在人工智能領域當中，有一種名為機器學習的方法；在機器學習這種方法裡，又有一類名為神經網絡的算法。
正如圖A、B中所示，每個圓圈代表了一個神經元、又可以稱作感知器，每條線表示一個神經元與另一個神經元相連接；這些神經元被分為了多個層，層與層之間的神經元相互連接，而層內的神經元之間沒有連接；最左邊的層名為輸入層，負責輸入數據；最右邊的層是輸出層，負責輸出數據；在輸入層和輸出層之間的層便是隱藏層。當隱藏層比較多（大於兩層）的神經網絡就是深度神經網絡。於是，深度學習其實也就是採用瞭如深度神經網絡等深層架構的機器學習方法。
圖A
圖B
目前而言，深度學習在IT行業的確算得上是個很熱門的技術；究其原因之一則在於，深層網絡比淺層網絡有著更強的表達能力，更節約資源。因為，一個淺層網絡（比如只有一個隱藏層）在擬合一個函數，需要非常多的神經元；一個深層網絡擬合同樣一個函數，所需要的神經元就會相對少很多。當然，深度學習本身亦存在劣勢；比如，在訓練時需要大量的數據，並且不容易訓練出一個好的深層網絡。
根據一些權威機構先後發佈的、有關人工智能的報告，人工智能在未來會代替人類從事越來越多的、越來越廣的工作；另一個，業界中有一些專家，尤其國際上頂尖的人工智能專家並不否認，人工智能（機器人）在將來有可能產生意識；而且，人工智能的意識很可能是不同於人類的。而人類要創造出像《西部世界》中那樣的智能機器人，應該選擇並研究如遷移學習等新的方法，而非繼續拘泥於深度學習等目前已為人們所知的方法體系。
香港科技大學計算機科學與工程學系主任楊強，曾於1982年畢業於北京大學，後在外留學、工作過。業界和媒體對楊強教授的評價很高："他是人工智能研究的國際專家和領軍人物，在學術界和工業界做出了傑出的服務和貢獻，尤其近些年為中國人工智能和數據挖掘的發展起了重要引導和推動作用。他於2013年7月當選為國際人工智能協會（AAAI）院士，是第一位獲此殊榮的華人，之後又於2016年5月當選為AAAI執行委員會委員，是首位也是至今為止唯一的AAAI華人執委。2017年8月他當選為國際人工智能聯合會（IJCAI，國際人工智能領域創立最早的頂級國際會議）理事會主席，是第一位擔任IJCAI理事會主席的華人科學家。"
一次，楊強教授在接受媒體的專訪時，就主要談到了人工智能的話題，包括今天人工智能已經發展到了什麼樣的水平，未來人工智能會不會產生自我意識，等等。
以下是楊強教授講話原文：
《西部世界》講的是，人工智能到了有一天，就能夠讓機器具有意識了。那麼我們現在問呢，現在的人工智能可不可以讓計算機有一天也有意識呢？有自我、自我感覺，自我喚醒這種能力呢？
我們知道，今天的計算機研究，大部分還是基於統計的、一種機械的研究，還沒有上升到意識的層面。我們甚至在生物學上，也很少知道意識是什麼。大家在研究說，意識出現在大腦的哪一部分呀？意識是怎麼發生的？為什麼人有意識？動物到底有沒有意識呢？是不是有的動物沒有意識呢？像這些問題，現在都在研究。但是現在，所得到的結果卻非常少。
機器的意識，可能和人的意識是完全不一樣的。機器的智能呢，現在來看，是用大數據，是用很多高維的空間，是用神經網絡、深度學習來實現的；那麼它也許和人的生物那種機制，本身就已經完全不一樣了。人工智能研究意識的方法論，也許和生物學不一定一樣，所以並不受生物學的限制。
回過來，說一下我研究的這個領域，叫遷移學習。
我們大家可能更多地聽過深度學習，深度學習就是用很多的數據來訓練一個神經網絡，這個神經網絡是有很多層的，所以叫深度。那麼它在層和層之間發生很多的變異，使得它到最高層的那種反應，已經和人的智能相差無幾，甚至可以超過人類的水平。它的一個缺點，是需要很多的數據，並且在應用這個模型的時候，當這個領域發生變化，當你的測試場景發生變化；比方說，一個圖像，光線發生變化，或者說背景發生變化，這個模型就得重新被訓練，又重新蒐集很多的數據。
那麼遷移學習就是來克服這個困境，就使得我們在這個模型裡面，把它精髓給挖掘出來，使得我們當場景和領域發生變化的時候，我們也不用搜集太多的數據，我們就可以把這個模型給修復。也就是說，我們訓練了一個模型在一個特定場景，它可以利用這種舉一反三的能力，自己在新的場景裡面去學習，把它的模型在新的場景裡面，一個一個地建立起來。就像我們人一樣的，人是一個通用性的動物，那麼計算機現在是一個專科的動物，它在一個領域可以很好，其他領域就很差。那麼遷移學習就可以讓它在其他的領域，也可以變得很好。比方說，我們讓機器人能有這種遷移能力，我們可能就會看到像《西部世界》裡面那種非常擬人化的機器人，就可以出現了。
閱讀更多 我為科技狂 的文章
