當前人工智能熱在全世界興起，且一浪高過一浪，各行各業對人工智能的關注和需求在不斷增加。但是，當前人工智能主流算法的“深度學習”（ Deep  Learning  DL）由于需要支撐的硬件資源大、訓練時所需要的數據標注成本極高，應用效果完全取決于龐大的數據集、模型的訓練繞不開NP問題等缺陷，因此存在黑箱問題、不能在工業和嵌入式系統應用。這給人工智能應用帶來隱患和陰影，大大限制了人工智能的發展和應用。人們在期待能夠彌補“深度學習”缺陷的新一代人工智能算法的出現。

8月18日在北京舉辦的世界機器人大會的新一代人工智能創新專題論壇上，中國嵌入式系統產業聯盟新一代人工智能專業委員會主任顧澤蒼博士公布了由他本人針對“深度學習”缺陷發明的人工智能的顛覆性創新算法“超深度學習”（ Super  Deep  Learning  SDL），引起業內關注。

“超深度學習”的問世即不是應運而生，也不是正逢吉時。常言道：十年磨一劍。“超深度學習”是日本阿波羅株式會社首席科學家顧澤蒼博士（中國籍），在二十多年研究和實踐人工智能的經驗和成果基礎上，兩年前就在業內首先發表論文指出“深度學習”的缺陷，并針對“深度學習”的缺陷，發明了“超深度學習”算法。應該說“超深度學習”是顧澤蒼博士經過二十多年艱辛，磨出的一把新一代人工智能的利劍。

當今任何現代技術的發明都離不開數學，數學的基礎是哲學。因此，當今所有現代技術的創新，如沒有在哲學上有變化，只能是原有技術上的沿深創新，不能稱為顛覆性的創新。

對人類科學發展影響最大的指導哲學有：在西方占主導地位、并在近二百多年在全世界科學領域占主導地位的“還原論”；以及，早期在中國社會占主導地位的“整體論”。還原論倡導以數據為依據，推理出事物。整體論倡導以特征為依據，概括出事物。簡單比喻：西醫診病過程是還原論的應用典型：西醫要經過化驗和儀器檢查，通過化驗和儀器的檢查結果診斷出是什么病。越嚴重的病，需要化驗和儀器檢查的內容會增多，還可能確診不出是什么病。中醫診病過程是整體論的應用典型：無論病的嚴重程度如何，中醫都是用望、聞、問、切的診病方式，通過病人身體上的發病特征去診病，不需要化驗和儀器的檢查結果就能診斷出是什么病。

不難看出，“深度學習”的應用過程是還原論的指導。“深度學習”對學習的對象需要采集大量數據，對象越復雜需要采集的數據越多，經過幾乎無限次的計算，最后還可能無結果。“超深度學習” 的應用過程是整體論的指導。“超深度學習” 對學習的對象采集數據后計算出特征，如特征不足，僅在本次特征的表征的數據內再計算出新特征，以此迭代，用·很少次就可計算出對象的特征。“超深度學習”采用了以往人工智能算法完全不同的哲學做指導，所以是顛覆性的新一代人工智能創新算法。

比起“深度學習”， “超深度學習”不需要大數據和大資源的支持，通過5—10次就可完成機器學習。“超深度學習”超越了“深度學習”的缺陷，展現出許多優勢，真正實現了機器無監督的自組織學習。近期，“超深度學習”成功在模型汽車上應用，在世界上首先實現了無人駕駛汽車的L4水平。這一驕艷的成績，在世界人工智能的發展道路上，以中國人自主知識產權的技術樹起新的里程碑，并結束了中國只有人工智能應用，沒有人工智能核心技術的落后現狀。

“萬物之始，大道至簡，衍化至繁”， “超深度學習”以其簡單的機器學習方式，使人工智能可以用在工業和嵌入式系統中，這將促使各類智能工業設備和智能商用終端的大量涌現，會在全社會引發人工智能研究與應用的巨大發展和取得豐碩成果。