本文来自AI新媒体量子位（QbitAI）
深度学习的下一步是什么？
最近，这个问题在美国问答网站Quora上发出没几天，就收到了Ian Goodfellow的回答。
Goodfellow是Google Brain研究员，Deep Learning教科书的第一作者，还曾经在OpenAI工作过一段时间。他最广为人知的成就，是提出了生成对抗网络(GAN)。
以下是他回答的主要内容：
深度学习未来的发展方向很广，以下是其中一些方向：
- 更优秀的强化学习，以及深度学习和强化学习之间的整合。能更可靠地学会如何控制机器人的强化学习算法等。
- 更优秀的生成模型。这些算法能可靠的学习如何生成图像、语音和文字，人类将无法分辨算法生成的内容和真实的内容。
- 学会学习，以及无所不在的深度学习。例如，算法将可以重新设计自身架构，自主调整超参数。目前，学习算法仍需要人类专家去运行，但未来这些算法的部署将会更简单。没有专门AI人才的机构也可以利用深度学习技术。
- 用于信息安全的机器学习，以及机器学习的安全问题。越来越多的信息安全攻击将利用机器学习技术，生成自动化程度更高的恶意软件，更有效地利用系统漏洞。与此同时，更多信息安全防御系统将利用机器学习技术，比人工更快地响应信息安全威胁，探测更隐蔽的入侵活动。这两种机器学习算法将展开交锋。
- 活动的动态路由将带来规模更大的模型。相对于当前模型，这样的模型可以使用较少的计算资源去处理单一样本。不过整体来看，大规模计算仍将是人工智能的关键：当单模型消耗的计算资源减少之后，我们会希望同时运行数千个这样的模型。
- 半监督学习和one-shot learning将减少多种模型所需的训练量，推动人工智能的进一步普及。
- 研究将专注于开发极为健壮的模型。这样的模型永远不会发生错误，适用于关键的安全应用。
- 深度学习将延伸至大众文化中。我们将看到艺术家和潮流推动者在一些难以想象的领域应用深度学习。例如，Alexei Efros的实验室，以及类似CycleGAN的项目就是这方面的起步。
最后，来欣赏一下CycleGAN把马变成斑马：
【完】
本文作者：陈桦
原文发布时间：2017-07-24
