人工智能（AI）和深度学习
AI是对人的意识和思维过程的模拟，机器人、图像识别等为其典型应用形态，主要分为三个层次：感知、理解和行动。AI本质上是具有类人智能的机器，能够替代人类完成任务，提升效率，解放人类劳动力。AI从出现之后，相关技术逐渐实现革新与升级，理论研究更加深入全面，能够预知的是，今后人工智能会是人类智慧的集中体现。比如：让机器像人类一样思考（人机对弈、机器学习、自动推理和搜索方法、人工意识、知识表示等）、让机器像人类一样听说（语音识别、说话人识别、机器翻译、语音合成、人机对话等）、让机器像人类一样看懂（图像识别、人脸识别、虹膜识别、文字识别、车牌识别等）以及让机器像人类一样行动（智能机器人、无人驾驶汽车、无人机等）等。与互联网、移动互联网一样，AI是基础能力，它将融入现有的生产生活，影响到所有和数据相关的领域。
未来，互联网将逐步回归计算本源，进一步解放人脑的AI将成为信息产业探索的重心。从阶段上看，AI分为计算智能、感知智能与认知智能三个阶段，其技术层方面的研究主要集中在计算机视觉、自然语言处理以及机器学习等方面。目前，AI终于能像人类一样学习，并通过了图灵测试。数据科学平台公司Lmidatum创建的系统还可以及时提供意见，改善客户支持服务。多家公司都利用AI决定执行华尔街的交易，更多信贷决策都会借助AI。亚马逊用机器学习优化库存，提高给客户推荐产品的准确率。Infinite Analytics公司开发的AI系统能够预测用户是否愿意点击某个广告，从而帮助某全球消费性包装品公司，提高线上广告投放精准度。该公司开发的另一AI系统，帮助某快消品公司改善巴西在线零售商网站的客户搜索和发现流程。
人类所知远胜于其所能言传。我们具备的多数知识是不言而喻的，也就是说，我们无法解释清楚这些知识的内容和获取方式。为什么我们现在才突然看到AI在众多领域的突破性发展？以下三个因素可说明症结所在：数据大量增加；算法进步显著；计算机硬件性能得到巨大提升。随着人类社会的各类设备在不停地感知、传输、存储数据，大数据呈现指数级倍增。在过去20年中，应用软件中的数据可用性增长了1000倍，关键算法改进了10～100倍，硬件速度至少提高了100倍。谷歌DeepMind联合创始人尚恩·莱格（Shang Legg）称，现在一个TPU一天处理的数据，1990年的80486微处理器需要处理25万年才能完成，这相当于速度又提升了10倍。数据是观察世界的桥梁和知识的载体，决定着AI从云到端的必然发展趋势。在收集到数据之后，技术层所做的事就是模拟人脑，对数据进行有效处理和分析。大数据的广泛应用，使AI在深度学习领域实现突破，如语音识别、图像识别、自动驾驶等，随着深度学习的准确度不断提高，AI以前所未有的态势汹涌而来，未来一个训练有素的机器阅读理解（MRC，Machine Reading Comprehension）系统和不同的领域都密切相关，即便不对其进行类别界定与划分，它们同样可以通过分析对其基本内涵进行理解并迅速给出答案。从媒介角度来看，通过人工智能实现的智能媒介和智能机器将作为助手和“媒体看门者”与人共同协作。
深度学习（deep learning）这一基本概念最初出现在人工神经网络的相关分析与研究当中，主要理念就是通过对人脑运作机制的精确模拟，达到分析和判定各种数据信息的基本目的。其名称中的“深度”某种意义上就是指人工神经网络的层数，深度学习本质上是基于多层人工神经网络的机器学习算法。深度学习是建立输入和输出数据之间的映射关系，在实际应用中，社交媒体、软件服务协议、硬件、网站cookies以及应用程序权限等为训练神经网络提供了大量数据（如图1-2）。实质上，人类很多智能或者技能都是先通过经验积累（即可抽象为大量数据训练的过程），再举一反三应用到其他领域（泛化至其他输入数据）。所以，随着深度学习的进一步完善，人类诸多须依靠经验积累的能力都可以逐步依靠深度学习来实现。(https://www.daowen.com)
图1-2 深度学习的映射关系
目前，深度学习在语音识别、搜索引擎、机器翻译等领域获得较为普遍的实际运用，并获得了比较理想的效果。以视频行业为例，视频因具有运动的图像、文本、音频、用户观看日志等复杂的时空信息，容易带动观者的情绪，是内容最丰富的媒体，在未来将成为信息表达和传播的主流。然而目前大部分视频都存在一些问题：第一，随着视频规模的扩大，视频处理的任务也更加艰巨，信息传播的速度跟不上产生的速度；第二，视频中的内容无法得到有效利用，导致黄金流量难以规模变现。视频行业在发展过程当中，通过对深度学习的合理运用，不只是替代人工，智能化地处理视频，还使更多的新商业模式逐步涌现。过去电视以及视频网站的发展建设中，节目的处理需要花费大量的人力物力，所取得的效果也不够理想，相比之下，通过合理运用深度学习，能够使得各种数据信息的处理变得更加智能化和自动化。同时，借助深度学习，不仅可以使商品运营活动的开展变得更为顺利，提高商品的关注度，帮助企业获得更加理想的运营业绩，而且还能够使更精准的广告匹配得以顺利实现，帮助企业更加有针对性和有目的性地进行广告投放，获得更理想的传播效果，促进更多运营目标的顺利实现。如：迅雷通过接入图普科技的图像识别云平台，超过98%的色情视频被机器过滤，复审量低于总量的2%，节省了超过98%的人力成本；创意引晴公司（Viscovery）能够监测色情、暴力、反恐等违禁内容，节省95%的人力，适用于网络直播、盗版内容监测等领域；由百度和爱奇艺推出的广告产品——随视购，是基于深度学习的video out技术的全面使用，能够帮助识别用户观看的场景，从而针对性推送强关联的同款产品或相关定制化活动。深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围，或将引领人工智能的浪潮。