去年结束了工作14年的通信公司，今年创了一次业，。
由于需要找工作，而且，对于通信业，不是那么热衷了，加上一直从事开放系统理论和自然语言理解相关的自动化方面，所以正在看人工智能的书。
=========================================================
1. 人工智能，不只是深度学习。
有空闲的时候，偶尔思考人与机器的不同。思考本能、原力、智商、情商之间的层级关系，深度学习可能也是一种数学公式。
（1989年，美国数学家，（George Cybenko)乔治.塞班克）证明了，神经网络可以被看作是一个通用的逼近函数，一个隐藏层的网络，可以逼近任意连续函数，两个隐藏层的网络，可以逼近任意函数（不lx也成）。
——见《深度学习与计算机视觉》
这个信息，很重要。这里的边界很清晰了，深度学习的边界在哪些——在数学。
这是好的一面。
但也要时常警醒。数学与人类的意识有很大不同。目前我们知道的情况，似乎证明数学与意识存在深层次的非同源性。
我最喜欢的是生物学，在我们那种乡下的中学，象生物学这种副科，原来是没人学的，我还拿到过全国性的奖项。
在研究生物学以后，了解到，生物进化的过程，是动态过程。而传统数学与物理紧密相伴，物理往往强调封闭性，如整个宇宙的质能守恒。不强调输入与输出。
但生命不但有新陈代谢，还有进化的过程。这些都是动态的开放系统。
长大后知道，基于热力学第二定律的人，与假定没有外界输入、输出的数学和物理是不同的。
所以，这二者是有不同的。
当然，目前以深度学习为代表的算法，还有生物遗传算法，都在学习生物学的特征，但并不是它们在一个量级上。
比如，我们人类的大脑，的确是10亿个神经元协作完成，但不是说，我们真的用这些神经元来计算。我们人类的预处理能力，预判的有效性，是计算机这种无意识的东西，所无法比拟的。
总之，人工智能，还有很远的路要走。
当然，深度学习现在火起来，有其必然性。
是很多原因共同造就而成。