1. 面对井喷式增长的数据量，浅层分析的传统算法，无法满足深层次数据挖掘的需求，人工智能就是一种应用再造的重要工具。深度学习自行提取更丰富更适合的特征参数，使得识别分类对象准确率更高。在海量数据应用、高性能训练、推理平台，以及高效模型设计上有所突破。
2.利用深度神经网络，对关键信息进行逐层特征抽象，提取目标的结构化信息，并利用关键信息，进行前后有效关联，从而形成综合判断。将非结构化信息转为结构化信息，将打通大数据入口，从而为后续关键数据挖掘铺平了道路。
3.在应用中不断迭代算法，使算法准确率不断提升。要有系统性的积累，包括算法、产品、数据、系统方案。
4.深度学习在复杂网络设计、模型压缩方向的研究依然是热点，深度学习和LSTM、增强学习的结合进一步加强。
5.深度学习的硬件平台，会呈现一个爆发期，各大芯片厂商都会在今年推出适合深度学习的芯片平台，但计算能力和功耗仍存在矛盾，所以若要结合硬件平台推出产品，深度学习模型压缩显得尤为重要。
人工智能是一种新能源，展望未来十年，面对这一新能源革命， 很多公司都强调AI+，用AI技术+具体应用场景，将撬动非常庞大的市场，在这个过程中，还将出现很多优秀的公司。面对这个巨大的机遇，世界上2%的人已经做了充分准备，还要继续拓展领域、人脉、资金，抓住一个核心技术。
----------------------------------------------------------------------------------------------------------------------------------
欢迎加入人工智能工作群组（现有群友为美、英、日、印等国及中国专家学者和专业人员一百余人），请添加微信88476030（注明：参加“人工智能工作群组”，所在部门及从事领域）。
