最大的障礙是人工智能真正火起來(lái)的落地應(yīng)用深度學(xué)習(xí)占了95%，絕大部分老師學(xué)生在不停地刷著performance，真正能落地的算法或者真正能改進(jìn)傳統(tǒng)算法的幾乎沒(méi)有。

南大專家曾說(shuō)要限制人工智能的使用而不應(yīng)限制其研究，在大家全部關(guān)注深度學(xué)習(xí)的時(shí)候，能沉下心來(lái)研究其他人工智能重要方向的人太少了，比如特征提取、數(shù)據(jù)降維，這些關(guān)注的人越來(lái)越少，但是深度學(xué)習(xí)倒是人人在用，不加個(gè)深度學(xué)習(xí)研究方向拉不到項(xiàng)目and招生少一半，在這點(diǎn)上很佩服南大lamda與東南palm等專注理論研究的實(shí)驗(yàn)室。

最能體現(xiàn)人工智能算法是機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)包羅萬(wàn)象。深度學(xué)習(xí)可能會(huì)泡沫，但是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘不會(huì)，就現(xiàn)在的ML算法而言，機(jī)器所學(xué)到的東西都是以參數(shù)為表現(xiàn)形式所體現(xiàn)出來(lái)的，也許它真的學(xué)到了什么東西，但是并沒(méi)有真正成為我們?nèi)祟愃x的knowledge，這是南大周老師在2016計(jì)算機(jī)大會(huì)上所說(shuō)的話。

所以，在我淺薄的認(rèn)知里，我認(rèn)為現(xiàn)在人工智能最大的障礙是，所有人都擠破頭了去使用深度學(xué)習(xí)這個(gè)工具以此發(fā)paper和圈錢(qián)，真正沉下心來(lái)研究理論的人國(guó)內(nèi)真的很少。等過(guò)幾年，資本看不見(jiàn)實(shí)質(zhì)性的成果，撤資了，深度學(xué)習(xí)連帶著人工智能熱度都漸漸淡下去了。

我相信，機(jī)器學(xué)習(xí)領(lǐng)域一定有比深度學(xué)習(xí)更c(diǎn)ool的算法，等著我們?nèi)グl(fā)現(xiàn)與研究，但是技術(shù)層面就需要更多人的共同努力了。

另外，人工智能的硬件方面也需要跨越，如果基于目前的電子芯片，可能很難達(dá)到讓人滿意的智能，而未來(lái)基于量子計(jì)算機(jī)為云計(jì)算機(jī)中心的建立，才可能促進(jìn)人工智能的全面發(fā)展。

這就是人工智能方面軟件與硬件兩方面的主要障礙。