谷歌大脑团队在线答疑，Hinton 压缩神经网络进展

　　深度学习领域有哪些值得期待的突破？

　　Hinton，你的压缩神经网络进展到什么地步了？

　　Hinton：过去3年，我在谷歌一直把大量的精力用在压缩（capsule）神经网络的研究上，目前还没有获得成功。这是一个基础研究伴生的难题。虽然很有潜力，但是这不一定会成功。也许目前的最好的研究是Tijmen Tieleman的博士论文。但是，我和Terry Sejnowski 也是用了17年的时间才发明出 Boltzmann 机器学习算法。如果你真的想象一个想法，你要做的就是不断的尝试。

　　深度学习最令你激动的领域在哪里？

　　Dan Mané：个人而言，我最感震撼的是新技术（特别是生成模型）在增强人类创造性方面的潜力。例如，神经元涂鸦、艺术风格转换、现实主义生成模型、Magenta 等做的音乐生成工作。

　　现在，创造力要求品味和视野，也需要许多技术能力——这既包括在小尺度上使用 photoshop 的技能，也包括雇佣数十名动画师和工程师来制作畅销电影的技能。我认为AI能够通过极大降低这些技术障碍来释放人的创造力。

　　想像一下，你有某个动画片的创意，你只需要撰写脚本，生成模型就会为你的角色创造出逼真的语音，并处理面部表情动画等等。这也会让视频游戏变得极具沉浸性和吸引力；在玩 Skyrim时，当我听到主角 Lydia 不停地说“我注定要为你分担”就感到很烦。如果有了文本生成器和文本语言转换器，这个角色（以及这个游戏世界）将会变得真实得多。

　　Vincent Vanhoucke：机器人学！我认为在非受限环境中的机器人问题已经到了“差不多要解决但尚未完成”的地步。而深度学习或许将填补上缺失的那一块，令机器人能在真实世界中稳健地工作。

　　Samy Bengio：所有关于无监督学习和生成模型的近期工作都激动人心。

　　doomie：所有与深度强化学习和针对学习策略的低样本复杂度算法相关的东西都激动人心。我们希望智能主体能快速、容易地适应新任务。

　　Doug Eck：超越监督学习。我特别感到振奋的是，在那些我们尚未能以数字方式度量成功的领域中进行的研究。不过我有我的偏好……我为 Magenta 项目工作，这个谷歌大脑项目致力于用深度学习和强化学习来生成艺术和音乐。

　　Greg Corrado：（1）在医疗保健方面的应用；（2）在艺术音乐方面的应用。