我們已經解釋了人工智能（AI）是如何預測未來的，以及它如何改變工作場所甚至創(chuàng)造就業(yè)機會的。

盡管無人駕駛汽車和機器人技術可能占據了新聞頭條，但人工智能、深度學習以及類似技術可能會讓它們的最大影響幾乎化為無形，方法就是通過無數方式簡化和推進日常生活和商業(yè)。

用英偉達企業(yè)副總裁亞歷克斯懷特（Alex White）的話說，深度學習預示著一個“全新的計算時代”，它將為所有人和一切事物開啟“強大而深遠的變革”。該公司正在開發(fā)更復雜的圖形處理單元，以提高機器學習能力，同時支持1500家初創(chuàng)公司，以了解機器學習可以將人類帶向何方。

機器學習不僅被用于癌癥治療、機器人技術以及無人駕駛汽車等引人注目的領域，也正被越來越多地應用于日常企業(yè)運營中。盡管這個題材顯得很平凡，但它的確非常重要。深度學習可能會徹底改變人們在數據處理方面的日常工作，讓他們更有成就感、更有創(chuàng)造力，最終讓所有努力開花結果。換句話說，深度學習可以去做枯燥的事情，所以你沒必要去做。

人工智能是就業(yè)機會的創(chuàng)造者嗎?舉例來說，如果你從事市場營銷和銷售方面的工作，深度學習可以在所有社交媒體上實時追蹤顧客與你品牌之間的互動。它可以讓你從繁瑣的數據整理工作中解放出來，去追求更有價值的目標，以建立更大的工作優(yōu)勢。在這種情況下，深度學習可以成為提高就業(yè)水平的一種手段。當企業(yè)改善時，它們就會發(fā)展壯大，為我們這些卑微的人創(chuàng)造更多的就業(yè)機會。

至少，理論上如此。我們完全有理由懷疑，但這種理論十分符合邏輯。例如，去年電子商務銷售額達到2萬億美元，預計到2020年這個數字還將翻一番。銷售和營銷是就業(yè)市場的重要組成部分，而這個市場可以通過深度學習基礎設施來完善。

懷特最近在倫敦英偉達的“深度學習協會”活動上發(fā)言。另一位杰出的演講者是安東尼莫爾斯博士（Dr Anthony Morse），他是一名學者，用他的話說，“要讓機器像孩子那樣去學習”。在一段視頻中，莫爾斯博士向一臺人形機器人介紹一個物體一顆橘黃色的星星。然后，他將那個星星與一個紅球共同展示出來，此前這個機器人還不認識紅球。

當被要求拿起紅球時，機器人能夠從之前的指令中推斷出這兩個物體中哪個是橘黃色的星星，進而推斷出哪個物體是紅球(這是桌子上唯一剩下的物體)。這個相對簡單的任務揭示一個微妙而復雜的世界，這個實驗的意義在于：這個類人機器人正在以一個小孩子可能擁有的能力來教授自己知識。

如今，這種技術已經起飛，其潛力非常巨大。那么，這些可能性是如何轉化為我們普通人的現實生活呢?莫爾斯說，視覺圖像識別經常被認為是機器學習的例證，因為它很容易被所有人理解，更不用說深度學習在視覺識別上很容易超越人類的事實。任何熟悉Facebook自動標記工具的人都將認識到，它對用戶和廣告主都有用，盡管深度學習的能力遠不止為社交網絡照片排序。

莫爾斯認為深度學習的能力是廣泛和雙重的:第一，提高現有的自動化水平;第二，能夠催生新的生產線和市常他認為，對于前一類產品，工廠生產線的發(fā)展可能會演變成更復雜的系統，如果它們被深度學習取代，就會產生更新更先進的產品，讓新產品和市場變得更有魅力。從語音識別和實時翻譯到無人駕駛汽車，從早期癌癥檢測到莫爾斯所謂的神奇軟件（拍下某人的衣服后立刻在網上購買），有些東西適合所有人的需求或怪異的特性。

無限的可能性?的確，它的影響深遠。但有無限可能性?根據莫爾斯的說法，情況并非如此。他說：“它不能解決太陽底下的所有問題。”這種情緒與人們聽到的很多關于深度學習的巨大潛力的觀點有很大不同。

Adam Grzywaczewski博士與莫爾斯的觀點相似，他將最近“深度學習”的發(fā)展歸功于三大進展。首先，大數據的可用性增加了。人們每分鐘向YouTube上傳100個小時的視頻，每天向Facebook上傳3.5億張照片。其次，這種規(guī)模的數據已經促使新的深度學習技術被研究和開發(fā)出來。最后，計算能力的飛躍是這些技術得以實現的巨大動力。

但是，深度學習是有深度的限制的。莫爾斯感嘆道，標記好的訓練數據通常都是昂貴的或者是不存在的。此外，你需要權衡下這樣的警告，需要警惕深度學習的潛在能力。理解孩子們是如何學習并將其應用于機器學習上已經不再是科幻電影的素材了，它現在正在發(fā)生，它正在迅速發(fā)生，而且它發(fā)生在一個商業(yè)層面上。

Grzywaczewski博士熱衷于強調，深度學習的生態(tài)系統是動態(tài)的，它在不斷變化。英偉達企業(yè)副總裁亞歷克斯懷特認為，與機器學習有關的研究主要局限于學術領域，而非商業(yè)領域，這股浪潮很快就會沖到岸上。