https://www.leiphone.com/news/201712/Eqga08hgEL9XfGxY.html
王立威：有三个领域会与深度学习进行紧密的结合：一个是无人驾驶；一个是金融领域；再一个则是医学领域。
无人驾驶在计算机视觉的识别技术已经趋于成熟，具备可以与机器学习进行深入结合的条件，但作为一个与汽车实体紧密相关的应用方向，在高校内做研究的空间相对受限；此外，驾驶作为一种动态活动，相对于静态图像识别的难度与复杂性要高得多。
金融领域尽管积累了非常多高质量的封闭数据，但它属于噪声非常大的信号，受突发政策、人为操作的影响较大，并非总是严格遵循客观规律。AI技术不是金融交易中的核心技术，交易的安全是重中之重。如果只考虑交易频次问题，交易又分为低频和高频，“如果是低频交易，我不认为AI 有太大的用武之地，因为AI 需要大数据、低频交易数据量太小，如果要让AI技术发挥技术，一定是在高频领域。但是现阶段的一个问题是，高频领域有很多分析的工作还是是需要人来做，例如提炼对交易产生影响的因素或者策略。
医学影像属于静态图像识别，相对于视频的处理技术要更加成熟。数据的获取和系统的测试及落地是医学影像分析的重中之重。如果开发者要执行的任务处于非常封闭的环境，和人的常识没有什么关系，这样的任务非常适合机器来做，但是如果这项任务和常识挂钩，例如对自然语言的理解，对于机器而言难度非常大。“医学影像相对而言是具有一定封闭性的问题。”