- 现在的深度学习算法是依赖数据，依赖计算的，所以我们能用它做的事情主要有两种，一种是已经有或者便于采集大量数据的，另一种是虽然数据不多，但是商业价值很高，所以大公司愿意出资人工做数据的。但是这似乎就局限了深度学习的应用，也局限了人工智能的发展。比如，ImageNet的标签是由人手工完成的，因为图像识别图像分类是很有前景的一个应用；而自动驾驶也前程似锦，因为摄像头可以为我们提供充足的数据。而从一个小语种翻译到另一个小语种却是一个很艰巨的任务，因为我们没有巨大的语料库，也没有商业驱动力。
- 认识到局限性之后，紧接着的问题就是，现在热门的人工智能的方向是否就是被局限的？假如向一个对今天的AI的实现方法一无所知，却又极具思考能力的人提问，问他一个“人工智能”应该可以做什么事情，有什么可以协助或代替人类的工作可以让“人工智能”来完成，那么他会认为今天的自然语言处理、图像识别和分类、语音识别是重点吗？课上一句话发人深思，我们不希望后人回头看，这一波人工智能的浪潮只留下了图像分类。那么深度神经网络，卷积神经网络，他们还能够做什么工作呢？这应该是工业界在不停探索的问题。也许未来我们可以看到AI被用在了我们现在无法设想的领域。
- 如果说，DNN，CNN它们始终会有数据的局限（即使我们可以用很多方法优化），那么是否它们被局限于这种特性本身？它们的特性莫非就决定了它们的宿命？它们可能被用于一些我们认为更智能的事情，比如阅读理解，逻辑推理吗？现在的小冰的“创作”也好，所谓的阅读理解也好，它的本质是不是就是平淡无奇的函数拟合，统计方法，加上很多的参数调节技巧和GPU的运算？但是从另一个角度考虑，人脑的思维其实也不过是神经元的连接，人的情绪也受控于甲状腺素、肾上腺素、多巴胺，内啡肽的调节；只不过实际的低层次的细节对我们隐去了。那么我们能够看到参数的调节，能够看到数据的传递的DNN，CNN，所以它们好像失去了神奇的魔力，好像平淡无奇，但其实它们也真的拥有成为General AI的潜力？但是，鸿沟还是没有被越过，而鸿沟是什么，如何越过它，还有待我们的探索。
深度学习——前沿计算导论课感想
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- //我所经历的大数据平台发展史（三）：互联网时代 • 上篇http://www.infoq.com/cn/arti...
- 前面的文章主要从理论的角度介绍了自然语言人机对话系统所可能涉及到的多个领域的经典模型和基础知识。这篇文章，甚至之后...
