所以说，是不是像人？并不是这个算法好或者是不好的标记。比如说人脸识别的系统，现在我们完全不知道机器到底通过这样大量的学习，学出来了什么样的特征，可以做得比别人好。这一点，已经超出了我们人类可以理解的范畴。

　　人类的机会在哪里？人类的智能，除了算法，我们大脑了有一个算法，有数据的学习之外，我们还有逻辑推理。相比机器，我们的算法和模型是我们自己可以设计的。非常重要的特点是，我们的数据是我们主动收集的，并不是像目前的机器学习算法一样是被动的，你给它什么样的数据，它就学习什么数据。

　　我们人类在很多时候也有一些非常有趣的特点，比如说我们的视觉智能，有时候我们的错误本身也是我们智能非常重要的一部分。在左边这张图里，大家可以看到的，这个块和这个块的亮度是一样的还是不一样？我相信没有一个人真的可以看出来这两个块的亮度是一样的。如果你觉得这两块的颜色确实一样的话，我相信你的大脑可能出现了问题，需要去看医生。

　　上面这个块的颜色和这个块的颜色也是一模一样的，但是我们不会有人感知到这样一个正确的结果。事实上，我们可以认为这个世界是我们自己想象出来的。但是，这种想象是目前的机器很难具有的，让机器判断这两个问题，它也可以非常准确的判断出这两个的答案。

　　我们理性的度量AI的进步，在很多方法我们也需要注意。我们看到了很多的进步，但是都是特定领域的进步，通用的AI还没有出现的迹象。感知能力也是日新月异的，但是我们的认知能力并没有太大的进步。所谓的感知能力就是看的能力、听的能力等。还有一点，我们目前阶段的AI不可以自己学，更不能自己主动的去学。

　　这意味着当前的AI都是领域、经验、数据依赖的，决定它只能是特定领域的AI。通用的AI军在何方？包括学术界也没有非常准确的答案。

　　现在必然是一个春秋战国的时代，各个行业的AI应用也会百花齐放，但是大秦统一全国的时刻还远远没有到来，很多行业都需要自己AI引擎的生产能力。

　　我本人在去年的时候也创立了一家公司，我们称之为中科视拓，我们有一个中西合并的名字，叫C他（音），我们搭建这样一个平台，提供这样的服务，为各行各业的用户、客户，提供基于私有数据，生产自己的AI引擎的能力。我们为华为手机里的人脸识别，包括中国移动、中国平安等一些大的客户提供引擎、赋能的能力。

　　简单总结一下。在过去几年时间里，感知进步带动了整个AI的热潮，应该说，传统的行业利用AI可以有一个非常好的升级机会，但是通用的AI还需要时日。所以，深度学习在某种意义上来讲，我们认为它需要基础设施化。这也是中科视拓成立的非常重要的目标，希望能够走向AI技术设施化的一条道路，谢谢大家！