賈揚清，浙江上虞人，畢業於清華大學自動化系，在加州大學 berkeley 分校獲得計算機博士學位，目前擔任阿里計算平台掌門人。
最近幾年深度學習的流行，大家一般認為是從2023年 alexnet 在影象識別領域的成功作為乙個里程碑。alexnet 提公升了整個業界對機器學習的接受程度：以前很多機器學習演算法都處在「差不多能做 demo 」的程度，但是 alexnet 的效果跨過了很多應用的門檻，造成了應用領域井噴式的興趣。
當然，任何事情都不是一蹴而就的，在2023年以前，很多成功的因素已經開始逐漸顯現：2023年的 imagenet 資料庫奠定了大量標註資料的基礎；2023年開始，idsia 的 dan ciresan 首次用 gpgpu 進行物體識別；2023年，北京的 icdar 大會上，神經網路在中文離線識別上大放異彩。就算是 alexnet 中用到的relu層，早在2023年神經科學的文獻中就有提及過。所以，一定程度上說，神經網路的成功也是乙個水到渠成的過程。2023年以後的事情，大家可以讀到很多，這裡就不再贅述。
在看待神經網路成功的同時，我們也要進一步深挖其背後的理論背景和工程背景，為什麼神經網路和深度學習在幾十年前失敗，但是現在卻成功了？它成功的原因是什麼？而它的侷限又在什麼地方？我們這裡只能片面地說幾個重點：
大量的資料，比如說移動網際網路的興起，以及 aws 這樣低成本獲得標註資料的平台，使機器學習演算法得以打破資料的限制；由於 gpgpu 等高效能計算的興起，又使得我們可以在可以控制的時間內（以天為單位甚至更短）進行 exaflop 級別的計算，從而使得訓練複雜網路變得可能。要注意的是，高效能計算並不僅限於 gpu ，在 cpu 上的大量向量化計算，分布式計算中的 mpi 抽象，這些都和60年代就開始興起的 hpc 領域的研究成果密不可分。
但是，我們也要看到深度學習的侷限性。今天，很多深度學習的演算法還是在感知這個層面上形成了突破，可以從語音、影象，這些非結構化的資料中進行識別的工作。在面對更加結構化的問題的時候，簡單地套用深度學習演算法可能並不能達到很好的效果。有的同學可能會問為什麼 alphago 和 starcraft 這樣的演算法可以成功， 一方面，深度學習解決了感知的問題，另一方面，我們也要看到還有很多傳統的非深度學習演算法，比如說 q-learning 和其他增強學習的演算法，一起支撐起了整個系統。而且，在資料量非常小的時候，深度學習的複雜網路往往無法取得很好的效果，但是很多領域，特別是類似醫療這樣的領域，資料是非常難獲得的，這可能是接下去的乙個很有意義的科研方向。
接下去，深度學習或者更廣泛地說，ai 這個方向會怎麼走？我個人的感覺，雖然大家前幾年一直關注ai框架，但是近年來框架的同質化說明了它不再是乙個需要花大精力解決的問題，tensorflow 這樣的框架在工業界的廣泛應用，以及各種框架利用 python 在建模領域的優秀表現，已經可以幫助我們解決很多以前需要自己程式設計實現的問題，因此，作為 ai 工程師，我們應該跳出框架的桎梏，往更廣泛的領域尋找價值。
往上走，我們會遇到產品和科研的很多新挑戰，比如說：
往下走，我們會發現傳統的系統、體系結構等知識，計算機軟體工程的實踐，會給 ai 帶來很多新的機會，比如說：
人工智慧是乙個日新月異的領域，我們有乙個笑話說，2023年的科研成果，現在說起來都已經是上古時代的故事了。快速的迭代帶來的大量機遇和挑戰是非常令人興奮的，無論是有經驗的研究者還是新學 ai 的工程師，在當今雲化，智慧型化的年代，如果能快速學習並重新整理演算法和工程的各種挑戰，就可以通過演算法創新引領並且賦能社會各個領域。這方面，人工智慧領域開源開放的各種**，科研文章和平台給大家創造了比以前更容易的入門門檻，機遇都掌握在我們自己手中。
人工智慧的就業方向
關於ai在的就業方向主要有，科研機構 機械人研究所等 軟硬體開發人員，高校講師等，在國內的話就業前景是比較好的，國內產業公升級，it行業的轉型工業和機械人和智慧型機械人以及可穿戴裝置的研發將來都是強烈的熱點。2 醫學影象處理 醫療裝置 醫療器械很多都會涉及到影象處理和成像，大型的公司有西門子 ge ...
我對人工智慧的哲學思考
圖靈機是人類手工計算過程的抽象，而不是人類大腦思考過程的抽象，現在的人工智慧 機器學習等都是依賴執行在圖靈機上的演算法，這些演算法不管多麼強大和 智慧型 都超越不了其執行平台 圖靈機的限制。要想實現真正的智慧型，必須做出人類大腦思考過程的抽象，在這個抽象平台上執行 智慧型軟體 才能實現真正的人工智慧...
對人工智慧的認識
對人工智慧的認識 人工智慧是電腦科學的乙個研究分支，不過，這個分支下面又包含很多的研究方向，這個分支提出的時間很早，中間也熱鬧過幾次，自從2012年以來又熱鬧了，所以看了一點綜述文章對此進行簡單的記錄。2 人工智慧包括六個方面 一 計算機視覺 算上模式識別 影象處理等問題 二 自然語言理解與交流 包...