我現在接觸過的是叫BP神經網路的。它可以幫助預測複雜資料。如果你的資料很多或者沒有明確的表示式，那麼你就可以用它了。BP神經網路可以預測很多東西。打個比方，可以根據之前公司的銷售數量和業績來進行建模。如果你知道你當期的銷售數量，那你就可以得到未來可能的業績。這樣可以幫助你設定目標。這只是最基本的。

BP神經可以用Matlab來做。

人工智慧和深度學習目前在可量化資料多、邏輯性強的領域已經取得了長足的發展，比如影象、聲音、博弈(如圍棋)、資料分析等領域，而在語義理解、情緒等人類思想領域還出在低階的階段。

現在的人工智慧翻譯採用深度學習不是在理解語義，而是基於詞頻、上下文等分析後做翻譯，就是說它翻譯出來了自己也不知道什麼意思。而現在語音機器人，只是對音訊資料處理得好，能把聲音對應到文字，分詞後根據預設詞彙作為指令輸入(這些對應的處理和反饋可以透過深度學習來強化)，但不知道具體意思，所以現在的各種機器人用起來感覺傻傻的，同樣意思換一個詞彙它就處理不了。即使這樣，也有很多地方可以使用了，比如簡單的客服、流程化管理、聲控系統、產品中和使用者互動。

企業發展包括企業管理、產品及業務模式等多個層面。在哪些地方可以利用深度學習，要看你的資料量和瓶頸，首先你得有大量資料供深度學習，其次是成果能解決你的瓶頸(提高效率、降低成本、實現創新業務環節等)。

目前深度學習在供應鏈決策、流程管理、物流管理能很好的幫助企業; 在產品上，在影象識別、語音識別、物聯網機機互動上能有較大空間。至於客服、聊天等人機互動，建議謹慎採用，根據行業複雜度適當採用，語義理解目前發展還太低階。