我们再看算法，算法其实也在不断的演进，这个深度神经网络神经网络算法其实几十年前就提出来了，但是后面一直没什么进展，是为什么呢？就是刚才说的，没有数据，没有运算能力。因为这个算法需要的数据量很大。但现在数据运算能力有了之后，它的威力就出来了。基础算法虽然很多年前就提出了，但是后面我们不断的有强化学习、迁移学习等等。基于深度学习的话，会出来一个非常大的理论体系来支撑现在的发展。引用吴恩达的一个说法，就是说，他说有监督学习方面，深度学习可以超越几乎其他所有的算法，只要数据量足够。只要数据量够大，深度学习能不断逼近真实函数。

　　但是我们去看这个这个图，也很有意思，这个学习算法随着数据的增加，它有一个拐点啊，到某一个点之后，他就停下来了。当然了，这个传统模型大部分我们也能理解到， 因为你的公式本身表达能力很有限。你比如就定了5个参数，然后搞一个线性的，其实表达能力是非常有限的。你怎么训练它，都不能把真实的东西完全模拟好。但深度学习不一样，你只要给的模型足够大，它基本上可以把这个真实环境原函数给你还原的非常好。所以刚才说，它随着数据的增加，每一个数据的反馈都会修改这个函数，直播，然后就逼近真实函数。所以说，它到达一个点之后，爆发了数据和运算能力，使得深度学习真的有用了。它可以超过原来的传统算法。那以后的话呢？它会继续扬长而去，不断进步。

　　接下来我们再讲一下人工智能会影响什么。我们认为人工智能会影响几乎所有的产业。

　　第三部分：人工智能对产业的影响

　　关于人工智能对产业的影响，雷鸣说：

　　举一些简单的例子，比如说服务业， 扫地机器人现在全球已经卖几千万台了，这是机器人里销量最大的。看着很傻，一个圆盘在那，但是它真的解决了一个问题，你不用扫地了。还有陪伴机器人，这个概念说了很久，现在还没落地，但是呢，这个东西未来肯定会实现。然后呢？导购机器人也是这样。我们能看到这一块儿正在高速的发展，什么时候会人手一台呢？我们不太清楚，中间的话也许有些挑战， 一定要把成本降到某个水平线之下等等，但是未来是很明确的，它就是在朝这个方向发展。我们相信在一定时间之后，每个人家里面都会有N个机器人在帮你做这做那。这就是未来的工业机器人和智能工厂。

　　特斯拉在整个生产过程中，有十几个工程师到几十个工程师在盯着，这些工程师并不是流水线工人，他们在盯着流水线不要发生故障。真正的生产都是机器自动化进行的， 所以说未来工业也会有深刻的变化。另外，现在我们知道自动驾驶和智能交通，这两个当然也会出一些事故，因为在创新的早期，错误总是会犯的。但是它会越来越好。另外我们大胆的估计，也许20年以后，可能你自己在马路上开车就是违法的。

　　接下来，雷鸣展望了人工智能的未来和发展。

　　雷鸣最后阐述了“北大AI公开课”的主旨及课程安排，他说：