深度学习未来的思考

现在的深度学习模型根本不具有智能性，只是基于统计学对过去经验的一种认识和总结，得到的规律都是滞后的，无法像人一样能融汇贯通各种知识，并且主动获取各种信息，做出合理的推断或作出创新性的突破。
也就是想通过现在的深度学习模型得到真正的人工智能目前根本不可行。
人工智能模型无法创造出人工智能模型，实现不了自举，就不具备真正的智能性。
用代码写一行就可以得到的规律，需要用大量数据集训练得到，代价太大，本质只是人不想深入分析复杂事物的规律或者说根本不知道怎么分析，而采取的一种折衷的策略。

目前的模型训练一般的步骤是：
1.给出目标，
2.定义策略，
3.不断学习（主动获取数据，分析数据，利用数据，掌握其中的规律）
4.完成or逼近目标。

如果目标都不给定的呢？机器能否自主的自己给自己设定目标，并且能精确的定义目标是什么，然后再自主的去学习，完成目标。并且还会把复杂的目标分解成各种小目标再去完成？当完成目标可以有很多种方式的时候，机器如何做出相对最优的选择？抑或穷举尝试，如果定义此种方式无法达到的界限是什么？（要解决这些问题才是最有难度的，人类本身其实也未必能很好解决）
如果上述的问题能够解决，每一次学习和执行而达成的目标的过程都可以成为机器的知识积累，像人脑一样通过不断学习，最终存储了很多解决问题的思路和方法。这就是科幻电影中的机器人/外星人可以在很短时间内掌握整个人类文明积累的知识的原因。

人的行为本质都是有动机的，为了获得更好得生活，需要赚更多的钱或其他方式获得，从而影响人做出各种行为。
那么给机器定义的顶层目标可以是什么？更好的服务好人类？根据人类做出的指令，主动搜集各种信息分析，然后去完成人类指令对应的结果或者目标？