引言：深度學習的三位創立者Geoffrey Hinton、Yoshua Bengio和Yann LeCun獲得了圖靈獎，這是計算機科學領域最具聲望的獎項。站在前沿技術發展的一個橫切面上，樂於擁抱變化的程序員、工程師、開發者們手握叫做"深度學習"的利器奔跑在"科技改變世界"的征途上。
人工智能一點都不泡沫
"一個好的案例勝過太多說服的話語"，從事工業現場檢測機器智能裝配的陳思安在談起深度學習與當今工業的結合時建議道，"我覺得飛槳（PaddlePaddle）可以開源這很好，我們在考慮使用飛槳。就是飛槳的宣傳要快點跟上，如果不是看到柳州的噴油嘴智能檢測項目案例，我覺得我們可能錯過飛槳了！"
他提到的飛槳，是目前國內唯一的中文開源深度學習平臺，出自百度團隊。官方對它的定義是"源於產業實踐的開源深度學習平臺"，在特點優勢上，官方強調它是開源開放、功能完備、端到端的深度學習平臺，而這些所帶來的巨大價值之一就在於：快速實現AI產業化大規模落地。深度學習門檻一降再降，每個企業都開始有了機會利用它為自己創造新的價值。
百度飛槳（PaddlePaddle）全景圖
如果說這是"AI（人工智能）時代"，那麼深度學習就是AI時代的引擎。它所蘊含的巨大能量在於可以推動所有產業進行智能化升級。如此一來，給很多已經進入瓶頸、放緩增長或希望未雨綢繆的企業直接送上"核心競爭力"。
"傳統的機器人工業現場檢測裝配都是拿視覺去做引導的。比如焊接機器人在焊接時，需要設備對尚未噴漆的汽車車身進行檢測。如果用傳統方式，那麼在檢測時諸如光照、拍攝位置等的要求會非常高，侷限性很強，我們現在用的算法就是這個問題。而且，在建模的時候，傳統的建模以'金子塔'的方式，對物體的每一個面進行一次建模，物體是一個立體的東西，那最終得到的結果可想而知，只會是冗長又複雜的，這得佔多大空間呀。我們試了下飛槳的技術，難以想象它帶來的靈活性；此外，在模型訓練好之後佔用空間非常小，這一點上飛槳有絕對優勢，這就是巨大的提升。而且，如果我們開始大規模使用飛槳，飛槳是開源的，那就意味著以後我們不用購買國外的算子了，所以成本上的節省也非常可觀！" 陳思安在談及人工智能在工業現場檢測方面的應用時所表現出的飛揚神采，一點都看不出來他週六頂著35度高溫跑到北京四環外來聽技術分享會的辛苦。
酒香也怕巷子深，讓增長來得"更猛烈些"
在這個知識爆炸的時代，全世界38億互聯網用戶每天被海量的信息淹沒得難以喘息。知識付費這個概念自2015年誕生以來，無數知識分子紛紛摩拳擦掌地加入"知識改變世界"的大軍中。"知識付費最重要的是內容嗎？是的！" 負責愛奇藝知識付費產品的帥帥同學在6月22日，基於百度深度學習平臺飛槳（PaddlePaddle）的AI快車道第三期課程—— "推薦系統"的專題課上說："但用戶如果找不到你的內容，那不就沒辦法了嗎？現在這個狀況，就是酒香也怕巷子深，所以接下來，對於如何解決增長的問題，我們在做算法層面的優化，根據用戶收看的內容，更準確地預測出他喜歡的視頻。也省去用戶自己不斷換關鍵詞，費勁地搜索想要的內容，這對用戶來說也是一種便利。"
AI快車道企業深度學習實戰營第三期——"推薦系統"專題
知識付費走過2016年元年，現在怎麼樣了呢？"當靠販賣焦慮的瘋狂過去後，冷卻下來的理性帶給數據最直觀的反饋。"帥帥談起"深度學習"帶給企業的無限機遇時，先是如是說道。"接下來的增長，很可預見的會來自於技術，技術可以幫助做知識付費的各個企業解決增長下降、甚至是停滯問題。"他說的這些，一點也不難理解。所以，"科技帶來經濟增長"，經驗誠不欺我們。
事實上，根據帥帥的介紹，由於深度學習的"推薦算法"能夠影響用戶的購買行為帶來經濟效益，直接增強了企業的核心競爭力，所以它在工業界和學術界得到了廣泛關注。"現在，我也在嘗試用百度的深度學習開源框架飛槳來做這一塊，他們對使用者的支持力度很大，有不懂的內容，我可以隨時'騷擾'他們。"
帥帥還指出："在未來，基於推薦算法，每個用戶都可以擁有自己'定製化'的專屬首頁或垂直頁面內容。這對企業來說，有著巨大的戰略價值，而對於用戶來講，也更方便他們高效地獲取有價值的信息，我覺得，這樣一個高效的環境，才能讓好的內容找對'主人'。"
多少人誤解大數據的關鍵只有"大"
用手機撥打手機客服，跟"智能客服"對話已經不算什麼被"AI賦能"的新鮮事兒了，那如果當你撥號後，客服接起的同時，直接預測出你想要的服務呢？這不是玄學，這是基於大數據的聰明預測。就像各個投行的分析師給出股票的預測、氣象站給出天氣的預測一樣，有了不同維度的數據，把它們訓練成一個或多個模型，每次只需把不同維度的變量放到模型中計算，它就會告訴你："這個顧客打電話來可能想要解決下欠費情況"，或者"也許她想要諮詢下合約機"。當天來參加百度AI快車道第三期課程的通信領域的同學，描繪出一個令人憧憬的客服場景。他說："雖然推薦系統可能跟我的方向不是完全匹配，但是我想了解更多關於飛槳的應用所以就來了。前幾次課程我也都來了，這些課程對於深度學習產業級應用的推動作用還是很有意義的。"
AI快車道企業深度學習實戰營第三期
對於用戶來講，他描繪的場景直接解決了用戶與客服之間有時在問題描述上無法逾越的"鴻溝"，節約了用戶的時間精力，同時也為客服人員創造出好的工作環境。
這個"未來藍圖"據介紹正在試點中，而在這裡面不難發現深度學習技術的身影。當數據巨大時，也許我們利用傳統的技術也可以分析建模，但當數據更加複雜，變量不計其數，在面對如何在多維數據之間尋找深層關係的問題時，或許傳統的方式也能解決一二，但其處理過程可能會過於"沉重"從而失靈或者緩慢。
此時，"深度學習"的優勢對於那些需要與大數據打交道的企業來說，就非常明顯了：降本、增效、快速而準確的進行分析與預測。所以，可見我們在談論大數據時的關鍵不僅是"大"，而是有效的找到他們彼此間一層、多層、甚至是非直接的關係，並結合實際場景去解決問題。
"這並不久遠，而且很有意義。"這位同學最後說到。
是的，這並不久遠，深度學習技術正在各個產業中滲透下沉。也許正是那沸騰在中國AI人熱血中"技術改變世界"的熱盼與夢想，為這個時代創造了去擁有下一個"中國速度"的機會。未來已來，而我們正在觸摸。
