非BP才是AGI的未来

BP算法采用全局更新机制，导致了灾难性遗忘和记忆全局性，因此无法学习具有上下文的复杂结构的知识，其记忆的本质缺失使得其不可能独立地实现真正的智能．而实现智能的前提是实现类脑记忆．

类脑记忆的前提是更新局部性，即只需要更新网络的局部用以记忆新的知识条目，并具有一套系统去实现存储的过程和取出的过程．当前采用BP存储知识在一定场合下是可行的，但实际上也是迫不得已．因为我们没有其它对非结构化信息的存储方法．

然而对BP的滥用导致很多看似简单的工作被搞得超级复杂。 BP更多的反映了一种基于大数据反馈的优化，类似于生物长期遗传更新。而人类更多的策略和知识来源于他人的引导。这种引导是抽象层面的规则知识传输。 无论是CNN，RNN（LSTM），都需要采用BP才能工作，而人类并没有这个过程 BP已经将人工智能引入歧途，我们需要构建高层级的非BP智能 适度使用BP，后期采用可学习的规则推理机制实现。

一些基于特征提取为基础的技术是非ＢＰ的敲门砖，因为一旦特征提取完毕，我们就可以用其它技术处理而非BP了，这些例如Few shot/one-shot/zero-shot learning，以图搜图及人脸识别中的特征抽取技术．

人脑没有精确的误差信号，没有精确的权重更新方法，而深度学习需要 人脑通常需要向导给予指引（而深度学习只能从裸数据提取） 人脑往往将任务分为很多个阶段，分阶段进行，深度学习没有阶段划分 人脑具有记忆，调用大量相关经验工作，深度学习只利用当前经验 人脑具有并不那么强的感知器（相比于CNN而言） 无论是CNN，RNN（LSTM），都需要采用BP才能工作，而人脑并没有这个过程 人脑的抽象推理，意识，长期思维（价值观）不在深度学习的表达范围 人脑具有更复杂的输出机制（时序+300多个肌肉开关）