在人工智能领域当中，有一种名为机器学习的方法；在机器学习这种方法里，又有一类名为神经网络的算法。
正如图A、B中所示，每个圆圈代表了一个神经元、又可以称作感知器，每条线表示一个神经元与另一个神经元相连接；这些神经元被分为了多个层，层与层之间的神经元相互连接，而层内的神经元之间没有连接；最左边的层名为输入层，负责输入数据；最右边的层是输出层，负责输出数据；在输入层和输出层之间的层便是隐藏层。当隐藏层比较多（大于两层）的神经网络就是深度神经网络。于是，深度学习其实也就是采用了如深度神经网络等深层架构的机器学习方法。
图A
图B
目前而言，深度学习在IT行业的确算得上是个很热门的技术；究其原因之一则在于，深层网络比浅层网络有着更强的表达能力，更节约资源。因为，一个浅层网络（比如只有一个隐藏层）在拟合一个函数，需要非常多的神经元；一个深层网络拟合同样一个函数，所需要的神经元就会相对少很多。当然，深度学习本身亦存在劣势；比如，在训练时需要大量的数据，并且不容易训练出一个好的深层网络。
根据一些权威机构先后发布的、有关人工智能的报告，人工智能在未来会代替人类从事越来越多的、越来越广的工作；另一个，业界中有一些专家，尤其国际上顶尖的人工智能专家并不否认，人工智能（机器人）在将来有可能产生意识；而且，人工智能的意识很可能是不同于人类的。而人类要创造出像《西部世界》中那样的智能机器人，应该选择并研究如迁移学习等新的方法，而非继续拘泥于深度学习等目前已为人们所知的方法体系。
香港科技大学计算机科学与工程学系主任杨强，曾于1982年毕业于北京大学，后在外留学、工作过。业界和媒体对杨强教授的评价很高："他是人工智能研究的国际专家和领军人物，在学术界和工业界做出了杰出的服务和贡献，尤其近些年为中国人工智能和数据挖掘的发展起了重要引导和推动作用。他于2013年7月当选为国际人工智能协会（AAAI）院士，是第一位获此殊荣的华人，之后又于2016年5月当选为AAAI执行委员会委员，是首位也是至今为止唯一的AAAI华人执委。2017年8月他当选为国际人工智能联合会（IJCAI，国际人工智能领域创立最早的顶级国际会议）理事会主席，是第一位担任IJCAI理事会主席的华人科学家。"
一次，杨强教授在接受媒体的专访时，就主要谈到了人工智能的话题，包括今天人工智能已经发展到了什么样的水平，未来人工智能会不会产生自我意识，等等。
以下是杨强教授讲话原文：
《西部世界》讲的是，人工智能到了有一天，就能够让机器具有意识了。那么我们现在问呢，现在的人工智能可不可以让计算机有一天也有意识呢？有自我、自我感觉，自我唤醒这种能力呢？
我们知道，今天的计算机研究，大部分还是基于统计的、一种机械的研究，还没有上升到意识的层面。我们甚至在生物学上，也很少知道意识是什么。大家在研究说，意识出现在大脑的哪一部分呀？意识是怎么发生的？为什么人有意识？动物到底有没有意识呢？是不是有的动物没有意识呢？像这些问题，现在都在研究。但是现在，所得到的结果却非常少。
机器的意识，可能和人的意识是完全不一样的。机器的智能呢，现在来看，是用大数据，是用很多高维的空间，是用神经网络、深度学习来实现的；那么它也许和人的生物那种机制，本身就已经完全不一样了。人工智能研究意识的方法论，也许和生物学不一定一样，所以并不受生物学的限制。
回过来，说一下我研究的这个领域，叫迁移学习。
我们大家可能更多地听过深度学习，深度学习就是用很多的数据来训练一个神经网络，这个神经网络是有很多层的，所以叫深度。那么它在层和层之间发生很多的变异，使得它到最高层的那种反应，已经和人的智能相差无几，甚至可以超过人类的水平。它的一个缺点，是需要很多的数据，并且在应用这个模型的时候，当这个领域发生变化，当你的测试场景发生变化；比方说，一个图像，光线发生变化，或者说背景发生变化，这个模型就得重新被训练，又重新搜集很多的数据。
那么迁移学习就是来克服这个困境，就使得我们在这个模型里面，把它精髓给挖掘出来，使得我们当场景和领域发生变化的时候，我们也不用搜集太多的数据，我们就可以把这个模型给修复。也就是说，我们训练了一个模型在一个特定场景，它可以利用这种举一反三的能力，自己在新的场景里面去学习，把它的模型在新的场景里面，一个一个地建立起来。就像我们人一样的，人是一个通用性的动物，那么计算机现在是一个专科的动物，它在一个领域可以很好，其他领域就很差。那么迁移学习就可以让它在其他的领域，也可以变得很好。比方说，我们让机器人能有这种迁移能力，我们可能就会看到像《西部世界》里面那种非常拟人化的机器人，就可以出现了。
閱讀更多 我為科技狂 的文章
