導讀：廣州深圳商報記者張穎在第5g世界大會上舉辦了未來信息通信技術與國際戰略研討會。 因為他們是行業，客人很少聚在一起，頻繁的溝通，耳朵咬人，話題專業比輕松。 而在這個重量級的論壇上，所有的嘉賓都可以爭相拍照手機。 張穎，深圳商報記者

世界第五屆大會召開了信息通信技術與未來國際戰略研討會；。 華山劍由于是行業，客人很少聚在一起，舞臺上經常交流，咬耳朵，話題專業并不缺乏輕松。

在這次重量級的論壇中，沈向陽是少數幾個能讓所有嘉賓拿出手機拍照的人之一。

他是硅谷技術圈中最重要的中國人，也是美國技術公司中最高的職位。 今年，新冠肺炎流行期回國，消息轟動中美科技。

作為領先全球人工智能的專家，沈向陽提出，雖然人工智能取得了很大的進步，但仍然需要從深度學習過渡到深度理解。 他為每個人發表了最新的研究進展。 勾勒出一個能夠實現深度理解的人工智能框架體系。

比如哈士奇，是狗還是狼？ 人類大腦的這種判斷不是問題，而是可以長期混淆人工智能，

據報道，目前人工智能的發展，深層神經網絡起著非常重要的作用。 這是沈和微軟研究院的同事們進行的一項歷時十年的研究。

他指出，在過去的十年里，人工智能已經實現了三個領域：大數據、計算和延遲處理取得了重大進展。 但據實際了解，人工智能在過去十年中實際上沒有取得特別重大的突破。

在計算能力方面，英偉達曾經超越英特爾引領潮流，相信未來會繼續前進。 包括亞馬遜，谷歌等企業的自主研發，做過非常強大的云計算能力，在這方面，來自深圳鵬程實驗室的鵬程云腦，也是非常典型的成功故事。

接下來，他轉身開始倒冷水，指出即使是如此強大的計算能力，當真正處理智能時，結果也是諷刺的。 即使是世界上最大的圖像識別數據庫Image Net，也仍然比五種力量的數量級少10倍，才能真正實現人類的理解。因此不難理解，整個領域仍然在拼命地增加計算能力，這遠遠不是天花板。 這是一條科學研究的道路。

他建議有另一條更巧妙的前進道路。

他舉了兩個計算機視覺和自然語言處理的例子來解釋為什么今天有如此強大的計算能力，經過這么多大數據，智能并不令人滿意。

他在微軟的朋友在華盛頓大學訓練了一個模型，使用深層神經網絡，讓人工智能來判斷哈士奇是狼還是狗。 就像人腦一樣簡單。 但人工智能判斷，6個結果中只有5個是正確的。 用模型很難找到誤差的原因。 最后，研究發現哈士奇的神經網絡是狗或狼，從背景判斷。 背景是雪，它被判斷為狼，背景是草，它被判斷為狗。 它與許多數據特征無關，比如狗和狼臉。 這使得人工智能非常有趣和危險。

另外，利用大數據，大訓練模式出人工智能結果，按照設定的程序運行，表現非常好，如果受到攻擊，結果可能會有很大的不同。

沈向陽指出以上都值得反思，深入學習現在做的更接近智能化？

出于這個原因，他與比爾蓋茨和紐約大學教授進行了加里·馬庫斯的討論，并得出結論認為，培訓前的模式，深度學習的東西，到目前為止只獲得知識，而不理解知識。 因此，重要的是要意識到，人工智能，正在做偉大的事情，不是最好的模式。

他認為有必要回到初心，重新思考機器學習的目的。

第二，人工智能今天的驚人成就，做仿真器是最大的杰作。 下一件最令人興奮的事情，也許是編寫更大的模擬器來模擬真實的物理世界。

最后，接下來最重要的是將人工智能從深度學習過渡到深度理解。 他試圖解決的問題是建立一個開放域對話模型、一個神經對話模型和一個深入理解的框架。