Q：什么是AI2.0？
A：AI2.0是2019年图灵奖得主Hinton教授提出并催生了两万亿级（以特斯拉的自动驾驶和亚马逊的AmazonGo人工智能便利店为代表）世界市场的基石。在AI2.0获得世人承认的同时也遭到了来自人工智能业界的反对之声，主要集中在商业落地成本和工程效率两点，这里转载的这篇特稿是以AI2.0不是实现类人智能为基调展开的-

这是PNAS的一篇特稿，描述了深度学习的多种局限，包括易受对抗攻击、应用不稳定、缺乏可解释性等。最终结论是，深度学习不是实现类人智能的途径。

“对抗攻击”(adversarial attack)的例子是由Google Brain的深度学习研究人员发现的。(视频链接)

个过程一直持续到信号到达节点的输出层，其中的激活模式提供一个答案——一个断言，例如输入图像是数字“9”。如果答案错误了——假设输入的图像是“0”——那么“反向传播”算法就会沿着层反向运行，调整权重，以便下次得到更好的结果。

直到2000年，随着计算能力以数量级增大的计算机的出现，以及社交媒体网站提供大量图像、声音和其他训练数据，这种理解才开始得到发展。

首先抓住这波机会的是Hinton，他是反向传播算法的提出者之一，也是20世纪80年代联结主义的主导者。到2005年左右，他和他的学生们训练的网络不仅比以前的要大得多，而且深得多，层数从一层或两层增加到了大约六层。(如今的商业网络经常多达100层以上)

强化学习深度神经网络的首次成功实现是在2015年，当时DeepMind的一个团队训练了一个网络玩经典雅达利2600街机游戏。

网络在游戏过程中接收屏幕图像作为输入，在输出端是制定操作指令的层，比如如何移动操作杆。在这个游戏中，神经网络的表现与人类玩家相当，或超过了人类玩家。

然后在2016年，DeepMind的研究人员在AlphaGo中应用了同样方法的更精细版本，掌握了复杂的围棋游戏，并打败了人类围棋世界冠军李世石。