不過(guò)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(kāi)復(fù)的演講內(nèi)容，再結(jié)合一個(gè)實(shí)例，來(lái)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(lái)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(mén)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(guò)來(lái)，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(xiě)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(lái)復(fù)制粘貼看起來(lái)是有點(diǎn)大材小用了，但這活看起來(lái)很機(jī)械，倒也需要一定的應(yīng)變，比如網(wǎng)站的頁(yè)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(lái)的結(jié)果應(yīng)該是人一眼就能看出來(lái)哪個(gè)部分是正文哪些是無(wú)關(guān)信息。但一個(gè)算法要如何識(shí)別正文和廣告/無(wú)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(yǔ)言來(lái)完成你的驚世算法呢？
說(shuō)到這里，我們就面臨了李開(kāi)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(méi)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(méi)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(kāi)出的年薪甚至超過(guò)200萬(wàn)美元。這些人也就是二十來(lái)歲，博士剛畢業(yè)不久，怎么會(huì)這么值錢(qián)呢？
為什么這么貴呢？李開(kāi)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(wàn)美元甚至上億美元的價(jià)值了。但他可能沒(méi)有表達(dá)出來(lái)的一個(gè)意思是，現(xiàn)在的AI開(kāi)發(fā)真的很難，很難，之所以這么難，就是因?yàn)闆](méi)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(guò)河的狀態(tài)，因此沒(méi)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(huà)題鋪開(kāi)來(lái)講可能能單獨(dú)講一篇文章，但簡(jiǎn)單來(lái)說(shuō)，大概會(huì)是一種“統(tǒng)一標(biāo)準(zhǔn)”的狀態(tài)。比如說(shuō)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A(yíng)I的編程，都是要從0開(kāi)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(lèi)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(kāi)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(jiǎn)化深度學(xué)習(xí)開(kāi)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(yǔ)言系統(tǒng)，比如Tensorflow，比如Scikit，開(kāi)開(kāi)心心的編起了程序。不過(guò)接下來(lái)你要面對(duì)的問(wèn)題可能就沒(méi)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(kāi)復(fù)老師將這個(gè)問(wèn)題拆成了兩個(gè)問(wèn)題，但我們認(rèn)為，其實(shí)他們都是關(guān)于算法訓(xùn)練的問(wèn)題，因此其實(shí)可以歸于同一個(gè)問(wèn)題。
深度學(xué)習(xí)的網(wǎng)絡(luò)太大，需要海量的數(shù)據(jù)。
因?yàn)閿?shù)據(jù)太多，所以計(jì)算特別的慢，所以需要非常大的計(jì)算量。
如何識(shí)別網(wǎng)站內(nèi)的正文位置倒還是個(gè)比較好解決的問(wèn)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(huà)，用if else都是可以解決的，畢竟雖然每個(gè)網(wǎng)站之間正文部分的規(guī)律不同，但每個(gè)網(wǎng)站內(nèi)部的文章還是基本遵循相同規(guī)律的。實(shí)在想做一個(gè)通用的算法來(lái)說(shuō)，規(guī)律也不難找，比如正文部分的文字密度會(huì)突然變大而html代碼的密度則會(huì)暴跌，比如正文的始終基本都是
。如果網(wǎng)站每天能更新四五百篇文章的話(huà)，估計(jì)訓(xùn)練個(gè)十天左右就能達(dá)到非常高的準(zhǔn)確度了。
難點(diǎn)在于“追熱點(diǎn)”啊！
互聯(lián)網(wǎng)的熱點(diǎn)每天都在變化，你的算法怎么知道今天的熱點(diǎn)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(diǎn)有關(guān)的文章，寫(xiě)的如何？要讓算法訓(xùn)練出判斷這些信息的能力，怎么說(shuō)也要掃描個(gè)幾千萬(wàn)上下篇文章來(lái)訓(xùn)練吧？作為一個(gè)終極發(fā)燒友碼農(nóng)，你第一次感覺(jué)到了你面前的那臺(tái)電腦里的8核i7和GTX Titan是那么的無(wú)力，哎，寫(xiě)個(gè)爬蟲(chóng)慢慢爬著先吧?？锤奶炷懿荒芨奶炀W(wǎng)絡(luò)低峰期用公司的服務(wù)器偷偷跑一跑。
要讓深度學(xué)習(xí)算法自己進(jìn)化到一個(gè)比較高的水平，李開(kāi)復(fù)老師估計(jì)至少要有10億級(jí)別的數(shù)據(jù)，如此龐大的數(shù)據(jù)是相當(dāng)難以收集的。而且，只有這些數(shù)據(jù)都是你自己的時(shí)候，他們?cè)谀闶种胁拍馨l(fā)揮出真正的價(jià)值，并且由于數(shù)據(jù)量的龐大其需要的運(yùn)算量也是相當(dāng)龐大的，要在深度學(xué)習(xí)領(lǐng)域大展身手，最好有自己的計(jì)算設(shè)備，比如擁有自己的服務(wù)器機(jī)群。因此我們看到，初期在人工智能有所建樹(shù)的都是世界級(jí)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(xué)習(xí)挑戰(zhàn)之三：沒(méi)有反饋
“有點(diǎn)奇怪但也合理：機(jī)器無(wú)法用人的語(yǔ)言告知做事的動(dòng)機(jī)和理由。即便機(jī)器訓(xùn)練做了很棒的深度學(xué)習(xí)，人臉識(shí)別、語(yǔ)音識(shí)別做的非常棒，但它不能和人一樣，它講不出來(lái)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(gè)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(gè)領(lǐng)域?qū)τ谏疃葘W(xué)習(xí)來(lái)講還是比較困難的。比如Alpha Go打敗李世石，你要問(wèn)Alpha Go是為什么走這步棋，它是答不上來(lái)的。”
深度學(xué)習(xí)只是一個(gè)算法，它只能根據(jù)自己的初始設(shè)計(jì)不斷改變自己，但沒(méi)法通過(guò)一個(gè)有效的途徑告訴你它是怎么改進(jìn)自己和怎么在改進(jìn)后做出每一次選擇的，因此很多時(shí)候你只能通過(guò)它的最終表現(xiàn)來(lái)猜測(cè)它的運(yùn)行狀態(tài)，然后瞎貓碰死耗子的改進(jìn)最初的算法了。而且你可能也沒(méi)法從算法的進(jìn)步上獲取幫助自己進(jìn)步的信息，比如李開(kāi)復(fù)老師舉的AlphaGo的例子。
當(dāng)然，作為一個(gè)世界級(jí)的碼農(nóng)，你是肯定知道這些的，而且也一定能根據(jù)算法最終的表現(xiàn)發(fā)現(xiàn)問(wèn)題在哪里的，因?yàn)楫吘惯@個(gè)問(wèn)題在結(jié)果上體現(xiàn)的還是比較明顯。
在這個(gè)虛擬的世界里，我們決定給所有苦逼的編輯們一個(gè)完美的結(jié)局：心懷天下的碼農(nóng)成功開(kāi)發(fā)出了一套“全自動(dòng)文章轉(zhuǎn)載機(jī)”，這家媒體的編輯們終于能夠騰出一些精力，寫(xiě)一些能夠精細(xì)打磨的文章了。
所以你看，雖然不知道AI最終會(huì)不會(huì)毀滅我們，但看起來(lái)它們倒是很快就能拯救不少人呢
