主题：alphaGo 系统以及人工智能的未来 -- pattern

随着深度视觉的发展，2D和3D融合的计算机视觉是可以预期的。多摄像头形成视觉空间或单摄像头通过移动产生深度视觉空间都已经实现。很多的研究开始融合深度数据进行识别。

人工智能的发展，目前似乎都是集中于解决问题，主动发现问题似乎是弱项，长期看则不确定。有一点，人类是由内心的欲望推动去做一件事情的，人工智能则没有自发的欲望，所以它目前只能是工具。

从技术层面看，很难说目前的深度学习一定是在一条正确的路上。深度学习的输入是源数据，深度学习过程自己去提取特征，所以需要大量的数据。这种提取过程，目前都是基于深度卷积网络或类似结构。人类在智能发展的过程中，则会对对象提取特征。在深度学习之前，支持向量机（SVM）是基于特征的。只是现在深度学习的风头掩盖了支持向量机。对于特征，人类是有一些重要的发现的。比如植物，具有自相似性，也就是枝条和枝干是相似的，枝条和枝条之间也是相似的。这种相似性，我的理解是由DNA决定的，也就是说，枝条的形状是由DNA和外部环境共同作用形成的。DNA决定什么时候什么地方细胞会分裂，而外部环境则决定这个细胞能不能长成，并进一步分裂。人类能够抽象出这种规律，并有可能提取出这种规律用于识别。深度学习目前则不能，它接受的就是图像，目前的模型无法跨学科去利用别的知识。从这点看，深度学习本身还有很长的路。

从解决问题的能力看，人工智能大规模替代人工是可以预期的。人类的生活生产，充斥着大量的程序化的重复劳动，即使有些看起来突发的问题，也有所谓的套路。但人工智能在具有自己的欲望之前，只可能是人类的仆人，不可能超越人类。