ai並不是孤立存在的，就像網際網路也不是孤立存在的，網際網路是資訊革命的具體表現形式，網際網路的發展加快了資訊的交流，儲存，收集和利用。
目前在ai領域都形容資料就是生命，就像血液，就像石油。資料就是資訊，是資訊革命的產物。但是資料需要分析和建模才有價值，就像石油必須經過冶煉和提純，才能利用一樣。在資訊**的時代，對資訊分析和利用的能力就決定了，他的科技能力。而神經網路，就是對資料的學習，並從資料中得到規律，建立模型，然後對未知領域進行**。
這就決定了，神經網路必須要有實際的應用場景，目前來說，影象領域的，識別。自然語言領域的翻譯，語音識別，
自動駕駛領域的，自動控制和物體檢測，廣告領域的推薦系統，**使用者流失等等。
因為我的職業關係，我學習神經網路主要做使用者流失**，使用者付費**，來提公升使用者留存，提公升使用者貢獻價值。
神經網路或者說深度學習，到底能做什麼，
現在這個概念或者應用很火，新的公司或者業務，如果沾上ai的邊，都能增加估值或者容易拉到投資，還有更誇張的，
乙個深度學習的職員用200行**的效果比乙個資深的研究員，幾萬行**的效果都要好。其實這都是特定環境下的特定例子。深度學習目前能做的還非常有限，他做的工作就是統計和建模。
目前的深度學習其實不能稱之為「智慧型」因為他只有統計建模功能，沒有因果推理功能，打個比方，電腦計算肯定比手拿的計算器要快，手拿的計算器肯定比人腦算的要快。但是「電腦」能替代人腦麼，電腦能稱之為「智慧型麼」？顯然不能，為什麼？
因為電腦不能提出來「為什麼？」這個問題，深度學習的訓練也只是進行概率統計（統計學範疇）和曲線擬合（數學範疇）。
所以說看到這次的人工智慧的大浪潮，我就想到了前幾年vr的風潮。深度學習由於具備了，資料，演算法，算力的加成，已經突破了之前的枷鎖，在統計和建模的道路上一路狂奔，但是他離我們智慧型的期望還差的非常遙遠，最本質的問題是他沒有因果關係，不會問「問什麼」。但是用這個工具來在海量的資料中尋找資料本身的規律是非常好的，所以大家一定要清醒的認識到這個問題，
在投入人工智慧的大潮中的時候知道他的深淺程度，進而不要變得像vr大潮中那樣，最後被衝的**都沒了。
在寫這篇文章的時候，我在看，朱松純：**人工智慧，這篇文章4萬多字，我讀了一遍，非常震撼，以至於我想把上面寫的這些全部刪掉，但是猶豫再三，還是保留了，至少證明了我的學習經歷。下篇文章可能會比較久才能寫，因為我需要消化一下朱松純教授的觀點。重新的調整我對人工智慧的看法。
發揮語言的威力
本人在專案開發中，開始一直用php,在享受著php的靈活的功能時，同時也遇到了一些問題，如php的odbc介面連線 遠端oracle 問題,就是報告你無m骺 幏饢鯰ns服務名，經過一番捉摸，現在還是沒有找到問題的答案，燃眉之急！情急之中，想出一妙計，眾君請看 我用asp連線遠端資料庫,當然一切ok,...
用Oracle並行查詢發揮多CPU的威力
在乙個單獨的伺服器中安裝更多的cpu成為目前的乙個趨勢。使用對稱多處理伺服器 smp 的情況下，乙個oracle伺服器擁有8個 16個或32個cpu以及幾吉位元ram的sga都不足為奇。oracle跟上了硬體發展的步伐，提供了很多面向多cpu的功能。從oracle8i開始，oracle在每個資料庫函...
用Oracle並行查詢發揮多CPU的威力
在乙個單獨的伺服器中安裝更多的cpu成為目前的乙個趨勢。使用對稱多處理伺服器 smp 的情況下，乙個oracle伺服器擁有8個 16個或32個cpu以及幾吉位元ram的sga都不足為奇。oracle跟上了硬體發展的步伐，提供了很多面向多cpu的功能。從oracle8i開始，oracle在每個資料庫函...