目前基于深度学习的人工智能在技术上已经触及天花板，此前由这一技术路线带来的“奇迹”在Alphago获胜后未再出现。其应用的空间被局限在特定的领域——大部分都集中在图像识别和语音识别两方面。
这一轮人工智能热潮是本世纪初兴起的。
2012年，斯坦福大学人工智能实验室主任Andrew Ng（吴恩达）和谷歌合作建造了一个当时最大的神经网络，这是谷歌神秘的X实验室的一个计划。网络上一度疯传的谷歌猫脸识别就是用的这个参数多达十七亿的神经网络。后来Ng自己在斯坦福又搞了个更大的神经网络，参数更高达一百一十二亿。
通过人工智能，利用深度学习、大数据这两个工具，在一定条件下、一定领域内竟然能够超过人类，这给大家极大的鼓舞。
人工智能对就业的影响。能够被人工智能替代的工作，特点很明显，就是“照章办事”，不需要灵活性。如果你的工作富有灵活性和创新性，计算机不可能完全代替，部分代替是可能的，因为其中肯定有一些简单和重复性的工作内容。从这一点来说，人工智能仍处于发展阶段的初期。
深度学习。现在的深度学习本质是基于概率统计。深度学习是寻找那些重复出现的模式，因此重复多了就被认为是规律。在这个理论下，错误的事情重复很多遍，也会被认为是规律。
虽然基于深度学习的人工智能在技术上已经接近天花板，但是，只要找到合适的应用场景，利用成熟的人工智能技术去做应用，还有较大的空间。
人工智能的近忧，就是要考虑安全问题。以语音合成为例，现在现有的技术可以做到以假乱真，和真人说话差别不大。如果这种技术被坏人利用，将产生不可估量的损失和破坏力。
以深度学习为代表的技术是第2代人工智能技术。
来源：CSDN
作者：samuelwang_ccnu
链接：https://blog.csdn.net/samuelwang_ccnu/article/details/104491571