深度学习模型作为黑盒的可解释工具

当前人工智能研究最为聚焦的核心领域支撑了此次人工智能热潮的发展。
与此同时，
这种技术所具有的不可解释性也引发了诸多观点认为深度学习已遭遇瓶颈。

7月25日，在美国四个顶尖学术机构——美国国家科学院、医学院、工程院院士以及艺术与科学学院院土的引领下，在'脑计划'项目中占据重要地位的特伦斯·谢诺夫斯基教授，在接受《经济观察网》采访时表示：'当下美国数学界已经拥有了可用于解析深度学习黑箱可解释性的相关理论框架。不过由于这些成果尚未正式发表或公布详细信息,他无法提供更具体的内容'

据他所见，在特伦斯看来目前就如蒸汽机与热力学之间的关系一样：随着时间的推移，在蒸汽机被发明数十年后才逐渐深入了解并用于改进这一技术。

经济学人：就目前而言，深度学习的技术路线还剩下多少发展的空间？技术路线是否已达到极限？

特伦斯 表示他难以实现完全突破。当前深度学习正处于其发展的初级阶段，在未来十年内可能会逐步展现出成熟的能力框架。基于现有的研究进展和技术创新趋势预测，深度学习技术的发展节奏预计每十年就会出现重大的突破性进展。因此，在可预见的未来范围内（大约在20年到30年左右），这一技术有望进入其发展高潮阶段

到现在为止我们仅完成了第一步，并借助展示了相关AI技术的方式来解决问题。展望未来我们将面临更为复杂的问题亟待应对。如同互联网在刚起步时发送邮件的能力当时难以预见到