"深度学习是一个激情澎湃却又相对单一的领域。有一些深刻的想法，一些主要的学术会议，其中若干会议之间也存在着很多重叠。然后，一篇篇的论文在不断地提升和完善同样的一些基本想法：使用SGD（或者类似的变体）来优化一个代价函数。这些想法非常成功。但是我们现在还没有看到这个领域的健康发展，每个人在研究自己的深刻想法，将深度学习推向很多的方向。所以，根据社会复杂性度量，忽略文字游戏，深度学习仍然是一个相当粗浅的领域。现在还是可以完全地掌握该领域大多数的深刻想法的。" via:Michael Nielsen
上世纪50、60年代神经网络曾经非常火爆，局限于计算能力和算法束缚，没有获得商用，迅速进入寒冬，但Hinton和Yann Lecun坚持做了二十多年，去年以来媒体对AI大肆渲染，而这两位深度学习的领袖却保持很理性的认识。下面是Yann Lecun在facebook的声明：AlphaGo战胜李世石后，Slashdot上有帖子帖子宣称：“我们现在知道，我们不需要任何大的新的突破，以获得真正的AI”。
这是完全，完全，可笑的错误。
正如我在前面的陈述中所说的：大多数人类和动物学习是无监督的学习。 如果智力是一个蛋糕，无监督学习将是蛋糕，监督学习将是蛋糕上的糖霜，强化学习将是蛋糕上的樱桃。 我们知道如何做结冰和樱桃，但我们不知道如何做蛋糕。在我们想获得真正的AI之前，需要先解决无监督的学习问题。 这只是我们知道的一个障碍。还有大量的我们不知道的障碍。
最近几年deep learning使得机器对图像，语音，人类语言的认知能力获得了质的飞跃，在图像识别方面甚至已经超越人类，出现了很多看起来是黑科技并且非常实用的技术，比如人脸识别，图片自动标注描述，机器翻译，无人车等等。但不应该去夸大AI，媒体的大肆宣传，会让大家都以为实现科幻电影里出现的强AI，这样只会换来失望，从而导致AI的下一个寒冬。当然，乐观的来讲，深度学习对于弱AI的发展起到了非常大的作用，而且也有理由相信未来(我觉得还需要近上百年的发展)肯定会诞生强AI。