首先要指出，Robin的人工智慧時代的提法是長期思考的產物，早在2014年初，Robin給大家推薦了一本書《奇點臨近》，書中講到，當有一天計算機會足夠強大，以至於它的智慧也可以匹敵人類，當計算機智慧超過人的時候，整個社會會發生非常奇妙的變化。
那麼為什麼要提出，並在此刻要提人工智慧時代的說法？實際上人工智慧領域中的機器學習在5年前的廣告，搜尋，ugc等各個領域均有大規模運用，此刻他提的概念和傳統的機器學習有啥不同？個人理解有以下三點：
1.資料的爆發式增長，得益於手機、智慧硬體等裝置的普及，如今人們生產的資料規模較之前的pc時代有大規模的提升，越來越多資料的處理、挖掘和理解需要更智慧的技術，這就是為什麼矽谷出現大量的AI公司去處理各特定領域的問題；此外，做機器學習的人應該知道，可處理的資料越豐富，一定程度上機器學習的任務運作的越好，這也推動了機器學習的發展。
2.機器學習處理技術的提升，較之傳統機器學習模型（淺層模型），深度學習近幾年得到大規模運用。一方面是深度學習較傳統的機器學習有較好的處理效果，尤其在影象、語音、影片等領域；其次是得益於硬體技術的發展和訓練方式的提升，原本幾乎不可能完成（訓練時間過長）的深度學習的訓練得以實施，比如目前對影象處理的CNN是Yann LeCun於1998提出，但是因為技術手段因素一直到最近幾年才被廣泛應用。
3.深度學習平臺化以及雲化的發展，記得兩年多前，曾經有朋友說想試試dnn，但門檻極高，如今如paddle，tensorflow，caffe等開源平臺可以讓大家方便的進行深度學習任務（如果不用gpu加速或者平行計算，處理傳統的文字任務也夠了）。這也是為什麼很多小公司可以號稱自己使用了深度學習技術的原因，而這個趨勢會隨著未來開源平臺的完善更加深入。此外，越來越多的雲計算平臺開始考慮整合機器學習，包括深度學習進入雲服務，下一代的雲服務會更好的支援機器學習任務，大家接入的成本會更低，也會促進AI應用的大規模發展。
綜上，正是因為大量的資料依賴AI技術，AI的自身發展和接入成本會更低，可預計的未來將會出現大量的AI應用。所以Robin才會提出並在此刻提出人工智慧時代到來的說法。
首先要指出，Robin的人工智慧時代的提法是長期思考的產物，早在2014年初，Robin給大家推薦了一本書《奇點臨近》，書中講到，當有一天計算機會足夠強大，以至於它的智慧也可以匹敵人類，當計算機智慧超過人的時候，整個社會會發生非常奇妙的變化。
那麼為什麼要提出，並在此刻要提人工智慧時代的說法？實際上人工智慧領域中的機器學習在5年前的廣告，搜尋，ugc等各個領域均有大規模運用，此刻他提的概念和傳統的機器學習有啥不同？個人理解有以下三點：
1.資料的爆發式增長，得益於手機、智慧硬體等裝置的普及，如今人們生產的資料規模較之前的pc時代有大規模的提升，越來越多資料的處理、挖掘和理解需要更智慧的技術，這就是為什麼矽谷出現大量的AI公司去處理各特定領域的問題；此外，做機器學習的人應該知道，可處理的資料越豐富，一定程度上機器學習的任務運作的越好，這也推動了機器學習的發展。
2.機器學習處理技術的提升，較之傳統機器學習模型（淺層模型），深度學習近幾年得到大規模運用。一方面是深度學習較傳統的機器學習有較好的處理效果，尤其在影象、語音、影片等領域；其次是得益於硬體技術的發展和訓練方式的提升，原本幾乎不可能完成（訓練時間過長）的深度學習的訓練得以實施，比如目前對影象處理的CNN是Yann LeCun於1998提出，但是因為技術手段因素一直到最近幾年才被廣泛應用。
3.深度學習平臺化以及雲化的發展，記得兩年多前，曾經有朋友說想試試dnn，但門檻極高，如今如paddle，tensorflow，caffe等開源平臺可以讓大家方便的進行深度學習任務（如果不用gpu加速或者平行計算，處理傳統的文字任務也夠了）。這也是為什麼很多小公司可以號稱自己使用了深度學習技術的原因，而這個趨勢會隨著未來開源平臺的完善更加深入。此外，越來越多的雲計算平臺開始考慮整合機器學習，包括深度學習進入雲服務，下一代的雲服務會更好的支援機器學習任務，大家接入的成本會更低，也會促進AI應用的大規模發展。
綜上，正是因為大量的資料依賴AI技術，AI的自身發展和接入成本會更低，可預計的未來將會出現大量的AI應用。所以Robin才會提出並在此刻提出人工智慧時代到來的說法。