Q：什么是AI2.0？
A：AI2.0是2019年圖靈獎得主Hinton教授提出并催生了兩萬億級（以特斯拉的自動駕駛和亞馬遜的AmazonGo人工智能便利店為代表）世界市場的基石。在AI2.0獲得世人承認的同時也遭到了來自人工智能業界的反對之聲，主要集中在商業落地成本和工程效率兩點，這里轉載的這篇特稿是以AI2.0不是實現類人智能為基調展開的-

這是PNAS的一篇特稿，描述了深度學習的多種局限，包括易受對抗攻擊、應用不穩定、缺乏可解釋性等。最終結論是，深度學習不是實現類人智能的途徑。

“對抗攻擊”(adversarial attack)的例子是由Google Brain的深度學習研究人員發現的。(視頻鏈接)

個過程一直持續到信號到達節點的輸出層，其中的激活模式提供一個答案——一個斷言，例如輸入圖像是數字“9”。如果答案錯誤了——假設輸入的圖像是“0”——那么“反向傳播”算法就會沿著層反向運行，調整權重，以便下次得到更好的結果。

直到2000年，隨著計算能力以數量級增大的計算機的出現，以及社交媒體網站提供大量圖像、聲音和其他訓練數據，這種理解才開始得到發展。

首先抓住這波機會的是Hinton，他是反向傳播算法的提出者之一，也是20世紀80年代聯結主義的主導者。到2005年左右，他和他的學生們訓練的網絡不僅比以前的要大得多，而且深得多，層數從一層或兩層增加到了大約六層。(如今的商業網絡經常多達100層以上)

強化學習深度神經網絡的首次成功實現是在2015年，當時DeepMind的一個團隊訓練了一個網絡玩經典雅達利2600街機游戲。

網絡在游戲過程中接收屏幕圖像作為輸入，在輸出端是制定操作指令的層，比如如何移動操作桿。在這個游戲中，神經網絡的表現與人類玩家相當，或超過了人類玩家。

然后在2016年，DeepMind的研究人員在AlphaGo中應用了同樣方法的更精細版本，掌握了復雜的圍棋游戲，并打敗了人類圍棋世界冠軍李世石。