時(shí)間。比如在做自動診斷時(shí)，很多時(shí)候一個(gè)醫(yī)院一年也就只有幾百個(gè)甚至只有幾十個(gè)病人，那么這樣樣本數(shù)太少導(dǎo)致很難使用深度學(xué)習(xí)。
平臺方面的挑戰(zhàn)。海量的數(shù)據(jù)與超大的運(yùn)算量往往會帶來平臺層的壓力。比如從頭開始在 ImageNet 數(shù)據(jù)上訓(xùn)練 Inception-v3 模型，即使在有 GPU 的情況下也需要將近半年的時(shí)間才能達(dá)到和傳統(tǒng)機(jī)器學(xué)習(xí)方法類似的效果。那么并行化加速成為了必然的需求。雖然目前開源的深度學(xué)習(xí)工具不甚枚舉，而且支持分布式的也不在少數(shù)，但是能支持企業(yè)級用戶的系統(tǒng)還是空缺。Caicloud 提供的 TensorFlow as a Service 平臺就提供了國內(nèi)首個(gè)商用深度學(xué)習(xí)平臺，幫助企業(yè)更快的掌握 AI 能力。
近日，由 InfoQ 參與承辦的以“在一起，夢飛揚(yáng)”為主題的 2017 華為開發(fā)者大賽正式開賽，大賽設(shè)置百萬現(xiàn)金獎勵(lì)，面向參賽者征集采用華為 11 個(gè)領(lǐng)域開放能力的優(yōu)秀作品，包括：云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、企業(yè)云通信、eLTE、視頻、CloudCaaS 、移動、開放工場、運(yùn)營商運(yùn)營管理、IES SmallCell。如果你是華為的合作伙伴，或者對華為合作伙伴生態(tài)感興趣，趕緊掃描下方二維碼注冊參賽，凡提交作品均有開發(fā)者禮包相贈。
點(diǎn)擊下方圖片即可閱讀 騰訊研發(fā)總監(jiān)王輝：十億級視頻播放技術(shù)優(yōu)化揭秘 今日薦文
聯(lián)系客服
