在人工智能发展如日中天的今天，在人工智能技术向一切领域渗透的今天，在人工智能妇孺皆知的今天，中国工程院前院长“徐匡迪之问”引人深思：“中国有多少数学家（或科学家）投入（或全心投入）到人工智能的基础算法研究中？”由于核心算法缺位，类似于芯片行业，中国人工智能产业发展面临“卡脖子”窘境。

 国内AI企业的核心技术大部分都是使用了国际上开源的人工智能算法，之后进行了二次开发，成为针对特定问题的人工智能应用软件。使用开源的人工智能算法，可大大加快了开发进程和降低了开发成本，但也导致“知其然不知其所以然”的尴尬局面，为今后的深入发展埋下“安全隐患”。

　最先进的算法代码不会开源，所谓开源算法代码也不是最先进的算法，导致我国AI企业的智能水平与世界一流AI企业还存在一定的差距。开源代码，类似于“科研鸦片”，由于可以免费在线获取，省时省力省钱，使得国内AI企业散失了开发核心算法的动力和雄心。最为可怕的事，一旦国际关系发生重大变化，我们将获取不到最新升级的开源代码，国内AI企业的智能水平将会被远远落下。到时候，才想起来去追赶，恐怕为时已晚，而且由于差距过大，即使全力追赶，也恐怕望尘莫及了。

 今年，G.Hinton等深度神经网络（DNN）三剑客获得计算机图灵奖，他们所提出的深度神经网络算法是当前AI最核心的算法，在图像识别和语音识别等领域具有很多成功的应用。被很多人奉若神明的DNN，其实也不是无懈可击。经过深入思考和分析，我们认为，深度神经网络有三大缺陷：（1）计算量庞大， 有大量的参数需要循环迭代和微调优化 ，计算时间非常长 ；（2）采用大量的GPU等设备，硬件成本高，我们每年要耗费大量资金去购买，给国外送去大量外汇；（3）学习后有千万甚至数亿个参数，模型解释性差，“知其然而不知其所以然”，用起来心里没谱。所以，用DNN技术下下围棋，玩玩游戏还可以，但是难以用于像自动驾驶这样安全攸关的应用场景。不能迷信DNN技术，应用DNN技术的特斯拉自动驾驶汽车就出了几次重大交通事故。出了事故事很可怕，更可怕的是不知道DNN错在哪里，以确保下一次不再犯同样的错误。

　在大数据时代，浅层模型和算法难以发挥作用，深度学习确实是一个重要的发展方向。不过，我认为深度学习不仅仅是指DNN，还可以有很多其他形式，也许能取得比DNN更好的效果。所以，我们必须要开发新的深度学习算法，一方面要学习深度神经网络DNN的强大学习功能，一方面要具有很强的解释性以确保开发系统的安全性。另外，我们还需要考虑模型不要太复杂，参数不要太多，以降低硬件成本，最好用国产芯片就可以实现，做到既经济实用，又安全高效。做到以上几点的新型深度学习算法是一个很宏大的理想，需要长时间的努力，真心希望我国科学家能帅先做到。到时候，我们把代码开源，欢迎国内外同行去下载使用。这也是我的AI梦，希望在不久的将来能实现。