rayindream_个人页

我们正在用PAI做大规模深度学习。

目前深度学习是主流。Python编写控制流，底层是C++高性能实现。

机器学习是方法，语音识别和图像识别是具体任务。这两个任务目前主要用的是机器学习方法。此外，机器学习的本质是有泛化性，就是对没见过的东西也有预测能力，所以对不认识的人是有一定的识别能力的。

推荐PRML这本书。另外，推荐还是用tensorflow，caffe这样的主流框架，对未来实际使用更优价值些。

对不同用户，推不推送刮刮卡，什么概率，有什么奖品都会影响用户行为，满意度，以及后续行为。这里面可以用机器学习来学个性化的方案，最大化效用。

可以。最经典的使用MPI通讯同步信息。

有些算法包应该可以指定初值和更新允许。
设定初值，不允许更新就可以了。

tensorflow, maxnet, caffe。

人工智能的很大一个进展。
回过来说，也只是人工智能在解问题的工具属性的更强大延伸。真正的强人工智能还很远。

自动语音识别自动识别歌词，挺靠谱的。

生存的各种感觉是实现自我意识的关键因素。不一定是终极算法。以后的真正有意识的人工智能也可能要有痛苦。

自动识别人脸开门，开柜门等等。

目前人工智能的一个核心是学习能力。学习能力的一个重要维度是学到相同程度，需要的数据量有多少。越少越好。
人工智能目前的发展正好到了，需要的数据量从原来的无法实现，到目前大数据能力可以支撑。
所以现阶段人工智能和大数据耦合非常紧。
但是未来，人工智能的一个方向一定是把所需数据进一步降低，降的越低越好，这才是更强的学习能力。所以，人工智能和大数据也有分道扬镳的可能性。

录音-->语音识别成文本存下来。
进一步可以用NLP技术自动抽取摘要和重点。

技术革命一定会带来社会分工的巨大变革。一些工种会消失，也会产生大量的新工作。
生产效率提升后，也许会带来只有少数人（精英？）工作就够了的局面，大多数人安逸享受。
目前的人工智能仍是工具的延伸，机器没有自我意识。在真正的人工智能实现之前，不会有人类被代替的局面。

现在的人工智能基本都集中在在确定性问题，是为了解决问题的。这本质上是工具的延伸。这块的突破能带来生产效率的巨大变革，吸引了大量的财力人力，最近有爆发式发展。
所谓真正的人工智能需要关注在自我意识等层面，和人工生命领域比较相关，这块的进展非常少。因为这个方向的研究并不是那么有功用，也吸引不太来钱和人才。

实际看过：Pattern Recognition And Machine Learning
很好的书，建议有时间看看。
然后在找深度学习的综述看看。
此外，练习很重要，一定要自己编程写算法，并且找实际数据跑算法迭代效果。

1. 根据历史曲线。
2. 抓取全网舆论，包括影响大盘、行业以及个股的可能点。
3. 股票包含了大量博弈对抗行为，用强化学习等技术模拟对抗，加强能力。

楼主可以看一下deeplearning4j/ND4J。地址在这里：https://github.com/deeplearning4j/nd4j
目前深度学习的主流框架Tensorflow/MXnet/theano等，python是主流环境，真要想深入到人工智能领域，建议和主流保持一致，看看python环境下的平台吧。