Cutting认为，在推动人工智能的过程当中，知识图谱、知识工程的方法并没有统计学方法那么成功。知识工程在上世纪八十年代就已经非常流行了，但深度学习在当今取得的成功主要依靠的其实是统计学的方法，也就是基于巨量数据的各种模型的训练。基于统计学的深度学习在像图像识别、语音识别以及分类任务的完成之上取得了巨大的成就。这不代表知识图谱、知识工程的方式在人工智能当中永远不会成功，只是在目前的现状当中它们还不如统计学的方法那么有效。

　　此外，Cutting也指出了深度学习进一步发展所要面临的挑战，即深度学习的有用性、适用性、广度到底有多大。目前在一些认识、识别任务的完成当中，深度学习非常有效，比方说在大量的噪音或者是干扰的因素中进行清晰的识别、分类、标签。但是在处理其他涉及形势分析与决策的任务，刚才说到的这种能力还是远远不够的。

　　“虽然目前人们对于深度学习能够完成很多其他的任务是非常乐观的，但是我希望这样的乐观不会是一种过度的乐观。”Cutting如是说。