神经网络被许多研究人员和公司所规避

人工智能的下一个突破可能需要结束长期的竞争。

多年以来，人工智能研究人员在创建解决问题的算法时通常采用以下两种方法之一：符号主义或基于规则的AI，其重点是将概念，规则和逻辑手动编码到计算机软件中;以及连接主义，它基于人工神经网络和大脑的数字表示，通过比较一段时间内的许多示例来有机地发展其行为。

直到最近，符号AI才更流行，神经网络被许多研究人员和公司所规避。但是在2012年，多伦多大学的计算机科学家通过使用深度学习(基于神经网络的AI算法)取得了突破，赢得了著名的年度计算机视觉竞赛ImageNet。

从那时起，深度学习和神经网络引发了AI行业的一场革命，并帮助解决了以前认为超出计算机功能范围的问题。今年早些时候，神经网络的先驱者获得了图灵奖，相当于诺贝尔计算机科学奖。

随着神经网络的普及，象征性AI从风度滑落，被推到了研究的边缘。但是到了深度学习革命已经过去七年了，我们已经看到深度学习并不是一个完美的解决方案，并且存在明显的弱点，限制了其应用。