正在这统统变革当中，中国处正在甚么地位？深度进修这项技能从降生到婴儿期的开展，简直全都发作正在美国、加拿年夜以及英国。美国的年夜学以及科技公司因为数十年来都可以吸收到全世界各地的能人，从而获得了巨额利润。野生智能的开展仿佛也没有破例，美国仿佛又要遥遥抢先，特别是凑集正在硅谷的顶尖研讨职员，能够应用硅谷丰沛的融资情况、共同的文明以及群聚的财产龙头来开展以及研讨野生智能。正在华尔街剖析师眼里，中国科技业正在将来的全世界野生智能开展与使用中，必定要持续饰演数十年来不断坚持的脚色：一群被尖端指导者远远甩正在死后的模拟者雄师。

如许的观点是过错的。这是基于对于中国科技情况的过期假定，也正在基本上曲解了野生智能反动面前的次要能源。东方国度扑灭了深度进修的火把，但最年夜的受害者将会是中国，这类全世界性的变革是由两方面变化惹起的：从创造的年月变化为实干的年月；从专家的年月变化为数据的年月。

很多人之以是误以为美国正在野生智能范畴具备严重劣势，次要是由于他们还逗留正在咱们糊口正在“创造的年月”的印象中：正在创造的年月，野生智能的顶尖研讨职员不时冲破旧有模范，终极破解存正在已经久的谜题，媒体不时报导野生智能的最新成绩，更是滋长了这类印象。比方正在某些癌症的诊断上，野生智能做患上比大夫更好；正在德州扑克的人机年夜赛中，野生智能击败了人类冠军；不必报酬干涉，野生智能就本人学会并通晓新技艺等。媒体如斯存眷报导野生智能的每项新成绩，也难怪普通察看者乃至是业余剖析师会以为野生智能研讨将不时取得打破性的新发明。

这类景象有误导感化，由于正在这些“新里程碑”中，良多成绩实在只是把过来10年的技能性打破使用到新成绩上，此中次要是深度进修，但另有一些互补的技能，比方强化进修（reinforcement learning）以及迁徙进修（transfer learning）。研讨职员做这些事，需求杰出的技艺以及深度的业余常识，不只要有才能考虑、撰写庞大的数学算法，还要可以处置巨量数据，针对于差别成绩调剂野生神经收集。这常常需求博士级的业余常识技艺，但这些开展都不外是依附着深度进修这项科技的年夜开展所做的渐进式改进以及优化。