小编的话：
他从事专业大数据服务长达16年
他是大数据领域值得敬畏的专家
他也是一个大胆创新的创业领导者
他也是一个令人敬佩的终身学习者
……
“专业、专注、乐于尝试、不断学习”……采访过DeepBelief.ai创始人尹相志老师后，这些关键词翻滚在我的脑海里，久久难以褪去。
尹相志
DeepBelief.ai创始人
1.2002年在台湾创办亚洲资采(asiaMiner)——台湾第一个专业大数据服务公司；
2.在电信业、银行、保险、零售、广告、制造等产业提供大数据服务经历达16年，专长为数据挖掘、信用风险控管、商务智能；
3.台湾微软商务智能与各项分析相关产品之主要讲师，也是微软连任11年的技术MVP；
4.于2015年正式与华院数据合作，主要负责大数据与人工智能产业应用孵化以及新兴技术的研发。
以下是小编采访尹老师的实录，整理后分享给大家。
1.本科化学、研究生新闻学，毕业后您是如何跨入大数据人工智能行业的？
研究生阶段，我的专业是新闻学，进行社会研究时，经常有接触到调查、统计等项目，从那时就感受到数据的巨大力量。
之后，在导师的引导下，我了解到当时国外已经有人在做大数据，并且有很多数据分析的方法和技巧，接触后开始产生兴趣，没想到一做就是十几年。从那时到现在，我一直在从事大数据方面的研究与工作，可以说是行业的资深专家。
2.Deepbelief.a人工智能科学家、华院数据(上海)数据科学家……目前尹老师身兼数职，您的时间安排是怎样的？有什么好的习惯深刻影响了您，或者可以让年轻人学习的吗？
虽然身兼数职，但是我一直专注于大数据的研究，从未离开。我认为，无论未来大数据如何发展变化，很多基于本质的底层技术从未改变。
近年来，人工智能和深度学习变化极快，我也通过阅读、查看论文，不断学习、充电，加快成长的步伐。这是一个快速发展的时代，你需要不断尝试、学习，升级自己的大脑操作系统，才能更好的适应社会发展。
1.看到您的众多项目经历及专长，在自然语言理解、人工智能算法开发、数据挖掘等众多专长中，您最擅长且感兴趣哪一项？您是如何一步步将其做好的？
“不同时期不同专注”，无论是早期投入数据挖掘，还是之后研究自然语言、人工智能，我一直在根据市场变化随时切换自己的关注重点，并不断调整和完善自身的认知结构。
我觉得自己还是一个大胆尝试的人，不同时期与阶段，会去接触不同的很多领域，让自己有更多思路的扩展与意外的发现，而后将自己所学结合在一起，指导自己之后的大数据工作。
2.大数据、人工智能近年来被炒得很火，对此您是怎么看待的？国内外这个行业的现状是怎样的？对于未来的趋势，您有没有什么预测与大家分享？
近年来，大数据、人工智能等发展很火爆，一时间仿佛大家都在看数据、做数据，只是所站角度不同，这里面并没有对错，只是要看谁能在对的时间用对的工具，提出更好的理论。
机器学习、深度学习会不断发展，大数据的基础研究也会有很多问题存在。对于大数据的未来谈一些自己的远见。
a.未来，大数据行业会继续变化，我们需要不断改进之前的技术，以取得更大突破；
b.在大数据行业，越来越多新旧方法的整合出现，在进行研究时要与相关论文结合，会擦出更大的火花；
c.深度学习最近很流行，但是真正商业落地的项目很少，未来落地的项目是研究趋势，也会更加重要。
1.您从事人工智能研究领域已经16年之久了，可谓是经验丰富，在创业方面，您曾经遇到的最大的困难是什么？您当时是如何克服的？
谈到自己曾经遇到的困难，我在06、07年自己进入行业的倦怠期，是比较困惑的一段时光。那时候，中国大陆大数据没有兴起，整个大数据行业也没有明显的发展变化，再加上08年全球金融危机，整体市场不景气，使得自己有过较长一段时间的自我怀疑。
很多人都认为大数据是一个很虚的概念，难以长久的深入钻研进去。之后几年，大数据不断变化，还好我不忘初心，坚持了下来，如今再面对这个行业，已经能够静下心来真正的做一些有意义的研究。
2.有人说这是最好的时代，很多人都投入创业的大潮，对此您有什么好的建议给到大家吗？尤其在人工智能领域，很多人为了分一杯羹，可能盲目追随，您有什么合理的建议吗？
我并不是一位极具魄力的领导者、创业者。面对创业的浪潮，我觉得创业者需要有勇气和理性思考，并不是每个人都适合创业。
一个好的创业者，最好是有一群志同道合的朋友，因为创业需要一个优秀的团队，仅凭技术是不行的。同时，创业一定要创新，要创与别人不一样的新东西，而不是模仿、复制。
如今市面上，有很多人工智能的路演，存在偷换概念的状况，他们其实并不真正了解人工智能技术，都是很难长远的。专业的人做专业的事儿，你应该投入自己真正擅长且感兴趣的领域，钻研下去。
除了近距离采访尹老师外，小编还认真学习了他的大数据相关课程，在此分享给大家一些尹老师的重要观点：
1.权值共享
现代的深度学习有别于以往神经网络每个神经元各自学习的做法，而改为同深度神经元共享权重（在此各位可以把权重视为学习到的特征）。如此一来不但节省了数亿倍的运算量，而且每个神经元都能学习到比过去各自学习时更完整的特征。现在人工智能风潮能够比以往来的更强烈，其实跟现在所有主流分析框架都是开源有着密不可分的关系。
2.专注
我们人在看东西时，总是把目光聚焦在一处，其他周遭的画面就变得模糊，这个概念被用在了深度学习带来了感知域的观念，也就是说只需要专注在周遭的神经元就可以，其他较远的都可以不用管他，专注正是人工智能要教人类的第二堂课。
3.全局观
在每个深度学习神经网络中，我们都会给予它一个损失函数，神经网络的任务就是要想办法透过学习来让损失降低。它们可以一起接受短期的损失增加，但是他们却能携手度过，一起迈向整体损失更低的新境界，在深度学习的眼中，只有全局目标，不会受短期损失影响。
点击阅读原文即可收听完整课程。
--- end ---