人工智能底层逻辑：深度学习始于大数据处理

　　最近，猎豹CEO傅盛在一次关于大数据的公开演讲中表示，随着移动互联网的竞争越来越激烈，移动互联网本质的核心竞争很可能已经结束了。在这个前提下，人工智能领域的深度学习给我们带来了三个机会。

　　第一点，深度学习是算法革命，把以前很多分散在各个领域的算法集中起来。傅盛说，自己过去在不断面试人、看公司的过程中发现了一个问题，那就是像语音、图像、无人驾驶这些不同的专业之间，算法差距非常大。但深度学习出现之后，既能解决语音问题，又能解决图像问题，还能解决无人驾驶问题。所以一旦出现这样一个归一式的算法，人类最聪明的脑力就都集中到这里来了。

　　傅盛认为，有了深度学习这个技术之后，最恐慌的应该是大公司，因为他们积累了很多的技术，但这些技术积累，在深度学习的冲击下都被颠覆掉了。比如，傅盛前不久见了一位国内某知名大公司实验室的负责人，他对傅盛说，自己在翻译这个领域做了7年，后来看到谷歌的一篇论文，突然发现他原来的技术都白积累了。所以傅盛认为深度学习本质上在降低技术壁垒，越是大公司想做的，其实越是他们恐慌的。

　　第二点是算法驱动变成了数据驱动。傅盛说，虽然每一篇论文对整个行业还是有推进作用的，但由于基本算法模型的固定化，算法的驱动力已经大大降低了。从今天的动向来看，是以工业化和数据驱动为主的。数据量大了之后产生的巨大推进量，可能远远胜于一篇论文。而大量的数据同时也需要进行标注。所以大规模标注数据变成了核心竞争力。什么意思呢？举个例子，人们说话的声音被传到网上，它并不是人工智能可用的数据。你必须找人把声音数据里面的关键点标注出来，这才是人工智能可用的有效数据。

　　数据的标注才刚刚开始，有些公司看起来很大，可是他们的标注数据量非常少，今天有大量的数据在互联网上，供人自由地使用。这里的关键路径是要想出一些办法，怎么去标注这些数据，怎么才能快速生成自己的数据集。比如对AlphaGo来说，人类历史上的棋谱是远远不够它学习的，最新的AlphaGo已经要去掉人类的棋谱了，因为它觉得人类下得不好。谷歌做翻译的产品经理说，最新版的谷歌翻译之所以有了大幅度的提升，就是因为从网上抓取了大量的数据，进行了二次标注，但网上很多的数据是以前的谷歌翻译出来的，他们得慢慢地把差的数据剔除出来。

　　第三点，傅盛说深度学习的机会在于与应用的结合，而不是技术输出。因为未来深度学习会变成基础的技术运用，很多公司都会具备深度学习的研发能力，所以目前很难想象一家公司仅通过提供技术输出就能成功。

　　作为下一个准风口，很多企业已开始进军人工智能领域，但作为基础建设的深度学习却仍有很长的路要走。大数据处理信息服务商金盛网聚WJFabric认为，深度学习关键在于对大数据的处理。以AlphaGo为例，最初接触围棋当然是以人类棋谱为基础，正是由于研究过大量人类棋谱之后才有战胜人类的可能，因此人工智能企业与大数据企业的合作势在必行。一方面着力于数据的收集；另一方面研发算法，对数据进行处理进而实现深度学习。对于大数据企业而言，通过合作分享数据研究成果，逐步将自己定位为社会进步的推动力量，实现从IT向DT的转型。

　　金盛网聚（北京）科技有限公司成立于2012年，是一家数据处理与信息咨询服务商，公司拥有自主核心技术与服务咨询的团队， 公司“WJFbaric-互联网大数据信息监测SaaS平台”目前注册使用客户将近上万个，为企业、政府、学术机构、成功人士等提供在线信息收集、展示、阅读、存储的免费平台，公司远景致力于通过数据+计算形成可视化的人工智能决策平台。