【AI越来越强 但我们快要养不起了】一些尚未发现或被低估的机器学习类型也可能降低计算量 。 比如基于专家见解的机器学习系统更为高效 ， 但如果专家不能辨别所有的影响因素 ， 这样的系统就无法与深度学习系统相媲美 。 仍在发展的神经符号等技术 ， 有望将人类专家的知识和神经网络的推理能力更好地结合 。 正如罗森布拉特在神经网络诞生之初所感受到的困境 ， 今天的深度学习研究者也开始面临计算工具的限制 。 在经济和环境的双重压力下 ， 如果我们不能改变深度学习的方式 ， 就必须面对这个领域进展缓慢的未来 。 我们期待一场算法或硬件的突破 ， 让灵活而强大的深度学习模型能继续发展 ， 并为我们所用 。