专家董远志，探讨过这个问题。因为根据情报，对面那个国家其实一直没有放弃将ai技术用于现代化的武器研发。

不过按照董教授当时的说法，阿法狗看似很厉害，但其实依然是机器深度学习的推广，而且深度学习应用其实有着极大的局限性。

比如人工智能落地的应用依然只是集中在计算机视觉方向的图像识别跟追踪，自然语言处理的对话系统，以及互联网公司最看重的大数据分析下的推荐系统。

这些应用也有同一个特点，即不怕鲁棒性的缺失。换句话说，失败无所谓，让机器继续训练就ok了。原因也很简单，现在的人工智能技术看似媒体吹得很火，看似很多功能表现得随时能超越人类，但实际上因为缺乏理论支撑，整套系统甚至无法确定最坏性能，如果使用在失败之后后果严重的场景，难度极大。

即便是已经成功落地的应用场景，也不过是神经网络对数据进行拟合，本质特征依然是求一个函数来表示数据，计算机学家的思路依然是尝试用向量来表示一切，本身没有逻辑推理的部分，跟人类的思考模式相差甚远。而且向量根本不可能表示所有信息。

尤其是深度学习虽然在媒体的宣传中是模彷人脑的学习，但实际上却是矩阵运算的结果。现在人工智能从业者中大部分人的工作还是在搜集筛选数据给黑箱调参，这也导致机器能力的提升甚至带有一定的玄学成分。

说一千道一万，董教授最后的总结便是，人工智能这玩意现在发展的的确热闹，但也只是热闹。因为现在大家缺少的关于人工智能基础理论的突破，这也直接限制了人工智能的发展。因为大家就算是试错，都找不到正确的方向。..??m

也正因为没有可靠且成熟的数学理论做指导，从某种意义上说人工智能大家的发展水平其实都是差不多的。因为现在的人工智能技术想要发展到在一些关键应用上达到取代人类的目