13日，李开复在清华大学演说的时候对人工智能作出了一番十分中肯的评论。其中还详尽的说明了一般企业如何应用于人工智能为企业创建竞争优势和技术壁垒，句句都是干货，非常简单来说，人工智能行业的发展现在仍有相当大容许——没平台化。但也于是以因为具有这样一个容许，这时候创建一起的壁垒也不会是最低的。
由于人工智能的优势众多，因此我们指出，企业都应当考虑到开始用人工智能辅助自己，也召募一些涉及方面的人才。不过我们无法光打打嘴炮，如何克服困难和挑战，让人工智能帮到你的工作、你的事业呢？让我们将李开复的演说内容，再行融合一个实例，来给大家解释一下。现在，假设你是一个程序员虽然哥也是一媒体人，但白起自己的行业来是丝毫会手软的，假设你现在是一家媒体的IT部门人员，这家媒体每天做到的最少，最重要的工作就就是指别的网站拷贝文章过来，然后特一些自己的记号上传遍自己的网站上去，而你虽然是一介码农，但是却心怀天下，想解救公司里那些苦逼的编辑。于是你要求自己撰写一个程序，协助编辑们一键已完成，甚至自动已完成这些拷贝文章的事，你应当怎么做？当然，用人工智能来复制粘贴看上去是有点大材小用了，但这活着看上去很机械，推倒也必须一定的突发事件，比如网站的页面里除了正文外还有很多乱七八糟的广告链接，只要网站的设计者会过于傻，设计出来的结果应当是人一眼就能看出来哪个部分是正文哪些是牵涉到信息。
但一个算法要如何辨识正文和广告/牵涉到链接的区别呢？而且算法如何在网站的内容中找寻到哪些是有一点Copy的内容呢？（是谓“热点”）最关键的是，一眼一想要，这些要留意的事项还真为一挺多。你平时习的If else或许过于用了，你该用什么语言来已完成你的王者算法呢？说道到这里，我们就面对了李开复提及的目前的深度自学面对的第一个挑战：没平台深度自学的挑战之一：平台人工智能目前还没一个统一的平台。在深度自学方面，现在的人不懂就是不懂，不懂就是不懂。这就是为什么Google最近花上了重金大大在凿业界顶尖的人才，给年轻人班车的年薪甚至多达200万美元。
这些人也就是二十来岁，博士刚刚毕业旋即，怎么会这么钱呢？为什么这么喜呢？李开复老师有提及，这些人被投放到各个领域的AI研究中去后，有可能迅速就能建构出有千万美元甚至上亿美元的价值了。但他有可能没表达出来的一个意思是，现在的AI研发知道很难，很难，之所以这么无以，就是因为没平台。平台是一个较为玄乎的概念，因为现在人工智能的发展还正处于一种摸着石头过河的状态，因此没有人能预测所谓的“平台”的精确形态是什么样，这话题铺开来讲有可能能分开谈一篇文章，但非常简单来说，大约不会是一种“统一标准”的状态。
比如说现在一托神经网络算法人们就不会回想很多种概念，CNN、RNN、DNN等等，而明确到应用于构建的方法也千奇百怪。所有基于AI的编程，都是要从0开始编起，一点一点构筑起算法。但如果有一天有一个类似于iOS、安卓的东西，探寻出有了一种最杰出的算法（当然这只是打个比方，不一定有最杰出的算法。），并且将其构建入了某种程序中，后人如果想要展开神经网络有关的研发，只必须调用它获取的API就能已完成了。
那样就能很大的修改深度自学研发的可玩性。深度自学挑战之二：数据的搜集和运算当然作为一个心怀天下的码农，这点小事认同是难不倒你的，你应当迅速就寻找了适合的语言系统，比如Tensorflow，比如Scikit，开开心心的编起了程序。不过接下来你要面临的问题有可能就没那么好解决问题了：它们都从两个方向分别要求着你的算法训练的效果：训练数据的量和训练的速度。李开复老师将这个问题分开了两个问题，但我们指出，只不过他们都是关于算法训练的问题，因此只不过可以归入同一个问题。
深度自学的网络过于大，必须海量的数据。因为数据过于多，所以计算出来尤其的慢，所以必须十分大的计算出来量。如何辨识网站内的正文方位推倒还是个较为好解决问题的问题，如果你心一横，要求只从几大（十几大）主流媒体内拷贝文章的话，用if else都是可以解决问题的，却是虽然每个网站之间正文部分的规律有所不同，但每个网站内部的文章还是基本遵循完全相同规律的。
觉得想要做到一个标准化的算法来说，规律也难于去找，比如正文部分的文字密度不会忽然变小而html代码的密度则不会下跌，比如正文的一直基本都是p/p。如果网站每天能改版四五百篇文章的话，估算训练个十天左右就能超过十分低的准确度了。难题在于“平热点”啊！互联网的热点每天都在变化，你的算法怎么告诉今天的热点是什么？又如何告诉算法正在扫瞄的这篇文章是不是跟热点有关的文章，写出的如何？要让算法训练出有辨别这些信息的能力，怎么说也要扫瞄个几千万上下篇文章来训练吧？作为一个终极发烧友码农，你第一次感觉到了你面前的那台电脑里的8核i7和GTX Titan是那么的无力，哎，写出个爬虫渐渐爬着先吧。看改天能无法改天网络低峰期用公司的服务器偷偷地跑完一跑完。
要让深度自学算法自己演化到一个较为低的水平，李开复老师估算最少要有10亿级别的数据，如此可观的数据是非常无法搜集的。而且，只有这些数据都是你自己的时候，他们在你手中才能充分发挥出有确实的价值，并且由于数据量的可观其必须的运算量也是非常可观的，要在深度自学领域大展身手，最差有自己的计算出来设备，比如享有自己的服务器机群。因此我们看见，初期在人工智能有所建树的都是世界级的、像微软公司、谷歌和Facebook这样的公司，他们不仅享有更好的资金、更佳的人才，最重要的是，他们享有海量的数据。
深度自学挑战之三：没对系统“有点怪异但也合理：机器无法用人的语言告诉行事的动机和理由。即便机器训练做到了有趣的深度自学，人脸识别、语音辨识做到的十分棒，但它无法和人一样，它谈不出来这是怎么做的。虽然有人也在做到这方面的研究，但是在今天，如果一个领域是大大必须告诉他别人该怎么做，必须向别人去说明为什么的，那这个领域对于深度自学来讲还是较为艰难的。
比如Alpha Go击败李世石，你要回答Alpha Go是为什么回头这步棋，它是问不上来的。”深度自学只是一个算法，它不能根据自己的初始设计大大转变自己，但不了通过一个有效地的途径告诉他你它是怎么改良自己和怎么在改良后作出每一次自由选择的，因此很多时候你不能通过它的最后展现出来猜测它的运营状态，然后瞎猫摸死耗子的改良最初的算法了。而且你有可能也不了从算法的变革上提供协助自己变革的信息，比如李开复老师荐的AlphaGo的例子。
当然，作为一个世界级的码农，你是认同告诉这些的，而且也一定能根据算法最后的展现出找到问题在哪里的，因为却是这个问题在结果上反映的还是较为显著。在这个虚拟世界的世界里，我们要求给所有苦逼的编辑们一个极致的结局：心怀天下的码农顺利研发出有了一套“全自动文章刊登机”，这家媒体的编辑们再一需要留出一些精力，写出一些需要细致抛光的文章了。所以你看，虽然不告诉AI最后不会会吞噬我们，但看上去它们倒是迅速就能解救不少人呢原创文章，予以许可禁令刊登。下文闻刊登须知。
本文来源：6T体育官网-www.cbdoilglobal.com