深度学习只占机器学习领域的 1%，而机器学习又只占人工智能领域的 1%。而实际中的绝大多数任务则是用余下 99% 的知识技术来处理的。一个“只会深度学习的专家”并不是“人工智能专家”。
目前，很多公司谈人工智能（不乏国际大公司）都会大谈特谈深度学习，甚至只谈深度学习，让很多想学习人工智能的人认为深度学习就是人工智能的全部。实际上，深度学习只是人工智能领域中机器学习的一类学习的方法。即使深度学习可以解决一些实际问题，但其实并没有传说中那么神。在一些特定的场景下，深度学习比其他一些工具的效果更好，但是在场景、环境发生比较大的变化时，深度学习的效果差强人意。
举一个简单的例子：将10000张正向拍摄的不同车辆（车型、品牌等均不同）图片作为输入，深度学习算法训练得到的模型可以非常完美地从正面去识别车辆，但是要用该模型去识别从道路侧边拍摄的车辆时，准确率会非常低。即使所有的拍摄方向的图片都输入训练后，当车辆的大部分被遮挡时，深度学习算法也无能为力。但是人眼观察到车辆，即使处于非常复杂的环境，人脑智能也能识别出车辆。因此，深度学习真的不能媲美人工智能。
该图片引用自网络
笔者认为，人工智能应该具有自我学习、强化学习、模糊识别等特点，就像人类一样，只要认识一辆车，无论在什么情况下，基本所有的车都可以识别出来。很显然，单凭深度学习是无法做到这一点的。多个学科的融合以及多种人工智能工具的结合，才能造就真正的人工智能。
深度学习正被大肆炒作，因为尽管涉及利益冲突，目前也只有出售深度学习软、硬件的人在关于人工智能的访谈中发声。
如果您现在有兴趣且有时间去学习人工智能，建议去了解整个人工智能和机器学习领域的系统知识，而不仅仅是深度学习。
本文的观点仅代表作者个人观点，大家批评指正。
番外篇：在编写本文过程中，有一个问题引发了作者的思考，深度学习是根据人的输入去明辨是非的，那如果此人是反人类的呢？所以，在人工智能领域，是否应该增加一定的人类基础意识限制？
閱讀更多 極客在線 的文章
