人工智能中的“深度学习”露馅了？

    露馅 lòu xiàn：是一个汉语词汇，比喻不肯让人知道而隐瞒的事物暴露出来。如：物证面前，谎言露馅了。https://baike.baidu.com/item/%E9%9C%B2%E9%A6%85

Deep Learning

？

张钹，中国科学院院士，信息技术学部

http://casad.cas.cn/sourcedb_ad_cas/zw2/ysxx/xxjskxb/200906/t20090624_1807697.html

张钹老师的照片。找不到照片的出处了。感谢有关人员！

          
一、清华大学，2020-01-15，清华人工智能研究院院长张钹：深度学习的钥匙丢在黑暗角落
https://www.thepaper.cn/newsDetail_forward_5513995
https://news.tsinghua.edu.cn/info/1013/68575.htm
    深度学习应用于模式识别虽然可以在大数据的训练中学到正确的分类，却很容易受到恶意干扰、欺骗和攻击。将狮子识别为图书馆、把雪山认作一只狗、停止标志识别被当成限速标志……此类深度学习系统被“忽悠”的案例层出不穷，如果发生在自动驾驶场景，就可能产生严重后果。

二、科学网，2017-08-09，张钹院士：人工智能超过人类只是特定意义上的可能
http://news.sciencenet.cn/htmlnews/2017/8/384661.shtm
    为什么机器下围棋能够超过人类？为什么人工智能在图像识别的某些方面会超过人类？我认为有三大法宝：第一是数据，第二是计算资源，第三则是算法。这就是深度学习成功的三大法宝。日常生活中，人们常常感慨大数据的力量，计算资源的力量，但是没有看到背后算法的重要性。比如AlphaGo能够在两三周的时间内，学到几千万个棋局，能够自己和自己下围棋，靠的正是强化学习算法。

                  
三、2018-03-20，张钹院士：深度学习优势与短板 中国AI机遇和挑战（最新演讲实录）
https://blog.csdn.net/weixin_34198881/article/details/89750898
    我们要解决小样本甚至零样本学习的问题，小样本学习就是用很少的样本学习和训练，然后就可以推广到应用。比如小孩学习一个马或者牛的概念，只要看一下马或牛，甚至看一下马的图片就能认识真正的马，计算机不行，得把所有情况所有背景下的马都得让它看，要看成千上万个它才能识别。
    我们看一下为什么机器学习的效率这么低，还要使用那么多样本，比如用这张图告诉（机器）说这里有一只猫，这个猫在这里面信息流占了多少比重呢？我们有计算过是1.1%，也就是说提供的这个样本只有1%左右有用，99%没有用，因为提供这个照片告诉它这里是一只猫，计算机根本不知道猫在哪儿，所以这就迫使人们必须用大量的样本，告诉它这是猫，在草地的猫，在另外的背景里猫会变成这样，要用各式各样的样本在不同背景下的猫去训练它，它才能认识，只有跟它相近的背景、相近的角度拍下的猫它才认识，如果背景变了，猫拍摄的角度变了它也不认识了，所以这是它的一个根本性的问题，它不理解，但人是看了这个猫就理解这个猫。

             
四、2017-10-07，四位人工智能界的泰斗大牛关于人工智能的理解与预言
https://www.sohu.com/a/196585244_650579
    深度学习目前有两个很难克服的重要缺点：
    1、鲁棒性差。机器学习过的内容，和没学习过的内容，在识别效果方面差距太大。例如一个模式识别系统，经过训练可以很好地识别马、牛、羊。你给它一块石头，它有可能认为是马。
    2、机器数据输入和输出结果差距太大。人的智能是举一反三，而机器是举一百反一。给几百万的数据，识别几万个目标。这和人类是背道而驰的。
    所以，现在的人工智能还有很长的路要走。

五，2018-06-30，张钹院士：走向真正的人工智能 | CCF-GAIR 2018
https://www.sohu.com/a/238591807_114877?_f=index_pagerecom_94
    必须回答下面三个问题：第一，什么叫做真正的人工智能？我们的目标是什么？第二，为什么我们需要真正的人工智能？第三，我们如何走向真正的人工智能？
    周穆王西巡狩，路遇匠人名偃师。翌日偃师谒见王，偕来一个假人。「趋步俯仰，信人也」。「领其颅，则歌合律；捧其手，则舞应节。千变万化，惟意所适。王以为实人也，与盛姫内御并观之，技将终，倡者瞬其目而招王之左右侍妾。王大怒，要杀这个偃师。偃师大慑，立剖其倡者以示王，皆傅会革、木、胶、漆、白 、黑、丹、青之所为。穆王始悦，诏贰车载之以归。

六、徐匡迪之问

    《科技日报》，2019年06月24日，星期一，第08版：AI实验室，正视短板 加大核心算法等关键基础研究投入
http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2019-06/24/content_424121.htm?div=-1
里的“加大对核心算法等关键基础研究的投入”，后来以“中国有多少数学家投入到人工智能的基础算法研究中？”方式，被称作“徐匡迪之问”。

    见：《上海科技报》2019年5月17日第003版的“聚焦基础算法，让“徐匡迪之问”有解”。
http://www.duob.cn/cont/812/206828.html
http://www.duob.cn/FileUploads/pdf/190517/kj05173.pdf

相关链接：
[1] 2010-08-27，11年前的记忆：人脑复杂性的估计及其哲学意义
http://blog.sciencenet.cn/blog-107667-356704.html
[2] 杨正瓴. 人脑有多复杂？《百科知识》，1997, 7(总第216期): 39 – 40.
http://www.cnki.com.cn/Article/CJFDTotal-BKZS199707022.htm
[3] 杨正瓴，林孔元. 人类智能模拟的“第2类数学（智能数学）”方法的哲学研究，《哲学研究》，1999, (4): 44 – 50.
http://www.cqvip.com/QK/80454X/19994/1002190349.html
http://www.cnki.com.cn/Article/CJFDTotal-ZXYJ199904005.htm
[4] 2019-02-28，往日（1）：小样本数理统计学与“压缩感知 Compressed sensing”
http://blog.sciencenet.cn/blog-107667-1164730.html
[5] 2018-08-18，“大数据”时期，更渴望“小样本数理统计学”
http://blog.sciencenet.cn/blog-107667-1129894.html

感谢您的指教！

感谢您指正以上任何错误！

感谢您提供更多的相关资料！