人工智能的下一个突破可能需要结束长期的竞争。
多年来，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：符号化或基于规则的AI，它侧重于将概念、规则和逻辑手动编码到计算机软件中；基于人工神经网络和大脑的数字表示的连接主义，通过比较一段时间内的许多例子，有机地发展了它的行为。
直到最近，符号AI变得更加流行，神经网络一直被许多研究人员和公司绕过。但在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。
从那以后，深度学习和神经网络引发了人工智能行业的一场革命，并帮助解决了以前被认为超出计算机功能范围的问题。今年早些时候，神经网络的先驱获得了图灵奖，相当于计算机科学的诺贝尔奖。
随着神经网络的流行，符号AI已经从优雅中滑落，被推到了研究的边缘。但是深度学习革命已经过去7年了，我们看到深度学习并不是一个完美的解决方案，存在明显的弱点，限制了它的应用。
