一、中国人工智能的真实现状

南皇电子专注于整合中国优质电子Altera代理商国内领先的现货资源，提供合理的行业价格、战略备货、快速交付控制Altera芯片供应商，轻松满足您的需求Altera芯片采购需求.

众所周知，发展人工智能的重要性，可悲的是，中国没有自己的人工智能算法。目前，全国使用的人工智能算法是外国的DeepLearning深度学习DL。因深度学习DL甚至发明人也存在一些不可克服的严重缺陷Hinton自2017年以来，教授多次宣布放弃深度学习DL，推倒重来。

从学术角度来看，深度学习DL与以往的人工智能算法相比，它在人工智能发展史上占据了新一代算法的地位，并做出了一定的技术贡献。应用场景不太复杂，如图像识别、人脸识别、语音识别等深度学习DL它仍然有一定的应用效果，但没有现在宣传的那么神奇。相反，由于深度学习DL越来越多的专家和用户对可解释性差、鲁棒性弱、泛化能力弱、推理能力不足等严重缺陷感到失望。以深度学习的许多缺陷为例：专家指出，深度学习DL训练机器学习，有时机器会把训练中学到的山识别成狗，原因还没有解释。更危险的是，由于深度学习DL有黑箱，计算机随时会停机，后果不可预测。

深度学习存在如此严重的缺陷DL，以美国公司为首的国际垄断公司看到了深度学习DL它需要无限的计算能力有很大的商机出售他们的大容量服务器，开始炒作深度学习DL。其中，最引人注目的商业炒作是：2016年机器人大吹大擂Alphgo打败人类最佳围棋手的包装宣传。事实上，在机器人中，很少有深度学习只占30%左右DL，大量的围棋规则库主要是提前存储起作用的。然而，商业利益，垄断公司故意掩盖真实形象，向公众深入学习DL，暂时深入学习DL名声大噪，给人一种无所不能的错觉。

同时，这些垄断公司又投入巨资开发出一些简单应用场景的深度学习DL开源软件可以让用户快速应用。特别是采用各种方式和渠道，大量快速培训深度学习DL技术人员。在人工智能热潮中，这些深度学习在很短的时间内进行DL技术人员已走上国内各部门、各单位人工智能相关负责岗位，形成全国几乎全面的独尊深度学习DL控制我国人工智能发展的领导和专家队伍。

多年来，国家一直呼吁大力发展具有国际战略竞争意义的人工智能，但各地和单位的领导和专家不遗余力地大力推进深度学习DL做出反应的怪现象。因此，人工智能在美国卡中国高科技脖子列表中是看不到的。因此，业外人士可能会认为中国的人工智能已经非常先进，无法阻止中国人工智能的脖子。事实上，中国根本没有人工智能算法有脖子需要卡！奇怪的是，全国都在用外国的深度学习DL，没有中国自己的人工智能算法，但从未见过政府主管部门、研究单位的领导和专家站出来呼吁研发操作系统和高端集成电路，发扬发展两弹一星的精神，集中尽快开发人工智能通用算法。

二、自律学习SDL是逆流的创新发明

人工智能通用算法在中国没有自主知识产权吗？事实上，中国已经开发出远远超过深度学习的功能DL人工智能通用算法不能广泛推广和使用，因为它不能工业化。

SelfDisciplineLearning自律学习SDL中国嵌入式系统产业联盟主任、阿波罗日本有限公司、天津阿波罗信息技术有限公司首席科学家顾泽苍博士（中国国籍）首次在业内发表论文，指出深度学习DL一些严重缺陷，早在2018年，他就根据自己在日本从事人工智能30多年的经验独立发明。自律学习SDL它完全是针对大模型、大数据和大硬件模型、大数据和大硬件的深度学习DL逆流发明没有深入研究算法的严重缺陷DL小数据、小模型小数据、小模型和小硬件的性能和用途远远超过了深度学习DL，具有中国知识产权的新一代人工智能通用算法。

自律学习SDL顾泽苍博士于2018年8月18日在北京世界机器人大会主办的新一代人工智能创新发展论坛上最初被称为自组织学习和超深度学习）

展示自律学习SDL顾泽苍博士选择能代表人工智能最复杂、最高应用水平之一的自动驾驶作为自律学习SDL第一个应用展示项目。顾泽苍博士带领20多人的小技术团队运用他发明的自律学习SDL，很少有资金不到2000万，在不到一年的短时间内开发自己的自动驾驶汽车，技术上超过了世界上所有开发自动驾驶的单位。DL，经过多年的研发，自动驾驶汽车的最高水平组织庞大的技术团队。

经过多年的不断改进和提高，顾博士团队已经成熟地掌握了先的四项技术：

1、目前只有顾博士团队用顾博士发明的自律学习SDL人工智能已经实现了自动驾驶的三个感知、决策和控制功能。其他团队使用深度学习DL人工智能只在自动驾驶感知功能上实现。

2.目前，只有顾博士团队开发了高效安全的自动驾驶汽车感知系统，无需激光激达（车顶上的大鼓包）。虽然美国特斯拉团队的自动驾驶感知系统不使用激光，但它采用了深度学习DL，不仅识别率低，事故频发。

3.目前，只有顾博士团队用自己发明的自律学习SDL人工智能用于实现自动驾驶控制功能。他们的无人驾驶汽车可以在180米的小半径弯道上以每小时80公里的速度行驶。其他单位开发的自动驾驶汽车在直线道上行驶最快的速度超过50-60公里。用人工智能控制自动驾驶汽车在弯道上高速行驶非常困难。

4.目前，只有顾博士团队才能去掉自动驾驶汽车上的中央工业控制机，实现全模块自律分散的分布式控制自动驾驶。每个模块都有自律学习SDL实现独立功能。模块间依靠以太网的链接，实现整个系统的低频信号传输，避免了引线过长时传感器高频信号的干扰，显著提高了驾驶安全性。分布式控制的自动驾驶有很多优点，这里就不多说了。

中国现有世界上最多的研发自动驾驶的单位，这是中国人工智能的一个怪现象。如今，越来越多的人工智能专家发文指出深度学习DL存在严重缺陷和安全隐患。想象一下，一旦用户知道内部情况，有多少人愿意冒险，驾驶采用深度学习DL开发的自动驾驶车呢？很明显，因不能完全去掉深度学习DL自动驾驶中存在的严重缺陷应用于深度学习DL原始错误。

但是，为什么国内很多单位在研发自动驾驶方面投入了几十亿、几百亿的资金呢？因为一些研发自动驾驶的单位在研发自动驾驶方面投入了资金，在股市等奖励和补贴方面名利双收。还有一些深度学习DL虽然研发自动驾驶的单位没有收回投资，但他们已经投入了大量资金。由于难以向投资者解释等难以形容的原因，他们也拒绝尝试自律学习SDL，甘愿耗着。由于国内外领先的自动驾驶研发单位尚未完成自动驾驶，技术人员以此为由公开拖动。无论如何，技术人员不需要承担高薪的责任。为什么不呢。单位领导担心停止研发可能会产生重大后果，只能继续自动驾驶研发。

顾泽苍博士用SDL开发自动驾驶不是批量生产自动驾驶汽车，而是没有专家认可自律学习SDL在这种情况下，我们必须通过开发世界领先的自动驾驶汽车来证明自律学习SDL优势远远超过深度学习DL，寻求资金和社会支持，实现自律学习SDL工业化，为国内外人工智能技术人员和用户在行业和单位的现场应用。

三、自律学习SDL算法的无助和无助的发展环境

自律学习四年SDL推广应用中遇到的奇怪现象不仅出现在研发自动驾驶的单位，也出现在我国人工智能产业的发展中。比如深度学习DL在已投入大量资金并获得名利的单位和人士中，有既得利益人不愿意看到被他们尊敬和带来利益的深入研究DL有意无意地阻碍了比深度学习更好的严重缺陷DL新人工智能算法的出现取代了深度学习DL可能。

更难理解的是，推荐自律学习SDL我们联盟找过国家有关部委的人工智能的部门、学会、协会，一些着名的研究院、实验室、大专院校、国有企业、民营企业、上市公司、投资单位和院士、专家、教授等专业人士。这些单位和人知道自律学习SDL针对深度学习DL如果发明了严重的缺陷，应用案例可以证明其功能和应用范围超过深度学习DL，当他们被要求进行验证或评论时，他们非常礼貌地回避，他们都回避绝对的自律学习SDL深入理解和表态。所寻找的投资公司自然不投资，因为没有专家进行技术论证。

常说：如果你认为每个人都错了，你应该认为这是你自己的错。然而，中国人工智能产业的奇怪现象却让人觉得情况并非如此。因为国家和各级政府每年都投入大量资金支持中国人工智能的发展，发布了发展计划，制定了一系列政策支持，但没有相应的回报，这与国家大力支持集成电路的结果相似。

2018年11月，为加快我国新一代人工智能产业创新发展，落实《促进新一代人工智能产业发展三年行动计划(2018-2020年)》我们联盟以顾博士发明的自律学习SDL与一汽启明信息技术有限公司合作，从公开工作计划中选择视频图像识别系统进行申报，经一汽总公司批准，按活动要求报工业和信息化部。我们还到工业和信息化部有关部门做项目报告。最后，活动由组织者组织专家评估，评估的入围计划是深入学习DL没有其他算法的方案。也就是说，只有允许不同的技术参与，才能具有竞争意义。相同的技术不能通过揭示发现和支持人工智能创新算法。同样，近年来在全国范围内举办的各种评价、竞争、选拔、推荐等促进人工智能发展的活动，都是宠深度学习DL，都在捧深度学习DL唱独角戏。

2019年8月，科技部制定了《国家新一代人工智能开放创新平台建设指引》，以促进我国人工智能技术创新和产业发展。新一代人工智能开放创新平台由科技部启动，典型的例子是:自动驾驶(百度)、城市大脑(阿里巴巴云)、医学影像(腾讯)、智能语音(科大讯飞)、智能视觉(尚堂集团)、视觉计算(上海依图)、营销智能(明略科技)、基础软硬件(华为)、包容性金融(中国平安)、视频感知(海康威视)、智能供应链(JD.COM)。图像感知(旷视)、安全大脑(360)、智能教育(美好未来)、智能家居(小米)。然而，这些企业使用的人工智能是对外国深度学习的追求DL。然而，这些企业使用的人工智能是对外国深度学习的追求DL。三年后，这些新一代人工智能开放创新平台在国家隆重建设中发挥了重要作用。一个也没有。

从发明到实践检验，再到推广应用，创新的发明技术是一项艰巨的工作。在我国，实践检验和推广应用工作比技术发明本身更难、更费时。自律学习SDL在发明并取得实际成果后，通过媒体通过媒体进行宣传。然而，媒体要求发明单位、发明人和发明技术的名称不能出现在介绍创新技术的文章中，以防止广告嫌疑。如何才能有宣传效果？在国家和政府的文件中，在一些地方政府的相关规划中，人工智能算法也可以在一些媒体上进行深入研究DL却大量出现，还要求组织大力支持和广泛推广使用。为什么国内外的人工智能算法如此不同？

由于政府有关部门的文件和资料、专家和技术人员大力宣传和支持深度学习DL，甚至提出深度学习DL它是我国人工智能的主体，在一些地方政府文件和社会人士中形成了深入研究DL与人工智能相当的错误理解导致大力推广应用学习DL响应国家号召，大力发展我国人工智能盲动行为，浪费了大量的人力物力。

由于深度学习DL是大数据、大模型、大硬件的算法，在加上有黑箱等安全隐患，在占计算机应用的95%几乎不能应用于上述工业控制和嵌入式系统。在计算机应用剩余不到5%的5%的场景DL也很难应用。这是深度学习DL然而，科技部等六部委最近联合发布通知，要求创新人工智能场景，但深入学习DL场景少是一个不可克服的实际问题，很多场景不能通过政府多部门联合发出通知来创新。然而，这再次突出了政府相关部门的深入研究DL大力支持。

独崇深度学习DL在我国人工智能环境下，国外深入学习DL人为地牢的约束和极大地阻碍了中国自主可控人工智能通用算法的创新和发展。在过去的四年里，顾博士发明了中国自主知识产权的人工智能自律SDL，冷遇和得不到支持并不奇怪。

四、自律学习SDL先进的算法技术

清华大学人工智能研究院院长张戬院士指出:行业崇尚深度学习，但自身「缺陷」它的应用空间局限于特定领域——大部分集中在图像识别和语音识别上。目前，深度学习似乎已经到了瓶颈期。即使财力和计算能力仍在投入，深度学习的回报率也没有相应增加。目前，基于深度学习的人工智能已经触及了技术上的天花板，这条技术路线带来的『奇迹』在AlphaGo获胜后不再出现，估计未来很难继续大量出现。”

近日，中国工程院副院长陈左宁介绍了人工智能模型和算法发展的七大趋势：

趋势一，向无监督的方向发展。

趋势二，可解释（XAI）越来越重要。

趋势3。人工智能的自学和演变。

趋势四、多种算法、模型的有机结合。

趋势智能应用需要关注整个生命周期。

趋势六、分布式、分散式的需求越来越突出。

趋势7，深度推理。

作为人工智能主流的深度学习，陈左宁院士提出了人工智能的七大发展趋势DL没有，应尽快淘汰和替代。

最近，顾博士还介绍了他发明的新一代人工智能通用算法自律学习SDL它有七个特点。自律学习SDL七大特点如下：

特点1：超越无监督机器学习、自监督机器学习和自律学习模式。

特征二，可以完全解释，不需要组合训练数据GPU如果赢家加速，他们可以根据应用程序结构。

特点3。在自律机器学习模型下，模型可以自动处于最佳范式，无需人类介入。

特点4.打开深度学习DL黑箱，找出未知的内部机制，整合各种模型的优势，可以最大限度地发挥机器学习的泛化能力。

特点五、分布式、分散式机器学习系统。它是一个由大量小型自律机器学习模型组成的概率空间自律聚类的大型机器学习系统。

特点六、具有深度机器感知、深度机器理解和深度决策的机器意识能力。

特点7.可广泛应用于工业控制、智能终端等嵌入式系统，无法深入学习。

自律学习SDL与陈左宁院士介绍的人工智能模型和算法发展的七大趋势高度一致，应尽快支持开发和推广应用。

值得一提的是，正是自律学习SDL这些特点是中国嵌入式系统产业联盟发现联盟理事、顾泽苍博士发明的自律学习SDL在过去的四年里，我们不懈地宣传和推广自律学习SDL的主因。自律学习SDL发明和应用将使无处不在的嵌入式系统从第一代分立元件时代、第二代软件编程时代、第三代特殊芯片时代式系统。

目前，颠覆性自律己独立发明的颠覆性自律学习SDL优势，因为在顾博士进行系统的技术宣传和培训之前，没有专家也不可能做出全面客观的论证。自律学习SDL通过自律学习的先进性SDL验证自动驾驶和其他项目的应用效果是最有说服力的科学认证。

五、自律学习SDL算法产业化

属于人工智能仿生派的外国大模型、大数据、大硬件的深度学习DL多年来，它一直主导着人工智能领域，并得到了广泛的认可；然而，它已经出现了严重的缺陷，并开始引发关于人工智能从高潮到低谷的讨论。

小模型、小数据、小硬件的属人工智能算法派的中国的自律学习SDL刚进入人工智能领域四年，很少认知；但技术优势已经显现出来，可以从深度学习中逆转DL人工智能热的大降温趋势将取代深度学习DL引领这次人工智能热继续向高潮发展。

自律学习SDL要承担人工智能的主流使命，就必须实现产业化。首先，自律学习SDL为了在广泛的应用中得到行业的认可，需要在社会上得到广泛的宣传，让公众知道，需要培训，使大量用户能够简单地使用和使用，需要及时提供升级产品和服务来满足用户的需求。

要实现自律学习SDL工业化还有很多工作要做，例如，在自动驾驶等领域开发和改进应用案例，编辑和出版教材和实验指导书，开发自律学习SDL模块和技术应用开发板组织自律学习SDL技术教学与应用培训课程，开展应用成果交流与评价，制定相关技术标准和人才技术水平认证体系，在模块应用经验的基础上开发自律学习SDL世界上第一个人工智能算法智能集成电路芯片，研究和推出自律学习SDL升级版等。一个企业无法完成这些工业化工作，需要更多的企业和单位参与，需要广泛的社会资源。这些工业化工作不能由企业完成，需要更多的企业和单位参与，需要广泛的社会资源的帮助才能完成。调动社会资源最有效的形式是充分发挥中国制度的优势，政府组织社会资源投资，实现集中力量做大事的目标。

人工智能是一项与国家技术发展有关的战略活动，需要政府的组织和支持。建立新一代人工智能产业化基地应该是政府的自律研究SDL产业化支持的最佳形式和起点。

自律学习的研究和推广应用SDL、促进自律学习SDL新一代人工智能产业化基地应包括：新一代人工智能研究所、孵化器、教育培训中心等，有利于促进自律学习SDL工业组织。地方政府在创建各种高新技术产业园方面有许多成功的经验和例子，可以在创建新一代人工智能产业化基地方面发挥重要作用。

目前，由于深度学习DL存在的严重缺陷使深入学习DL各级、地方政府、单位和人员投入巨资，处于非常被动的地位，也严重影响了我国人工智能的发展和应用。建议国家有关部门及时关注和支持自律学习SDL尽快确认自律学习的发展和技术认证SDL经过技术优势，大力开展自律学习SDL推广应用，积极组织社会力量建设自律学习SDL工业化基地，尽快实现自律学习SDL的产业化。

只有自律学习SDL产业化完成后，自律学习SDL深度学习可以完全替代DL成为全国乃至世界人工智能的新主流算法，不仅可以创造巨大的经济社会效益，还可以为国家赢得国际人工智能的高地。

顾博士现年老、体弱、多病，已决定在日本养老。顾博士希望他发明的自律学习SDL能在中国落地，能在祖国建设中发挥作用。如果他发明了自律学习SDL能够在国际人工智能中为国争光，也能实现他多年来回报祖国的夙愿。顾博士希望国内政府能够接受并完成自律学习SDL他愿意全力支持产业化，各种合作方式可以协商。

Altera中国海量优质的信息资源、行业资讯、最新开发方案等资讯信息平台。