視頻源地址：https://mooc.study.163.com/course/2001281002#/info
AI屆的兩位大牛的對話。總結如下：
1. Hinton的論文讓人們真正意義上地理解了反向傳播(BP)算法，1986年被Nature收錄。
最近在讀Hinton與1985年寫的一篇關於BP算法中Delta-Rule的文章，文章名字叫
LearningInternal Representations By Error Propagation
2.現代AI的觀點，也就是正式的結構主義觀點，任何一個概念都有許多其他概念與其相關，爲了理解一個概念，可能需要一個圖形結構或者一個語義網絡。
3. Hinton認爲他發現的那些算法或者網絡結構中，到目前他還很有興趣的是:
(1) Boltzmann機，用很簡單的學習算法去應用到密度很高的網絡結構中，但是運行速度很慢，於是提出了受限Boltzmann機，取得了很好的效果。
(2) 受限Boltzmann機的訓練，僅學習一層的隱藏特徵，然後重複地把這些特徵當成數據，一直重複，直到你想要的次數。
(3) 變分法，使得EM過程更有效。
4.ReLU激活函數等同於一疊Logistic神經元。
5.雖然未來無監督學習會變得很重要，但是目前主要的研究還是針對監督學習。
6.生成對抗網絡是深度學習中最新、最重要的想法。
7.入門深度學習的方法：
（1）多讀論文，但別讀太多（適合於比較有創新想法的童鞋）
（2）重現發表論文中的算法
（3）不要停止編程
（4）要相信自己的直覺，不要因爲大家都反對這個idea，就否定了自己的想法。
8.對於找導師的意見，一定要找個和自己認知相同的老師，你做的東西，導師也要贊同。
9.吳恩達和Hinton教授都認爲，深度學習雖然不像是第二次工業革命，但是規模相當，因爲人類和計算機的關係改變了，不再只是編程，而是教會計算機去學習。