最大的障礙是人工智能真正火起來的落地應(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)算法的幾乎沒有。

南大專家曾說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)的時候，能沉下心來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)注的人越來越少，但是深度學(xué)習(xí)倒是人人在用，不加個深度學(xué)習(xí)研究方向拉不到項目and招生少一半，在這點上很佩服南大lamda與東南palm等專注理論研究的實驗室。

最能體現(xiàn)人工智能算法是機器學(xué)習(xí)，機器學(xué)習(xí)包羅萬象。深度學(xué)習(xí)可能會泡沫，但是機器學(xué)習(xí)和數(shù)據(jù)挖掘不會，就現(xiàn)在的ML算法而言，機器所學(xué)到的東西都是以參數(shù)為表現(xiàn)形式所體現(xiàn)出來的，也許它真的學(xué)到了什么東西，但是并沒有真正成為我們?nèi)祟愃x的knowledge，這是南大周老師在2016計算機大會上所說的話。

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)這個工具以此發(fā)paper和圈錢，真正沉下心來研究理論的人國內(nèi)真的很少。等過幾年，資本看不見實質(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，機器學(xué)習(xí)領(lǐng)域一定有比深度學(xué)習(xí)更cool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，而未來基于量子計算機為云計算機中心的建立，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。