深度学习如何做一个合格“傀儡师”？

企业的研发人员可以调整这个模型，不需要重新研发它，对企业技术要求和门槛大大降低了。

　　此外，深度学习平台在视频、医疗、游戏等领域的需求也极为强劲。比如，在视频领域中的交互式玩法（可自动地对头像做一些变化）的研发。在医疗领域中的医疗影像、心电图识别的研发。在游戏领域中智能游戏机器人(行情300024,诊股)的研发等，这些都需要深度学习平台来支持研发。

　　此外，张东进指出，科研院所对深度学习的研发需求也很大。如果一个实验室采购GPU，成本高且不可复用，科研院所可以通过金山云深度学习平台KDL私用云版系统，让整个研究人员针对该系统做研发，可以共享资源和GPU的加速度。

　　 AI硬件还需发力

　　目前普通智能手机中的CPU在很大程度上限制了人工神经网络的应用，此时需要定制人工智能神经网络芯片了。苹果公司发布的新品iPhone8/8p和iPhone X均搭载了苹果自研、专用于机器学习的A11 Bionic（仿生）芯片。据了解，华为旗舰机Mate10也将搭载AI芯片——麒麟970。

　　某知名新能源汽车为了实现高级别自动驾驶，在机舱内装了桌面级独立GPU，但在获得强大性能的同时，其发热量和功耗也十分巨大。研究者希望每辆汽车都能应用一些功耗低的芯片。人工智能尤其是深度学习方面，对GPU需求巨大。张东进指出，目前在人工智能硬件方面，国外厂商占垄断地位，尤其是GPU的定价权完全掌握在国外厂商的手中，不利于我国人工智能产业的长期发展。但张东进自信地说：“希望国内人工智能芯片越来越成熟，人工智能芯片对国内外其实都是很新的事物。”

　　 正确看待AI威胁论

　　“人工智能是新事物，其应用模式和技术和以往相比具有颠覆性，的确会引发很多问题。”张东进表示，人工智能是一个黑盒，人们尚不清楚它作出判断的原因。深度学习模型，可能会在不可预期的场景出现不可预期的行为。

　　譬如，之前有俄罗斯的团队在人脸上做出一些标记，可以骗过人脸识别模型。也有新闻报道通过人脸识别能够判断一个人的性取向，甚是此人犯罪的概率。张东进表示，这类东西做研究可以，但如果有一天被商用了，就会产生伦理问题。他充满疑问地说：“如果一个人的犯罪倾向高，就要逮捕他吗？”

　　人类可以用人工智能实现自动化，但当它遍布世界每个角落时，其潜在的漏洞也会成倍增长，此时如何防范漏洞引发更大的危机，需要我们去思考。为此张东进建议：首先，国家相关法律法规应当适时的跟进完善，对一些涉及伦理的应用场景进行规范和引导，确保人工智能研发在可控的框架下发展。其次，企业应当加强自律，避免将不成熟的产品推向市场而造成问题，尤其是在法律法规缺失的领域。再次，企业应当加强对数据，尤其是个人隐私的保护，确保数据全链路和全周期的安全性。最后，人工智能技术本身也需要更多的去关注模型的可解释性、可预期性，努力削减黑盒效应，从而能够更好的建立信任基础。