2015年12月29日，美國科技資訊網(wǎng)Re-work發(fā)文，總結(jié)了多位深度學(xué)習(xí)專家對未來5年深度學(xué)習(xí)技術(shù)的發(fā)展預(yù)測。

（1）人工智能研究機構(gòu)OpenAI的研究主任Ilya Sutskever：我們可以期待看到更多更深的模型。與現(xiàn)有模型相比，這些模型需要的訓(xùn)練案例更少。我們可以期待看到更精確和更有用的語言與視覺識別系統(tǒng)。

（2）波恩大學(xué)自動智能系統(tǒng)集團教授及主管Sven Behnke：我希望深度學(xué)習(xí)方法能夠被應(yīng)用到越來越多具有更多數(shù)據(jù)結(jié)構(gòu)的多模態(tài)問題中，如機器人、數(shù)據(jù)挖掘和知識發(fā)現(xiàn)。

（3）谷歌高級科學(xué)家Christian Szegedy：目前的深度學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)技術(shù)的表現(xiàn)遠遠低于其理論上能夠達到的性能。今天，僅僅通過改進網(wǎng)絡(luò)結(jié)構(gòu)和使用更好的培訓(xùn)方法，我們設(shè)計出的視覺網(wǎng)絡(luò)就可以比一年前使用昂貴部件的系統(tǒng)便宜5-10倍、參數(shù)少15倍，卻具有更好的性能。我相信這只是一個開始：深度學(xué)習(xí)算法將會變得更加有效，使它們可以運行在更廉價的移動設(shè)備上，甚至不需要額外的硬件支持和高昂的存儲開銷。

（4）斯坦福大學(xué)計算機科學(xué)博士研究生、OpenAI研究所科學(xué)家：我看到的一個趨勢是系統(tǒng)架構(gòu)正在迅速地變得更大更復(fù)雜。我們正向著構(gòu)建大型神經(jīng)系統(tǒng)發(fā)展。這種系統(tǒng)允許我們添加和撤換神經(jīng)部件、在各種數(shù)據(jù)集上預(yù)訓(xùn)練網(wǎng)絡(luò)的某個部分、添加新的模塊、聯(lián)合調(diào)整任何內(nèi)容，等等。例如，卷積網(wǎng)絡(luò)曾是最大、最深的神經(jīng)網(wǎng)絡(luò)架構(gòu)，但現(xiàn)在它已經(jīng)被看作大多數(shù)更新架構(gòu)里圖標(biāo)中的一個小盒子。接下來，很多這樣的架構(gòu)也會變成為未來新架構(gòu)中的一個小盒子。

（5）加州大學(xué)伯克利分校計算機科學(xué)副教授、Gradescope網(wǎng)聯(lián)合創(chuàng)始人Pieter Abbeel：當(dāng)前有很多基于深度監(jiān)督學(xué)習(xí)和視頻縮放技術(shù)的行業(yè)，正在努力使深度學(xué)習(xí)超越當(dāng)前自然語言處理的方法，并在深度無監(jiān)督學(xué)習(xí)和深度強化學(xué)習(xí)方面取得重大進展。

（6）深度學(xué)習(xí)初創(chuàng)公司Deep Instinct的首席技術(shù)官Eli David：過去兩年我們見證了深度學(xué)習(xí)技術(shù)在它的大多數(shù)應(yīng)用領(lǐng)域取得了越來越大的成功。未來五年里，即使我們不能實現(xiàn)人類水平的認知這個“圣杯”（盡管這極有可能在我們的有生之年發(fā)生），我們也將在其他很多領(lǐng)域看到巨大的進步。特別地，我認為最有前途的領(lǐng)域是無監(jiān)督學(xué)習(xí)，因為其中的數(shù)據(jù)是沒有標(biāo)簽的，而我們的大腦新皮層也基本上是一個非常好的無監(jiān)督學(xué)習(xí)盒。

（7）Deep Instinct是第一個將深度學(xué)習(xí)技術(shù)應(yīng)用到網(wǎng)絡(luò)安全的公司，我預(yù)計未來幾年能夠看到更多利用這種技術(shù)的公司。然而，深度學(xué)習(xí)的門檻仍然很高，尤其是對那些不經(jīng)常使用人工智能方法的網(wǎng)絡(luò)安全公司（例如，很少看到使用典型機器學(xué)習(xí)技術(shù)的解決方案）。因此，還需要幾年時間才能讓深度學(xué)習(xí)技術(shù)成為網(wǎng)絡(luò)安全領(lǐng)域中一種廣泛使用的商品化技術(shù)。

（8）情緒識別公司Affectiva的研究主任Daniel McDuff：在計算機視覺、語音識別和其他一些領(lǐng)域，深度學(xué)習(xí)已經(jīng)成為機器學(xué)習(xí)的主要形式。我預(yù)計基于一兩個圖形處理器建造精確識別系統(tǒng)的能力能夠讓研究者建造并部署現(xiàn)實世界的新軟件。由于數(shù)據(jù)量會保持持續(xù)增長，我預(yù)計將看到無監(jiān)督或半監(jiān)督的訓(xùn)練算法得到更多關(guān)注。

（9）加拿大高級研究所（CIFAR）學(xué)者J?rg Bornschein：預(yù)測未來總是很困難。我認為無監(jiān)督、半監(jiān)督和強化學(xué)習(xí)方法的作用將比現(xiàn)在大得多。如果我們把機器學(xué)習(xí)作為一個更大系統(tǒng)的一部分，例如機器人控制系統(tǒng)或者集中了很多計算資源的更大系統(tǒng)，就會很容易發(fā)現(xiàn)純粹的監(jiān)督學(xué)習(xí)模式對解決這類問題是遠遠不夠的。

（10）谷歌高級科學(xué)家Ian Goodfellow：我認為在五年內(nèi)，我們能獲得可以從視頻剪輯中總結(jié)出事件并能夠制造短視頻的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)已經(jīng)成為視覺任務(wù)的標(biāo)準(zhǔn)解決方案，我期望它也能成為神經(jīng)語言編程和機器人任務(wù)的標(biāo)準(zhǔn)解決方案。我還預(yù)計神經(jīng)網(wǎng)絡(luò)將成為另外一些科學(xué)領(lǐng)域的重要工具。例如，神經(jīng)網(wǎng)絡(luò)可以通過訓(xùn)練為基因、藥物和蛋白質(zhì)等建模，然后用來設(shè)計新的藥物。

（11）情感技術(shù)公司Sentient Technologies的首席技術(shù)官Nigel Duffy：目前大數(shù)據(jù)生態(tài)系統(tǒng)一直專注于海量數(shù)據(jù)的收集、管理和綜合處理。很明顯，在分析和預(yù)測方面也有了大量工作。但企業(yè)用戶根本不關(guān)心這個問題，他們只關(guān)心結(jié)果，例如“這個數(shù)據(jù)會改變我的行為方式嗎？它會改變我的決定嗎？”我們認為這是未來5年內(nèi)要解決的關(guān)鍵問題，而且我們相信人工智能將成為數(shù)據(jù)和更好的決策之間的橋梁。顯然，深度學(xué)習(xí)將在這個演化中扮演重要角色，但它將與其他人工智能方法相結(jié)合。在未來的五年中，我們將看到越來越多的混合系統(tǒng)。在其中，深度學(xué)習(xí)將被用來處理一些困難的感知任務(wù)，而其他人工智能技術(shù)和機器學(xué)習(xí)技術(shù)將被用來解決問題的其他部分，例如推理等。

（12）谷歌DeepMind團隊科學(xué)家Koray Kavukcuoglu和Alex Graves：未來五年會發(fā)生很多事情。我們認為無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)將變得更加重要。我們還期望看到多模態(tài)學(xué)習(xí)的增長和超越個人數(shù)據(jù)集的學(xué)習(xí)受到更多關(guān)注。

（13）多倫多大學(xué)機械學(xué)習(xí)小組博士研究生Charlie Tang：深度學(xué)習(xí)算法將逐漸被用于更多任務(wù)并解決更多問題。例如五年前人臉識別算法的識別率通常比人眼識別率低，然而目前已經(jīng)有基于主要的人臉識別數(shù)據(jù)集和標(biāo)準(zhǔn)圖像分類數(shù)據(jù)集的超過人眼性能的識別算法出現(xiàn)。在未來五年，一些越來越難的問題將被深度學(xué)習(xí)算法解決，如視頻識別、醫(yī)療圖像處理或文本處理等。我們也可以期待深度學(xué)習(xí)算法被用于商業(yè)產(chǎn)品，就像過去十年中人臉識別器被集成到消費級相機的過程。