为什么大数据实际上是深度学习驱动力？以前模拟系统来做的神经元，用物理模拟机器来做这个复杂度，不可能做到一亿的神经元，不可能做到一百万亿的连接。但是今天我们用计算机能够做到。深度学习是什么意思？很简单，深度学习就是层数比较多的神经网络。每一次训练你输出一系列的数据，当实际输出和目标函数有一定的差距，这个差距反馈回去再进行训练，这是整个循环的过程。

AI的发展与影响

　　AI的应用与未来：辅助人，代替人，超越人；

　　机器将造成未来社会出现90%的闲人，但机器难以替代资本家、艺术家和手艺人；

　　机器在感知上超越了人类，但在认知上还要5-10年。

讲完深度学习，我们可以想像当神经网络增加到152层的时候它的复杂性是什么样的增长。这种增长使得今天的AI，今天的机器学习不光是能够辅助人，而且很大程度上会代替人，未来还会在很大程度上超过我们。也许这是我们今天不愿意接受的。

未来AI会超过我们。到底怎么样超过？其实我们想象一下人工智能今天确实能够做很多人类能够做的事情。原因是为什么？人类可以像AlphaGo一样一晚上下一百万盘棋吗？能够像特斯特收上百辆的车同时收集数据并进行同时学习吗？这做不到。同样今天人类不可能对遍布于全国各个火车站，各个机场的数据同时进行处理，也就是说规模你也比不上。

人工智能会代替人、超越人是时间问题。不光是这样，机器学习在一些场景做的比人还好，因为人通过观察、通过思考判断出来的东西，人工智能通过学习很大程度上比你做得快。AlphaGo已经完全展示出了，人们在围棋这一点上是已经被人工智能打败了。

投资决策、政策、规划、战争沙盘推演这些很大程度都是靠经验的。今天从AlphaGo上看到的，人工智能在这些场景里都会超过人类，这是因为机器本身的自我学习的能力已经非常强大。像开车、滑雪、画画、拉提琴这些不可能通过看手册就能学会的事情，人工智能也已经超过了人类。其实我们自以为很了不起的东西，人工智能看的比我们要透彻。

前一段AlphaGo隐姓埋名跟人类下棋，世界排名第一名的柯洁下输了后感慨地说人类三千年的围棋文化只是接触了围棋的皮毛。我们以前下围棋，人类的思考实际上只是看到一个本地的最优解，不可能翻山越岭去看，但是AlphaGo可以看到山外还有山。是因为它的数据处理能力比我们强，所以它学到了这一点。人类以后再也不可能赢AlphaGo了。这就是残酷的现实。

举一个微软研究院的例子。在这个例子里，机器看到Stop Sign标志，会描述出这是在一个城市边上有这样一个标志，有红色，立柱，与交通相关等等标签。这个系统希望能看图讲故事，不是看图识字，是识图讲故事。

这里有另外一个例子：这幅照片是一位妇女在厨房准备食物。第一个描述是一个妇女在厨房准备食物。第二个描述写的是，一个妇女在厨房水台边上准备一份午餐或者早餐。第一个是机器学的，在这一点上机器已经超过了人。你可以说这个人不会讲故事，但是至少机器能够讲出比他还好的故事。当然了，这还是属于探索的阶段。

据说在AI的浪潮下最安全是考古学家。可是这个社会上考古学家也不需要太多，工资也不会太高。男怕入错行，女怕嫁错郎。随着这些的变化，未来哪些工作会被AI取代，社会将是什么样的？

全球化是在全球范围内寻找最廉价完成某一项制造的过程，于是全球化导致了两级分化，导致了跨国企业效率不断提高，也导致了包括美国在内发达国家蓝领工人的失业。AI是否会加剧这个趋势?

未来可能会有两种人，一种叫神人，一种叫闲人。问题是90%以上的是闲人，这怎么办？其实去年瑞士的国家有一个议员提出了，不管工作不工作每个人先发三千法郎，工作再拿另外的钱。瑞士人还是比较冷静，全民公投没有通过。未来可能只有三种人能够对抗AI，资本家是没有问题的，未来仍需要资本运作。另外就是艺术家和手艺人，这类技能机器暂时不能学过来的。当然大部分人很难做到这三种人。