【 在 wdong (万事休) 的大作中提到: 】 这一波AI和前两年的big data，根本就是两回事。 big data这一波，主要是用数据分析来支撑起各种现有系统的改进，包括 销售业绩的提高和用户体验的提高等。AI当然也可以应用回这些领域。但 是光这些支撑不起今天AI的火爆。Big data无法解放生产力。 AI之所以火起来了，是因为资本嗅到了解放生产力的味道。人类发展到今 天，能被自动化的东西都是机械性和体力性的劳动。但是最近几年AI的发 展让人看到了自动化脑力劳动的可能。人类目前的脑力劳动主要有两种。 一种靠经验，一种靠创造力。比如开车，看x光片这类就是靠经验。比如 写小说，些程序就是靠创造力。前两种虽然是看经验，但是工资拿得并不 低。比如卡车司机一年七八万肯定没问题，好点的有十多万。在医院看 ...................
【 在 wdong (万事休) 的大作中提到: 】 这一波AI和前两年的big data，根本就是两回事。 big data这一波，主要是用数据分析来支撑起各种现有系统的改进，包括 销售业绩的提高和用户体验的提高等。AI当然也可以应用回这些领域。但 是光这些支撑不起今天AI的火爆。Big data无法解放生产力。 AI之所以火起来了，是因为资本嗅到了解放生产力的味道。人类发展到今 天，能被自动化的东西都是机械性和体力性的劳动。但是最近几年AI的发 展让人看到了自动化脑力劳动的可能。人类目前的脑力劳动主要有两种。 一种靠经验，一种靠创造力。比如开车，看x光片这类就是靠经验。比如 写小说，些程序就是靠创造力。前两种虽然是看经验，但是工资拿得并不 低。比如卡车司机一年七八万肯定没问题，好点的有十多万。在医院看 ...................AI方面有啥好的软件公司吗？
【 在 menger (弃梦观心) 的大作中提到: 】 AI方面有啥好的软件公司吗？
【 在 wdong (万事休) 的大作中提到: 】 我把自己的思考写下来，最多就是希望帮助大家能理解现在看到的现象。 至于time market或者挑股票这个事情我觉得完全是两回事。 事实上我自己拿了一把AMD的股票，现在还在水下一千米处。
【 在 CRH1235 (江左没狼) 的大作中提到: 】 所以AI炒股还远
【 在 wdong(万事休) 的大作中提到: 】 AI炒股已经有人在做了啊。所以我们靠人脑的就歇了吧。 自己有交易策略严格执行的我不敢说。凭直觉下单的， 只有被华尔街虐的份。
【 在 wdong (万事休) 的大作中提到: 】 AI炒股已经有人在做了啊。所以我们靠人脑的就歇了吧。 自己有交易策略严格执行的我不敢说。凭直觉下单的， 只有被华尔街虐的份。
【 在 yuanmuqiuyu (fisher) 的大作中提到: 】 谢谢大牛百忙之中的宝贵信息，我也觉得进一步突破在于能否把AI as service做起来 。高估值得做service
【 在 wdong(万事休) 的大作中提到: 】 我把自己的思考写下来，最多就是希望帮助大家能理解现在看到的现象。 至于time market或者挑股票这个事情我觉得完全是两回事。 事实上我自己拿了一把AMD的股票，现在还在水下一千米处。
【 在 noregrets (风满袖) 的大作中提到: 】 大数据正在卷土重来，这个比AI火， 等AI真做大了，这世界会怪异无比，军队，配偶 很多都可以被机器人取代，lol
【 在 wdong (万事休) 的大作中提到: 】 我更新了原帖。你说的对，大数据会再次处于核心地位。 但这次应该是数据本身，而不是像hadoop, spark这种 处理数据的软件。★ 发自iPhone App: ChineseWeb 16★ 发自iPhone App: ChineseWeb 16
【 在 rosmile (Yo-Yo) 的大作中提到: 】 这个分析牛逼，我也觉得GPU极有可能被取代，所以...
【 在 yuanmuqiuyu (fisher) 的大作中提到: 】 被啥代替 tpu？amd？都不靠谱 当年多少人说amzn的cloud被代替 结果呢
【 在 Pumbaa (本村暂借) 的大作中提到: 】 谢谢美新版的朋友，写的真不错。
【 在 CRH1235 (江左没狼) 的大作中提到: 】 Ann Arbor Algorithmspretty cool guy ar.
【 在 wdong (万事休) 的大作中提到: 】 我把自己的思考写下来，最多就是希望帮助大家能理解现在看到的现象。 至于time market或者挑股票这个事情我觉得完全是两回事。 事实上我自己拿了一把AMD的股票，现在还在水下一千米处。才发现你就是Ann Arbor Algorithms的创造者啊。太棒啦。敬仰热忱和创造！的确，术业有专攻，看来这个炒股你还得再精研一下。 ：）
【 在 wdong (万事休) 的大作中提到: 】 AI炒股已经有人在做了啊。所以我们靠人脑的就歇了吧。 自己有交易策略严格执行的我不敢说。凭直觉下单的， 只有被华尔街虐的份。这个不一定啊。主要得看直觉是咋来的啊。如果是几轮血泪养成的，就能赚大钱了。另外，人有超越人脑的灵性。 ：）
【 在 menger (弃梦观心) 的大作中提到: 】 才发现你就是Ann Arbor Algorithms的创造者啊。太棒啦。敬仰热忱和创造！ 的确，术业有专攻，看来这个炒股你还得再精研一下。 ：）
【 在 yuanmuqiuyu (fisher) 的大作中提到: 】 "据提供商会在接下来几年处于越来越重要的地位。因为算法都是 开源的，硬件都是commodity，只有训练数据有门槛，不是大家轻易能 够拿到的。" 那就是强者恒强 几大恶人有数据 （fb goog msft amzn) 大牛说的强AI （直觉什么的）一二十年内我觉得没希望 因为这波AI 狂潮的理论并没 有太大革命性的突破 还没真正理解人类神经元的原理
【 在 wdong (万事休) 的大作中提到: 】 楼上有朋友讲笑话，贴了我的business name。你别当真。你是Computer Scientist啊。以前最高只跟architect接触过，还没跟Scientist说过话呢。 ：）跟我讲讲如何记住并应用design pattern吧。 ：）
【 在 wdong (万事休) 的大作中提到: 】 我说的直觉是指pattern recognition。比如人开车的时候会在潜意识里 进行识别，并不会觉得花了力气。就这块就足以干掉大量的就业机会了。 强AI确实指不上。钱砸下去还要看运气。 至于理论，其实倒应该说理论突破得太超前了（只针对这波能干活的系统)。
【 在 wdong (万事休) 的大作中提到: 】 我说的直觉是指pattern recognition。比如人开车的时候会在潜意识里 进行识别，并不会觉得花了力气。就这块就足以干掉大量的就业机会了。 相比而言，人写文章是要绞尽脑汁的，这个就得强AI了。 强AI确实指不上。钱砸下去还要看运气。不过虽然说是强AI肯定也是 能用机械的算法实现的了。只不过数据规模会更大，现在十几G的GPU 肯定不行。这就是为啥我上面说GPU有局限。 至于理论，其实倒应该说理论突破得太超前了（只针对这波能干活的系统)。我其实非常‘恨’干掉大量就业机会的企业，比如amzn。如果AI真的干掉大量的就业机会那对人有啥好处啊。
【 在 CRH1235 (江左没狼) 的大作中提到: 】 大牛，“理论超前”何出此言啊？
【 在 menger (弃梦观心) 的大作中提到: 】 你是Computer Scientist啊。以前最高只跟architect接触过，还没跟Scientist说过话 呢。 ：） 跟我讲讲如何记住并应用design pattern吧。 ：）
【 在 wdong (万事休) 的大作中提到: 】 LeCUN的CNN论文89年就发表了，这个就叫超前。
【 在 Pumbaa (本村暂借) 的大作中提到: 】 design pattern 是developer 的事儿吧，scientist 不一定需要哦。对scientist太低了。 ：）
【 在 wdong (万事休) 的大作中提到: 】 楼上搞笑吧，都是自封的。还挺实诚。 ：）你为啥叫万事休啊？有点消极啊。
【 在 tieshouzc (tieshouzc) 的大作中提到: 】 据说有开始研究AI写程序代码这方面了，大牛能不能讲讲未来会不会很多码工的工作被 AI取代（我的意思是很大一部分相关工作被取代，不是说全都被代替）。
【 在 rosmile(Yo-Yo) 的大作中提到: 】 任何可能都有，你可以回想一下motorola，nokia，intel ... 任何产品和技术都会更新换代，如果nvda能够抓住机会，会牛逼一阵子，要不也就牛逼 几年，尤其在semiconductor这个行业
【 在 cloveara (不帅拿) 的大作中提到: 】 所以一个公司长远真的要看CEO。苹果有几年搞得不好也就嗝屁了。还是靠Jobs审美独 特赢了。 问题是Nvda的老黄也是目光如炬而且敏而好学啊。娶白牛从AMD辞职然后整cuda强势搞 AI Volta加tensor units到今天哪一步不是高瞻远瞩啊。而且有点华人企业文化特别适 合AI: 那些虚的都不整，比起苹果谷歌是少了点噱头，但一切看疗效。一切看 performance。要不是这样这么可能把牙膏厂都整急了。 你看他十分关注Tpu进展，加tensor units，开源DLA,说明他和团队一直在警惕的学习 着，完全没用有骄傲自大。老黄真是华人之光啊 任何可能都有，你可以回想一下motorola，nokia，intel ... 任何产品和技术都会更新换代，如果nvda能够抓住机会，会牛逼一阵子，要不也 ...................
【 在 fallenone (亏飞蛙) 的大作中提到: 】 古板少有的不错的帖子，赞一个。
【 在 CRH1235 (江左没狼) 的大作中提到: 】 这才叫计算机博士水平
【 在 fallenone (亏飞蛙) 的大作中提到: 】 秀审稿抬身价是有点low
【 在 cloveara(不帅拿) 的大作中提到: 】<br>: 所以一个公司长远真的要看CEO。苹果有几年搞得不好也就嗝屁了。还是靠Jobs审美独<br>: 特赢了。<br>: 问题是Nvda的老黄也是目光如炬而且敏而好学啊。娶白牛从AMD辞职然后整cuda强势搞<br>: AI Volta加tensor units到今天哪一步不是高瞻远瞩啊。而且有点华人企业文化特别适<br>: 合AI: 那些虚的都不整，比起苹果谷歌是少了点噱头，但一切看疗效。一切看<br>: performance。要不是这样这么可能把牙膏厂都整急了。<br>: 你看他十分关注Tpu进展，加tensor units，开源DLA,说明他和团队一直在警惕的学习<br>: 着，完全没用有骄傲自大。老黄真是华人之光啊<br>: 就牛逼<br>
【 在 jobhuntinger(jobhuntinger) 的大作中提到: 】<br>: 数据哪里来的，从用户来的。所以我看到的就是first mover advantage很大，继续买<br>: FANG等着数钱就对了。<br>: 云计算跟硬件公司是根本矛盾，计算量的增长远大于硬件增长的需要，所以投资硬件不<br>: 如投资云计算，狗TPU对女大的竞争是现实存在的。女大的想象空间在于自动车，这点<br>: 稍微早了一点，还不明朗。<br>
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】 你们没考虑炒股的技术方面。qqq 是最好的。对非全职炒股人来说。不然各公司账本看 起来太费时间。 盯FANG四家难度太大了。 数据哪里来的，从用户来的。所以我看到的就是first mover advantage 很大， 继续买 FANG等着数钱就对了。 云计算跟硬件公司是根本矛盾，计算量的增长远大于硬件增长的需要，所 以投资 硬件不 ...................
【 在 jobhuntinger(jobhuntinger) 的大作中提到: 】 盯啥？买了躺着数钱就对了。
【 在 NovSep (秋风萧瑟) 的大作中提到: 】 mark 一年都看不到一篇这样的
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】 买的多你就知道盯了。 : 盯啥？买了躺着数钱就对了。
【 在 NovSep(秋风萧瑟) 的大作中提到: 】 mark 一年都看不到一篇这样的
【 在 wdong (万事休) 的大作中提到: 】 事实上NVDA的硬件还有很多局限性，一不小心就可能出局。原因是NVDA的架构只在用brute force拟合参数的时候有优势。而brute force注定了用NVDA训练出来的模型只是低层次，植物性/直觉性的模型（也就是做一些专家能凭直觉进行的判断）。不可能做出来用知识库进行推理的模型。一旦AI核心算法有革命性突破，可能直接导致现有的NVDA架构被抛弃。而要实现创造性的AI，必然会依靠这种突破。
【 在 Pumbaa (本村暂借) 的大作中提到: 】 对于有料的东东古板还是能识货。
【 在 zueinfach (sometimes naive) 的大作中提到: 】 我也觉得skynet没戏，人类是安全的。这一波CNN是把图像分类正确率提高了不少，可 是感觉人们还是瞎猫碰死耗子一样乱试，还是没有理论指导。这一点和20年前没有区别 。至于用LSTM来假装人说话，我看不出一点智能，LSTM根本就不知道它说的是啥。用这 玩意自动写八股文是可能的，自动写程序根本不可能。
【 在 CRH1235 (江左没狼) 的大作中提到: 】 看看最近GAN辅助创作的进展，人随便挥几笔就画出个油画，就这个搞好了应在写程序 上一堆低端程序员code monkeys要失业。
【 在 zueinfach (sometimes naive) 的大作中提到: 】 啥叫低端程序员？低端程序员可以和客户交流不？GAN能吗？ 用GAN生成图像就是个噱头，现在DL火了，无数哗众取宠的paper就乌央乌央的出来了。 真有用吗？
【 在 jobhuntinger(jobhuntinger) 的大作中提到: 】<br>: 我买了很多。没盯。<br>
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】 这只是人机界面部分。 一旦tool chain具备。 世界会全面AI first的。 因为AI相关的工具更便宜。
【 在 wdong (万事休) 的大作中提到: 】 我说的直觉是指pattern recognition。比如人开车的时候会在潜意识里 进行识别，并不会觉得花了力气。就这块就足以干掉大量的就业机会了。 相比而言，人写文章是要绞尽脑汁的，这个就得强AI了。 强AI确实指不上。钱砸下去还要看运气。不过虽然说是强AI肯定也是 能用机械的算法实现的了。只不过数据规模会更大，现在十几G的GPU 肯定不行。这就是为啥我上面说GPU有局限。 至于理论，其实倒应该说理论突破得太超前了（只针对这波能干活的系统)。
【 在 ReedToBe (ReedToBe) 的大作中提到: 】 insight,intuition?那应该不是pattern recognition。pattern recognition，完全是 算法的。怎么能肯定直觉是完全基于算法的？ 算法的就是可预测的，从而不是random的。如果牵涉了随机的东西，AI就作用有限了， 而如果我们肯定股市有随机的话，那AI炒股就作用有限了。
【 在 CRH1235 (江左没狼) 的大作中提到: 】 基于算法的并不一定是可预测的
【 在 ReedToBe (ReedToBe) 的大作中提到: 】 如果有优胜策略，不需要AI也会把交易员和散户淘汰。如果没有，AI肯定不行。现在大 家讨论一下股市有无优胜策略吧。
【 在 superband (stl) 的大作中提到: 】 Ai可以比人更早的知道上市公司的news 就这一条，大部分day trader 都比不过
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】 那就是不够多。以天为单位，尽管每个人各有不同， 每个人都有承受不了的那条损失线。 这应该是客观存在的。 我买了很多。没盯。
【 在 CRH1235 (江左没狼) 的大作中提到: 】 Boot Camp 8周速成的就叫低端程序员。低端程序员就算是现在也没有带出去见客户的 丫。 估计以后简单的程序写几行pseudo codes就行了，语法都不一定要全对，剩下的机器填 空。
[在 wdong (万事休) 的大作中提到：]这一波AI和前两年的big data，根本就是两回事。big data这一波，主要是用数据分析来支撑起各种现有系统的改进，包括销售业绩的提高和用户体验的提高等。AI当然也可以应用回这些领域。但是光这些支撑不起今天AI的火爆。Big data无法解放生产力。AI之所以火起来了，是因为资本嗅到了解放生产力的味道。人类发展到今天，能被自动化的东西都是机械性和体力性的劳动。但是最近几年AI的发展让人看到了自动化脑力劳动的可能。人类目前的脑力劳动主要有两种。一种靠经验，一种靠创造力。比如开车，看x光片这类就是靠经验。比如写小说，些程序就是靠创造力。前两种虽然是看经验，但是工资拿得并不低。比如卡车司机一年七八万肯定没问题，好点的有十多万。在医院看..........
【 在 zueinfach (sometimes naive) 的大作中提到: 】 prolog当年就是这么忽悠的。可是现在程序员不但没饿死，反而吃香的喝辣的。
【 在 ReedToBe(ReedToBe) 的大作中提到: 】<br>: 那个DeepMind是人机界面？我是不是真糊涂了？<br>
【 在 ReedToBe(ReedToBe) 的大作中提到: 】 1998年吧？ 但是1965年还是67年理论上限就给出了。Mark Gold？你怎么看Gold的几个定理和现在 的机器学习或者AI？
【 在 jobhuntinger(jobhuntinger) 的大作中提到: 】<br>: 我老就这么多钱，除了房子以外基本都在FANG上了。<br>
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】 Ann可以和Turing machine等价的 你说程序的上限是什么 1998年吧？ 但是1965年还是67年理论上限就给出了。Mark Gold？你怎么看Gold的几个定理 和现在 的机器学习或者AI？
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】 现在的第一步利润就是aapl Siri, amzon echo,tsla autodriving 。 其他的尚未和钱联系起来吧。 所以成熟的部分我觉得还是图像语音这些感知部分。 所以这也算是一条理由。我认为还没到peak 那个DeepMind是人机界面？我是不是真糊涂了？
big data这一波，主要是用数据分析来支撑起各种现有系统的改进，包括
销售业绩的提高和用户体验的提高等。AI当然也可以应用回这些领域。但
是光这些支撑不起今天AI的火爆。Big data无法解放生产力。
AI之所以火起来了，是因为资本嗅到了解放生产力的味道。人类发展到今
天，能被自动化的东西都是机械性和体力性的劳动。但是最近几年AI的发
展让人看到了自动化脑力劳动的可能。人类目前的脑力劳动主要有两种。
一种靠经验，一种靠创造力。比如开车，看x光片这类就是靠经验。比如
写小说，些程序就是靠创造力。前两种虽然是看经验，但是工资拿得并不
低。比如卡车司机一年七八万肯定没问题，好点的有十多万。在医院看
X光片的赚得更多。类似的工作在各行各业还很多。基本上覆盖了社会上
相当一部分中底层中产的工作。这类工作的大部分岗位，短则十年，长则
二十年，至少有一半岗位会被AI取代。
光这些，就可以支撑起一场产业革命。非但如此，各种希望给AI赋予创造
力的各种研究也在如火如荼地进行，虽然还没啥实质性的结果，也不一定
会有，但是很多人相信这个，并且投资也多momentum也好，说不定就能
做出来。以上才是让资本光嗅到味道就能上串下跳的根本原因。
NVDA之所以现在才卖$140，是因为他只是个做硬件的。硬件有很多原因
可以被取代，不一定能最后摘取胜利果实。事实上NVDA的硬件还有很多
局限性，一不小心就可能出局。原因是NVDA的架构只在用brute force
拟合参数的时候有优势。而brute force注定了用NVDA训练出来的模型
只是低层次，植物性/直觉性的模型（也就是做一些专家能凭直觉进行
的判断）。不可能做出来用知识库进行推理的模型。一旦AI核心算法有
革命性突破，可能直接导致现有的NVDA架构被抛弃。而要实现创造性的
AI，必然会依靠这种突破。
还需要一提的是这拨AI革命不是凭空产生的，而是基于从上世纪五六十
年代就开始一脉相承的理论研究。但是现在至少摘取low haning fruit
的时间真的已经来了。
楼下有人说人类自掘坟墓。其实人类自掘坟墓从几千年前的农业革命就
开始了。人类能从动物界脱颖而出，靠的就是这个自掘坟墓的本事。
其实再往前推，死亡这个功能被进化出来以后，生物个体就注定了都
在自掘坟墓。
楼下还有人提到了big data复兴。从技术上来说，这一波AI突破有三只脚。
理论那只脚早就有了，剩下两只脚是数据和硬件。big data和这里说的
数据有关，但是没有直接的overlap，所以big data从经济上来说没有捞到
credit。但是AI的大规模应用必然还需要依赖大量的行业数据。我觉得
行业数据提供商会在接下来几年处于越来越重要的地位。因为算法都是
开源的，硬件都是commodity，只有训练数据有门槛，不是大家轻易能
够拿到的。
。高估值得做service
一旦tool chain具备。
世界会全面AI first的。
因为AI相关的工具更便宜。
很多都可以被机器人取代，lol
至于time market或者挑股票这个事情我觉得完全是两回事。
事实上我自己拿了一把AMD的股票，现在还在水下一千米处。
自己有交易策略严格执行的我不敢说。凭直觉下单的，
只有被华尔街虐的份。
但这次应该是数据本身，而不是像hadoop, spark这种
处理数据的软件。
当年多少人说amzn的cloud被代替 结果呢
任何产品和技术都会更新换代，如果nvda能够抓住机会，会牛逼一阵子，要不也就牛逼几年，尤其在semiconductor这个行业
您对AI的见解非常深刻，不过在我看来您的知识体系不太适合炒股，不如直接买大盘或者把钱交给对冲基金
开源的，硬件都是commodity，只有训练数据有门槛，不是大家轻易能
够拿到的。"
那就是强者恒强 几大恶人有数据 （fb goog msft amzn)
大牛说的强AI （直觉什么的）一二十年内我觉得没希望 因为这波AI 狂潮的理论并没
有太大革命性的突破 还没真正理解人类神经元的原理
开源的，硬件都是commodity，只有训练数据有门槛，不是大家轻易能
够拿到的。"
那就是强者恒强 几大恶人有数据 （fb goog msft amzn)
大牛说的强AI （直觉什么的）一二十年内我觉得没希望 因为这波AI 狂潮的理论并没
有太大革命性的突破 还没真正理解人类神经元的原理
进行识别，并不会觉得花了力气。就这块就足以干掉大量的就业机会了。
相比而言，人写文章是要绞尽脑汁的，这个就得强AI了。
强AI确实指不上。钱砸下去还要看运气。不过虽然说是强AI肯定也是
能用机械的算法实现的了。只不过数据规模会更大，现在十几G的GPU
肯定不行。这就是为啥我上面说GPU有局限。
至于理论，其实倒应该说理论突破得太超前了（只针对这波能干活的系统)。
特赢了。
问题是Nvda的老黄也是目光如炬而且敏而好学啊。娶白牛从AMD辞职然后整cuda强势搞
AI Volta加tensor units到今天哪一步不是高瞻远瞩啊。而且有点华人企业文化特别适合AI: 那些虚的都不整，比起苹果谷歌是少了点噱头，但一切看疗效。一切看
performance。要不是这样这么可能把牙膏厂都整急了。
你看他十分关注Tpu进展，加tensor units，开源DLA,说明他和团队一直在警惕的学习
着，完全没用有骄傲自大。老黄真是华人之光啊
我们曾做基于自动机的AI，即使做到理论上最强，能力也是有限的，不过也许能做一些ML做不了的事。
保密的东西靠讨论是无法识别的，只能做出来给人看。
估计Tpu在有rumor的时候就开始准备了。不然现在肯定出不来。像按摩店那样PPT治国
还没回应人家上一个产品人家都出下一代了。
我觉得狗也是有了二代才开始宣传一代的。都有秘密武器啊。狗这个确实是巨大的威胁。
这么说来狗家第三代是不是也在开发了
FANG等着数钱就对了。
云计算跟硬件公司是根本矛盾，计算量的增长远大于硬件增长的需要，所以投资硬件不如投资云计算，狗TPU对女大的竞争是现实存在的。女大的想象空间在于自动车，这点
稍微早了一点，还不明朗。
盯FANG四家难度太大了。
dimensional data (P>>N). 参数太多，有好的想法吗？
最近补了点deep learning基本知识。 一个优点是DL approximate y=f(x) 中的f 很好，特别是复杂的non-linear transformation. 除此之外，还有其他什么优点？
超过50年前啊。人本身的大脑在这样的training下，能进行更深层次更抽象的思考，AI再牛逼，还是要被甩在后面。我不觉得AI会取代人类的工作，本身许多的新工种也在不断创造，远的不说，近的，一大堆data scientist的职位的诞生，就说明了，AI再牛逼，还是要被当作工具。最重要的东西还是对数据的管理，处理，以及分析和理解。
医学图像用机器识别貌似比经验丰富的医生都厉害，但看片儿这种病灶的预判断本身也不是一个医生工作的全部；
大卡车司机貌似要被自动驾驶代替了，那请问车上的货不怕被偷吗？是否需要筛选原来丢掉工作的卡车司机去做调度员／监控员／应急小队／安全检查维修员呢。
在短期呢，我觉得更应该拥抱AI，取之用于自己的工作，珍惜data已经能提供data的平台。没有data，再牛逼的算法也只能怠速跑。
在实际中的应用的看法，例如2017年是否有类似成熟的新应用？谢谢。
是感觉人们还是瞎猫碰死耗子一样乱试，还是没有理论指导。这一点和20年前没有区别。至于用LSTM来假装人说话，我看不出一点智能，LSTM根本就不知道它说的是啥。用这玩意自动写八股文是可能的，自动写程序根本不可能。
上一堆低端程序员code monkeys要失业。
用GAN生成图像就是个噱头，现在DL火了，无数哗众取宠的paper就乌央乌央的出来了。真有用吗？
丫。
估计以后简单的程序写几行pseudo codes就行了，语法都不一定要全对，剩下的机器填空。
哈哈哈
"从技术上来说，这一波AI突破有三只脚。 理论那只脚早就有了，..." 又从何说起？
如果这里的技术是指数据处理，那倒说得过去，要是指智能，就差得太远了。首先，人脑思考的机制，迄今为止根本没搞清楚怎么回事，相关的研究医学的也好，数学的也好，完全是透过现像猜本质，用简单去考量复杂。我还是那句话，没有爱因斯坦的质能方程，我们仅靠试，能否试出原子蛋？
退一万步讲，就算如某些人所说生物人脑思考方面并非最优，那么现在AI所做的工作就是在发明另外一种会思考的脑，要发明就得有原理，就象依靠硅的半导体的物理特性，人类发明了电脑芯片及整个微电子产业。那么现在AI想要发明的那个会思考的脑所依赖的机制是什么呢？所以原理的问题是绕不过去的，不然就是在瞎猫碰死耗子。你该不会认为现在AI的各种模型算法就是我说的思考机制吧？
其实迄今为止大多数的科技进步，跟AI没有太大的关系，最近几年deep learning的突
破，给各领域的研究在方法和技术路线方面带来了无尽的联想，但就智能研究本身来讲，想钞近道，做聪明人注定是要失败的。说来说去现在的AI还是没有走出数据处理范畴。至于名声为什么这么响，还是因为商业的缘故，比如有些职业，以前叫美工，现在叫设计师什么的。
每个人都有承受不了的那条损失线。
这应该是客观存在的。
这一轮改呼悠风投啦
强AI不是没有可能，再等20年吧
DL 其实还在初级阶段
算法的就是可预测的，从而不是random的。如果牵涉了随机的东西，AI就作用有限了，而如果我们肯定股市有随机的话，那AI炒股就作用有限了。
但是1965年还是67年理论上限就给出了。Mark Gold？你怎么看Gold的几个定理和现在
的机器学习或者AI？
就这一条，大部分day trader 都比不过
。
其他的尚未和钱联系起来吧。
所以成熟的部分我觉得还是图像语音这些感知部分。
所以这也算是一条理由。我认为还没到peak
你说程序的上限是什么
fang
以你的情况，理论上假如找个财务咨询。如果你觉得还行，那还可以加杠杆买fang,到
你受不了为止。然后你就感觉
到qqq的优势了。
但你如果不想激进的走到感受到qqq的优势那一步，也挺好的。
另外牛市有时候也会有大并购影响财务，
Good luck
等价TM也无法超越机器学习的限制。我都不明白现在这些做DeepLearning的是不是都认真读过或者知道这些结果。
Lisp是函数式的，会写递归函数的，也不费多大劲就会写Lisp