李开复在清华大学演讲的时候对人工智能做出了一番非常中肯的评论。其中还详细的解释了一般企业如何应用人工智能为企业建立竞争优势和技术壁垒，句句都是干货，简单来说，人工智能行业的发展现在仍有很大限制——没有平台化。但也正因为有着这样一个限制，这时候建立起来的壁垒也会是最高的。由于人工智能的优势众多，因此我们认为，企业都应该考虑开始用人工智能辅助自己，也招募一些相关方面的人才。
不过我们不能光打打嘴炮，如何克服困难和挑战，让人工智能帮到你的工作、你的事业呢？让我们将李开复的演讲内容，再结合一个实例，来给大家解释一下。
现在，假设你是一个程序员
虽然哥也是一媒体人，但黑起自己的行业来是丝毫不会手软的，假设你现在是一家媒体的IT部门人员，这家媒体每天做的最多，最重要的工作就是从别的网站复制文章过来，然后加一些自己的记号上传到自己的网站上去，而你虽然是一介码农，但是却心怀天下，想要拯救公司里那些苦逼的编辑。于是你决定自己编写一个程序，帮助编辑们一键完成，甚至自动完成这些复制文章的事，你应该怎么做？
当然，用人工智能来复制粘贴看起来是有点大材小用了，但这活看起来很机械，倒也需要一定的应变，比如网站的页面里除了正文外还有很多乱七八糟的广告链接，只要网站的设计者不会太蠢，设计出来的结果应该是人一眼就能看出来哪个部分是正文哪些是无关信息。但一个算法要如何识别正文和广告/无关链接的区别呢？而且算法如何在网站的内容中寻找到哪些是值得Copy的内容呢？（是谓“热点”）
最关键的是，细细一想，这些要注意的事项还真挺多。你平时学的If else似乎不够用了，你该用什么语言来完成你的惊世算法呢？
说到这里，我们就面临了李开复提到的目前的深度学习面临的第一个挑战：没有平台
深度学习的挑战之一：平台
人工智能目前还没有一个统一的平台。在深度学习方面，现在的人懂就是懂，不懂就是不懂。这就是为什么Google最近花了重金不断在挖业界顶尖的人才，给年轻人开出的年薪甚至超过200万美元。这些人也就是二十来岁，博士刚毕业不久，怎么会这么值钱呢？
为什么这么贵呢？李开复老师有提到，这些人被投入到各个领域的AI研究中去后，可能很快就能创造出千万美元甚至上亿美元的价值了。但他可能没有表达出来的一个意思是，现在的AI开发真的很难，很难，之所以这么难，就是因为没有平台。
平台是一个比较玄乎的概念，因为现在人工智能的发展还处于一种摸着石头过河的状态，因此没有人能预测所谓的“平台”的准确形态是什么样，这话题铺开来讲可能能单独讲一篇文章，但简单来说，大概会是一种“统一标准”的状态。比如说现在一提神经网络算法人们就会想起很多种概念，CNN、RNN、DNN等等，而具体到应用实现的方法也千奇百怪。所有基于AI的编程，都是要从0开始编起，一点一点构筑起算法。但如果有一天有一个类似于iOS、安卓的东西，探索出了一种最优秀的算法（当然这只是打个比方，不一定有最优秀的算法。），并且将其集成进了某种程序中，后人如果想进行神经网络有关的开发，只需要调用它提供的API就能完成了。那样就能极大的简化深度学习开发的难度。
深度学习挑战之二：数据的收集和运算
当然作为一个心怀天下的码农，这点小事肯定是难不倒你的，你应该很快就找到了合适的语言系统，比如Tensorflow，比如Scikit，开开心心的编起了程序。不过接下来你要面对的问题可能就没有那么好解决了：它们都从两个方向分别决定着你的算法训练的效果：训练数据的量和训练的速度。李开复老师将这个问题拆成了两个问题，但我们认为，其实他们都是关于算法训练的问题，因此其实可以归于同一个问题。
深度学习的网络太大，需要海量的数据。