吴枫：在可行性方面，我的答案是肯定的。你的工作是将传感器输入变成关节参数，这和机器人行走领域很像。2015 年开始有人工智能方法进入机器人行走领域。以前的机器人一定要传感器的反馈，然后进行判断、做出动作。但是很多特殊的行为是来不及等传感器数据的，数据处理完了，机器人已经失去重心摔倒了。因此研究人员用神经网络，在只有少量信息（比如传感器被遮挡得非常厉害）的时候，对未知信息做出估计和预测，进而做出决策。这是神经网络完全可以做的。在实时性方面，这个挑战很大，主要受到计算能力的制约。实际上在人工智能的发展中，计算资源是主要的一个制约因素，如果有好的计算能力，很多方法都可以投入应用。现在很多人在做神经芯片，比 TPU 对矩阵的加速还要更进一步，用高密集度，比如百万个核，用仿生结构实现高效率低能耗的计算。

（左起）邓力、吴枫、阿尔法公社创始人许四清、诺亦腾 CTO 戴若犁及李世鹏就深度学习在动作捕捉领域应用的可能性进行讨论