2）通过足够的训练，做出理性的决策。一方面，对于复杂的非结构化的数据，在不需要人类指导的情况下，深度学习能主动地逐层发现和提取里面的特征和规律。另一方面，对于有明确的输入输出的问题，比如识别物体，AlphaGo下棋，虽然没办法描述具体规律是什么，但只要给它足够的数据去训练，它就可以建立模型，拟合这个规律去获得最优解。当它能够更准确地把握规律，获得最优解的时候，它也就能够做出更理性的决策。
3）结合感知、决策与各种机械硬件，完成自主任务。这就是将来在十至二十年的范围内更大程度上能取代大量人类工作的基矗就像自动驾驶汽车的传感器、摄像头的感知，它的中央控制决策怎么来开车。同样的理论，应用到制造业、服务业、智能传输、智能硬件、家电硬件等来实现各种各样的自动化。
四、我们看好的三个方向
人工智能还处在技术红利期，距离它真正的应用期还需要3-5年，所以目前我们在这个领域的投资主要集中在以下三个方向：
第一个方向：寻找并投资顶尖的技术专家，他们每年的年薪大概在100万美金，一般情况只有大公司能够请得起，这类专家如果出来创业，成功的概率会高一些。
第二个方向：这个领域真正的好项目之所以这么贵，还在于掌握深度学习技术的人才数量太少。所以我们投人工智能的社区和培训，这个领域需要更多的人才。也希望更多的技术人员能够学习深度学习，一起加入到技术变革的浪潮中来。
第三个方向：有行业数据的一些公司，我们可以给他们带一些人工智能的技术进去。在你原有的行业资源上新做一个公司，或者在你原有公司基础上进行升级。
现在人的智能和经验正处在被计算机化的过程，但情感的部分仍在研究。人的思维情感的产生是物质的，是神经元的连接刺激，这需要时间和积累，通过脑神经科学研究可以用计算机模拟出来，但是模拟出多少还不得而知。
五、跨越鸿沟
技术的发展带来的不仅仅是技术层面的变革，也是社会层面的大变革。现在我们很多行业存在的前提都是历史积累过来的。比如保险，诞生于意大利，当时的商人去淘货要在海上航行，经历海难就很可能回不来，所以大家就想出一个主意叫互相保险，每个人都出一点钱，万一货没有了就从这里赔钱，这样就把损失弥补了。为了增强公信力，就要建一个保险公司把钱交到那儿去。
可保险公司是会倒闭、会违规的，但现在我们可以用区块链的技术去做新一代的保险。系统里面账本是公开的，我愿意就加入。也不需要雇佣那么多的人去卖保险，不需要付那么高的佣金成本，所以保险公司这种商业形态是会被干掉的，只是时间早晚的问题。
当然，这些变革最初以新产品、服务的形式出现在大家的视野里的时候，在使用层面都是小众的，就像当年的汽车、大哥大和青霉素。从小众产品到大众产品中间横着一条巨大的「鸿沟」， 能否顺利跨越鸿沟并进入主流市场，得到大众的支持，就决定了你的产品的成败。
新产品或者新技术要进入市场时，要如何切入？选择最大众的主流用户还是小众的创新用户？杰弗里·摩尔(GeoffreyA.Moore)写过一本书《跨越鸿沟》，在摩尔的《跨越鸿沟》出来之前，市场认为要打主流用户。现在传统的营销理论还是这个论断，认为主流用户是最肥的市常但《跨越鸿沟》出来之后，给我们带来一个全新的视角，他认为我们先要打的不是主流用户，而是创新用户，理由有两个：
第一个原因：创新用户和主流用户之间的距离在不断缩短，因为产品进步的步伐在不断加速。
第二个原因：主流用户基本上都是「乌合之众」，他们对新技术和新产品的独立认知和判断，是通过他身边的创新用户形成的。所以摩尔提出跨越鸿沟，有两个办法：
第一个办法：单点突破，找到用户使用场景中间的痛点，挖掘出单个创新用户群作为突破口。