没有神迹，用不着吓唬，人工智能的真正突破还未到来 -- 知乎专栏《知识分子》

没有神迹，用不着吓唬，人工智能的真正突破还未到来 -- 知乎专栏《知识分子》

香港科技大学的权龙教授:
“人工智能的目的是让计算机去看、去听和去读。图像、语音和文字的理解，这三部分基本构成了我们现在的人工智能。而在人工智能的这些领域中，视觉又是核心，视觉占人类所有感官输入的80%，也是最困难的一部分感知，如果说人工智能是一场革命，那么它将发轫于计算机视觉，而非别的领域。”


计算机视觉专家、加州大学伯克利分校的马毅:
他提到，神经网络在数学本质上是在学习高维数据中稀疏的低维结构，“从有限的观测样本中稳健地学习到一个低维的模型” 是机器学习一个普遍性的问题，是无论如何绕不开的核心挑战。
他还认为，利用反传算法（back propagation）加上足够的计算力、数据等资源，深度模型可以拟合或过度拟合任意有限的样本，所以在有限样本能够覆盖所有感兴趣或重要的例子的应用场景是有很用的。但（机器或者人的）学习最终目的终究是从有限的样本发现最简单的通用的数据生成的机理模型，以对付无限可能的变化情况。从有限到无限，这是学习以及科学研究的根本目的。另外，从工程实现来讲，没有这样一个参考模型和标准，学习算法系统的稳定性，稳健性和不变性，是无从谈起的。

“我们解决了计算机视觉的三个核心问题了么？严格来讲还没有。我们在物体识别、几何重建、图像分割这些问题上，都还没有找到能够严格保证稳定，稳健和不变性的算法和系统。计算机视觉，以及人工智能还有很长的路要走。” 马毅总结说。