1樓：
不會過去，因為這才剛開始，機器學習容易被誤解為是機器學習人，但是實際上正好相反，機器學習發展到現在，雖然很多方法的比較物件還是喜歡拿人的能力來作為最高基準，但是實際上普通人的任務能力是很差的，比如大多數人對性別的理解就是男女，但是計算機會把這個程度按照線性或者非線性的方式來量化，從而給出乙個複雜但是精確的答案，初看覺得很愚蠢，但是那是因為人類語言體系先入為主帶來的偏見，機器學習通過某種方式反過來教會了人類非線性和離散的看待問題，並且反過來促使人類掌握應對具體問題時候化整為零的實現策略，如果單獨看到其為人工智慧已經不合時宜了，這次浪潮改變的不僅是技術本身，更多的是改變了人類自己（Quote 某大佬在第四次工業革命歐洲論壇上的發言）
2樓：昊陽
我覺得至少也要再等三年五年才能下結論，現在人工智慧技術在各個行業都發展的如火如荼
就拿我熟悉的，工業自動化外觀缺陷檢測來說，已經有很多公司在深度學習這塊做得很不錯了，吳恩達教授也跟富士康進行了合作，推廣人工智慧技術在智慧型製造的應用。
學習深度學習是否要先學習機器學習？
作為乙個在數學系學統計做過機器學習，工作後搞深度學習的人，我可以很負責任的告訴你，不需要 理論上來說，深度學習確實是機器學習的一部分。十年前，深度學習其實還叫 ANN，是存活在機器學習裡的一小部分 別噴，我知道現在主流是 CNN，跟ANN不同 但是實際上，深度學習是乙個用計算機算力暴力求解問題的函式...
除了深度學習，機器學習領域近年來還有什麼熱點嗎？
BugCreater 機器學習在NLP中的每個應用都會很火，包括但不限於句法依存，指代消解，關鍵字，摘要提取，篇章關係，資訊抽取以及智慧型推理等 謝澎濤 Bayesian methods,諸如probabilistic graphical models，Bayesian nonparametrics...
神經網路 深度學習 機器學習是什麼？有什麼區別和聯絡？
達觀資料 機器學習是指利用演算法和統計模型，而非規則程式設計，使得計算機系統能在某個特定任務上提高表現。人工神經元是一種運算結構，它接收乙個或多個輸入，通過非線性函式變換，得到乙個輸出，而且該非線性函式是在學習過程中可變的。人工神經網路是一些人工神經元組成的網路，其中一些人工神經元的輸出作為另一些人...