ai研究方向改变
从基于规则向数学建模转型
训练AI本质就是数学建模
通过数据训练找到规律，再用数学工具描述
从听见到看见
卷积神经网络（输入层，隐藏层，输出层）
如果隐藏层数过多就是深度学习
通过"灰度"寻找包含小元素的可能性，识别是该物品的可能性
当时痛点：硬件条件，海量数据
ai的商业应用
相似度推荐
什么to什么
"i2i"跟据刚点开的商品进行推荐，"u2i"跟据浏览历史记录进行推荐，"u2u2i"跟据你的历史，找到和你差不多的客户进行推荐；，"u2i2i"在跟据浏览历史记录进行推荐的基础上，查看与这些商品
相关的再次进行推荐
推荐算法的基本精神是通过余弦相似度进行推荐
为了更好的提取视频特征用人工智能的Embedding工程，防止推荐无点击率，通过"构建点击率预测模型"，直接对结果进行预估
强化学习
策略网络：负责决策
价值网络：负责评估决策价值