网友李嫣然则从更学术的角度解读了本次ICLR，她认为纵观本次ICLR 2017论文可以看出，GAN（生成式对抗网络）确实火得不能再火。在这次 ICLR 2017全部GAN 的论文里，主要集中在三个方向：如何提高GAN稳定性，用新角度/框架去理解和建模GAN，开奖，以及GAN 与 （semi）-supervised 的结合。而除了GAN外，其实Attention和 Memory这俩已经火了两年的方向也还在发展。

极视角联合创始人罗韵更是直言道，“GAN简直称霸半边天，j2直播，Generative这个词的出现频率简直……厉害了word的哥……”

不过，行业内也有不同声音存在。曾在百度硅谷研究院工作、现为SLAM创企业Perceptln联合创始人刘少山认为，（关于ICLR热度不断上升这方面）其实是挺好玩儿的一个现象。学术捧得比较高的一个东西，在到底在工程上能不能做，其实未必。在深度学习和SLAM各个方面我们看过很多论文很好，但未必能实现（的项目），很少像AlphaGo这样，实现出来能有用，能应用到具体场景里面。

结语、结结实实火了起来的深度学习

随着2012年神经网络在ImageNet获得重大突破以来，以深度学习为主的人工智能浪潮已经渐渐涌来，在最近一年里更是势头强劲，迅速占领了街头巷尾。无论你赞成还是反对，看好还是唱衰，深度学习都已经来到了你身边，从早年无人知晓的ICLR大会如今人满为患、赞助厂商翻倍、论文如纸片般飞来的现状可见一斑。

深度学习，这个看似玄幻的科技词汇，已经着着实实火了起来。

但也正是由于这股热潮来临，深度学习、机器学习、人工智能这三个概念被一度混淆，深度学习算法作为机器学习算法的一种，隶属于人工智能这个大范畴内。近年来，深度学习在语音、图像的检索分类方面取得突破性进展的同时，它在训练数据过大、训练时间过长、计算功耗太大、难以大范围推广应用等问题上依旧存在局限，并不是解决人工智能的万能之策。