2012年后的这次人工智能主要是因Yoshua Bengio、Yann LeCun、Geoffrey Hinton这三位大佬打造的深度神经网络体系，移动互联网的普及提供了大量数据，硬件成本下降使得单位算力价格降低，但是本质上还是基于统计学的人工智能有必要读博吗，并不能算真正意义上的智能。
深度神经网络的核心在于BP算法、SGD、小批量样本学习，各种变种网络大多是在层与层之间的权重、链接方式，神经元激活函数做文章。通过隐藏层的权重、链接方式、激活函数来产生大量特征，解决了此前需要专家知识构建特征的难题，抛开特征生成方式的其它内容和之前的算法并没有多大区别。神经网络的损失函数本质上是一个非凸问题人工智能有必要读博吗，并不满足KKT条件，数学界对它的认同远不如SVM，但是架不住它在工业界的应用效果不错。这也造成了这波AI变成了拼数据、拼算力、天马行空的结构魔改的奇葩现象。
算法的落地上大部分是在图像、文本、语音三个大类上。图像层面具体体现在安防、交通、巡检、OCR，这类项目大部分2G的，一般的公司根本拿不到；文本方面用的多的是智能客服、智障音箱、企业内部搜索殷勤（知识图谱）、舆情分析、翻译；语音上某飞的那个乌龙大家都懂的，具体产品上就是大家手机里面的语音输入、录音笔配套的音频转文字，应用场景和频次也没那么多。至于其它变相场景真够呛。
如果说有突破点，那大概率只有对抗生成网络了，毕竟人家缩写牛逼， 不要怂就是GAN.
本文到此结束，希望对大家有所帮助！
