深度学习发展前景很好,除了在应用领域的快速扩张,一些基础技术研究依然保持着很高的热度。主要可以分成以下几个方向:深度学习的基础理论研究;深度学习和其他方法的结合扩展;深度学习一些优势的深耕和发扬光大;深度学习现阶段一些局限性的解决。当然这几个方面也是相互影响,相互交织的。深度学习的理论性研究侧重给出对深度学习有效性更好的解释,对深度学习的泛化能力更好的证明,以及如何更快收敛更好地学习等。在和其他方法结合方面,一方面最成功的当属深度强化学习,从静态监督学习扩展到动态交互时序学习,这在AlphaGo 上已经得到了验证。但是对于深度强化学习是否就是最接近人工智能的解决方案还是存疑的。另一方面是在一些非游戏类的实际应用中,深度强化学习发挥好的效果往往需要针对性的设计和实验。除此之外,也有很多关于神经和符号相结合的探索、数学模型和认知心理学方法相结合的探索。