浮生碌碌，汲汲营营，我们身为万物之灵，到底该怎样活着？

我们需要用开放的心态迎接新世界。

无处不在的人工智能

人工智能智能算法不但会帮助司机选择路线、规划车辆调度方案，不远的建立，自动驾驶技术还将重新定义智慧出行、智慧交通和智慧城市。

在使用手机购物时，淘宝、Amazon等电子商务网站，使用人工智能技术为你推荐适合你的商品，而先进的仓储机器人、物流机器人和物流无人机正帮助电子商务企业高效、安全地分发货物。

像今日头条app这样的新闻应用之所以火爆，主要就是因为其采用了人工智能技术，app可以聪明地归纳每个人看新闻时的不同习惯、爱好，给不同用户推荐不同的新闻内容。也就是说，app比你自己还了解你自己。

深度学习携手大数据引领第三次AI热潮

计算机用来学习的、反复看的图片，叫“训练数据集”；

训练数据集中，一类数据区别于另一类数据的不同方面的属性或特种，叫作“特征”；

计算机在“大脑”中总结规律的过程，叫“建模”；

计算机在“大脑”中总结出来的规律，就是我们常说的“模型”；

而计算机通过反复看图，总结出规律，然后学会认字的过程，就叫“机器学习”。

深度学习 - 就是把计算机要学习的东西看成一大堆数据，把这些数据丢进一个复杂的、包含多个层级的数据处理网络（深度神经网络），然后检查经过这个网络处理得到的结果数据是不是符合要求--如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地、锲而不舍地调整网络的参数设置，直到输出满足要求为止。

深度学习大致就是一个用人类的数学知识与计算机算法构建起整体架构，再结合尽可能多的训练数据以及计算机的大规模运算能力去调节内部参数，尽可能逼近问题目标的半理论、半经验的建模方式。

人类分析师的头脑再聪明，也无法将一个待解决问题的所有影响因子都分析清楚，只能采用简化的数学模型，来拟合负责数字世界里的隐含规律。而基于深度学习的人工智能算法显然可以在数据分析与数据预测的准确度上，超出人类分析员好几个数量级。

在不久的将来，我们认为深度学习将取得更多成就，因为它只需要极少的人工参与，所以它能轻而易举地从计算能力提升和数据量增长中获得裨益。目前，正在开发的用于深层神经网络的新型学习算法和体系结构必将加速这一进程。

AI 创业是时代的强音

有了成熟的业务流程和高质量的大数据，深度学习技术的突破就是“万事俱备，只欠东风”的事了。

搜索和广告业务本质上就是机器学习取得的，而且早已被证明是成功的。

AI 重在提升效率，而非发明新流程、新业务。未来10年，不仅仅是高科技领域，任何一个企业，如果不尽早为自己的业务流程引入AI+的先进思维方式，就很容易处于落后的追随者地位。

今天人工智能的代表算法是深度学习。而深度学习通常要求足够数量的训练数据。一般而言，拥有千万级的数据量是保证深度学习质量的前提。

人工智能之所以能在近年突飞猛进，主要得益于深度学习算法的成功应用和大数据所打下的坚实基础。

AI 时代，我们可以更多地借助机器和互联网的力量，更好地感知整个世界、整个宇宙，体验人生的诸多可能--这样，才不枉我们短暂的生命在浩瀚宇宙中如流星般走过的这一程。

Google Tensor Flow 深度学习框架

TensorFlow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。