作为未来人工智能的基础，需要完全具备自动聚类，发现模式，增量学习，海量数据学习的能力。而不是给定已知的数据集，训练完毕，无法根据新的数据和环境进行调整学习。目前的深度学习，已经取得很不错的效果，能在很多苛刻的测试数据集上取得比人眼识别还好的识别率。但是这是一个专家系统，仍然是一部不会具备智慧的死机器。要得到真的人工智能或者说强人工智能，智能系统需要“活”起来；与信息世界不短的信息交互，在交互的过程中发现模式，并提取用于新的信息的处理。
对比人脑和人成长的过程总结一下，需要具备一下的特征的系统：
1） 增量学习分类
2） 自动聚类
3） 海量数据学习
所以也能看出人工智能系统的基础是自动聚类器，增量学习分类器。
接下来，我试图去探索具备这么些特性的系统。首先是找到自动聚类，增量学习分类器；在此基础上组合成听觉、视觉系统；进一步添加思维决策系统；高级一些添加情感系统等。所有的关键在于自动聚类，增量学习分类器。也是目前世界范围内没有突破的关键一步。
2016-1-24：
最近几乎要突破这个特征系统的了。： 无限增量学习，能实现无限增量学习，是强人工智能的基础。当然其他各种上层的东西： 自我、自举学习， 情感，这样的东西，目前还不到深入研究的地步。但是各种高级一些的智慧体具备的功能特征，其最基础的支撑算法，必须是无限增量学习。（20年以后回来看，这个必定已经成立，不知道这个提法能申请专利不？ 呵呵，穷的我没办法研究下去了，疯了。）下面说说突破的地方：
这两年，做了视频浓缩摘要算法，人车分类等机器学习算法。包括：svm，knn，lsh， ann，dl，cmac，rbf， 等主要的机器学习算法。其中svm，knn，dl 是应用中比较成功的分类算法。但是目前来看，没办法实现增量无限学习。这就注定只是一个限定的有点smart的机器。 能无限增量学习，才能像人出生之后一样，不断学习成长。360的首席科学家提出 baby learning， 貌似就是这个思路。不谋而合啊。但是不知道其实现思路。我这样层次的人，也联系不到这样的大家。
实现办法：用 lsh 结合 ann 实现局部敏感神经网络。 就是这么简单。 lsh ，这我已经算法上实现了，无限学习，局部敏感。比其他传统 lsh，有本质飞跃，不再是 1% 千分之一的运算量提升，而是达到 O(1)级别的复杂度。 同时，召回率达到99.9%以上。 这样保证了局部样本的有效性。进一步通过 局部连接Ann神经。可以达到彻底彻底的局部敏感。下一步算法实验。