深度学习的 算法 和传统的AI的 算法 一个很大的不同，AI的 算法 到了数据大到一定程度的时候，不一定效果不断的变好，但是深度 神经网络 的 算法 ，你可以看到它不断的提升。比如手阿尔法狗它产生数千万盘棋局的数据，通过它不断的学习深度 神经网络 ，从职业的二段也不知道到职业的多少段，据说是职业13段这样的水平，它的水平在不断的提高，这就是 大数据 和深度结合所带来的变化。
我们看到因为深度学习的发展，过去在图像领域，在语音领域所引领的，不断去突破它的极限，使它的识别错误率不断的降低。这是 语音识别 深度 神经网络 代替深学模型。后来端到端的学习带来 语音识别 率继续的提升。这是我们看到最近在端到端的深度 神经网络 在语意的处理和理解上面所取得的进展。
我们最近看到，前面我们看到很多感知方面的进展，从阿尔法狗我们看到，从感知到行为决策，深度学习，进入后一个十年发展的趋势，如果你只是感知，不做任何决策，其实你并不改变这个世界，只有在环境中不断的做决策，去调整，去优化你长期的收益，这个机器才能变成自主行为，并且改变世界的技术。
同样的技术不光是在棋的对局，自动驾驶可以看作是汽车和环境的博弈。这样一个博弈你在每时每刻在连续的做决策，比如说你是加速，你是左还是右，因为你每一次决策，你周围的环境会发生改变，这些你需要连续做决策，最后优化的是一个长期的收益，就是从A地到B地足够的高效，足够的 安全 。
未来 机器人 大脑的构架，一种想法完全在云端处理，但是这样会带来问题，比如一个汽车在行使过程中突然有小孩横穿马路，你把数据传导云端，云端处理来回来，如果这个网络不稳定怎么办？说到这种实现和处理，我们自然会想到用什么树立起。我们手机和电脑上都有CPU，我们刚才讲的无处不在的 人工智能 所需要的这些感知、认知和控制，它需要这些东西是些专用的处理器。你会问，你这个问题有点奇怪，人类的大脑看起来是一个通用的处理器，在座的各位我不知道多少会认为大脑是通用还是专用处理器？认为大脑是通用处理器的举个手？是专用处理器的举个手？就更少了。
