下面的觀點僅代表個人看法，沒有受到任何外在觀點的浸染，只是自己躺在椅子上，望着藍藍的天空，腦子裏突然蹦出來的想法。
個人認爲：深度學習目前處於一個突破性的臨界點的狀態，很像是60年代左右出現的數據庫的狀態，當然如果相比於數據庫，數據庫系統發展經歷了人工、文件、然後纔到了目前的數據庫系統的階段，深度學習呢，神似數據庫的發展，數據庫是如何發展起來的呢，對數據量的要求，對存儲結構的要求，然後經過一步一步的探索和規範化，制定了工業標配的數據庫開發流程，從需求分析、概念結構設計、邏輯結構設計、物理結構設計、數據庫實施、數據庫運行和維護的整個流程，數據庫怎麼設計才能更好，從第一範式、第二範式、第三範式、第四範式...數據庫怎麼更普適性，結構性和非結構性數據庫.....如果你思考一下，深度學習模型的發展是不是也是一樣，目前在探索怎麼落地標準化，怎麼設計好的網絡模型，簡直不能用一模一樣來形容。
數據庫系統階段對數據的設計和應用進行了如Armstrong公理系統的，從函數依賴的角度解釋數據的存儲。
神經網絡要發展，必然不能作爲黑箱去處理，大量的不可解釋性無法對人工智能的發展必然成爲最大的阻礙，就像對數據庫的設計會獲得圖靈獎一樣，如果未來誰能夠對神經網絡的參數和結構給予嚴密的數學架構，那麼他將是時代發展最大的引領者，現在大多數人所做的工作是如何在黑盒下發揮神經網絡的最大功能，而這也只能爲你帶來如IEEE、CVPR之類的論文成就，基於最近何凱明團隊的文章，我相信像MIT、何凱明團隊等肯定也在爲解釋其黑盒而努力，可以預見可解釋性研究要迎來一大波突破。
退一萬步講，如果其‘黑’像宇宙一樣無垠，那麼其表面設計也必將在未來迎來規範化，畢竟AI落地的成就已然讓人眼前一亮。
未來呢？就像60年代的人不知道數據庫會成爲現在的標配，可能幾十年後，等神經網絡發展到更好更規範化的時候，對於每一個問題和需求都能用一套完整的流程去設計網絡結構的時候，我們知道，AI時代可能延後，但總會到來，神經網絡就會如同現在的數據庫一樣，成爲AI時代的標配。
就像幾十年前你不知道網站如此普及，網上商貿如此發達，你的生活因爲舊時代數據、存儲、網絡的發展而變得如此便利。
現在你也不知道幾十年後，你的生活有多麼智能，AI是多麼普及，數據、存儲、網絡的發展加之人工智能的智慧，你的未來將會如何？
如果說數據庫發展經歷了幾十年的發展，在人才輩出的今天，從12年的Alexnet獲得Imagenet的冠軍至今，短短8年，神經網絡就已經在各大領域大放異彩。
對於新時代的到來本人本不那麼自信，但發展的速度實在令人咂舌。
就像三年前我預言過一次，10年之內，網絡流量將會免費一樣。
在此我也大膽預言一下：10年之內，舊時代終將過去，新時代將會到來！