简介：现在深度学习的概念火到鸡犬升天的地步，前同事H哥拿个基于深度学习做XX助手的BP让我帮分析一下技术可行性和技术壁垒高度。 我用一个周末琢磨出来
现在深度学习的概念火到鸡犬升天的地步，前同事H哥拿个基于深度学习做XX助手的BP让我帮分析一下技术可行性和技术壁垒高度。
我用一个周末琢磨出来点门道，我根本识别不出这个演示程序是不是AI，更无法确认这是不是深度学习程序。这就引出了今天的议题，图灵测试指的是人类能否区别是不是和AI在聊天，那反过来看，我们怎么识别“这个东西”是不是个AI？
首先我为什么说“这个东西”而不是“这个程序”？因为某些大堂机器人确实背后是人类操控的，相当于你用一个安卓平板和我视频聊天，特别聪明还必须联网的机器人可能就是真人。但有些真AI如Siri也要联网，通过联网断网判别不了AI。
网上有个笑话，我把QQ自动回复设置成“呵呵”，你可以和我的电脑就任何话题聊上一夜。很多智能客服只是简单的关键字匹配，和呼叫中心搜索知识库差不多，编辑回复模板远比写程序更重要。只有支持多层级对话的才是AI智能客服，但现在网店客服也可以混在AI的回答里回答客户啊，熟练客服回信息效率极高，顾客以为面对的是AI程序反而会少提需求。
虽然深度学习常拿自然语言处理举例，但成熟的翻译软件也不用AI。翻译软件出现有几十年了，常用的单词和短语BTW/WTF/OMG用大词库即可，用户大脑会做二次语意加工。谷歌2016年9月底才宣布在谷歌翻译采用AI技术，在此之前的谷歌翻译同样是可用的啊。翻译和文字搜索是异曲同工的，但以图搜图是真AI。
各种广告、APP、资讯的智能推荐依赖的就是用户长期画像和短期意图，具体标签和统计方法是商业机密；我很难评估这机密是AI还是大数据，但这些技术几年前就已经成熟落地，所以我倾向于是大数据。有些智能推荐根本就不智能，男人就推美女和猎奇广告，挤地铁用IPhone的女顾客就推轻奢化妆品，洞察人性的广告不需要搞数学和计算机。
一些深刻洞察人性的玩家也会用AI做诸如星座算命、验证心理有几座断背山、推荐股票彩票一类的服务，其实就是消磨时光涨点粉丝。我在前一篇AI科普文章中已经说过了，深度学习的结果必须要人做验证，人脸和鉴黄可以找人验证，但股票预测没人有能力验证。真懂股票IT技术又好的人早去做量化交易了，赚到钱买粉不比编故事吸粉更痛快？
还有一些创意纯粹就是蹭热点做逼格塑造，连造假的成本都没有。假设我想让一个娱乐APP有科技范，我根本不用招开发也不用雇人后台分拣，我只要弹窗提示让用户必须笑一笑歪歪嘴，然后随机回复用户长得像范冰冰还是范伟--琪，用户就认为APP很智能了。前几天那个巨硬的陪聊AI在微博上求骂蹭热度，我不信那条微博是AI发的。
用AI做coding是有可能性的，编程本来就是人类语言转换为机器语言的翻译，但时日尚早，云计算+SDK+IDE从更简单更高效的层面做编程简化了。但现在说在用AI做AIOPS的，实际是只展示不决策，无知者无畏的也没有试验环境。
现在成熟的AI应用就是少数几类场景，比如：语音识别、图片识别、无人驾驶、行为预估（如金融风控）。但我们怎么证明这些AI应用是机器学习还是深度学习哪，毕竟用深度学习做融资/吹牛逼更高大上啊。
深度学习的惊艳之处在于解决了很多问题，但它对数据量的需求像打着吊瓶跑马拉松，有几个场景提前储备了那么多数据？这两天的热门新闻是 AlphaGo Zero 自学棋谱解决了数据问题，但用单纯的围棋来推理复杂的世界，这个类比糟糕透了。
AI技术配得上世人给它的盛名和期待，但AI技术不是用来嚼舌根编新闻的。这波AI宣传大潮让很多人半年之内都不愁编稿字数了，搞冒牌AI场景的人大都比AI程序员还聪明。
后记......
我本来让创业者多提供一些数据、算力、技能的资料，结果H哥说这个项目已经Pass了。因为创业者说要让AI拥有喜怒哀乐，H哥说他都不想家里宠物有哀乐，这个创业者鸡汤说多了连自己都骗。