大家对Deep Learning有什么看法？到底有没有前途？

由感知机到反向传递网络是一种进步，由反向传递网络到深度网络又是一种进步。你认为在感知机到反向传递网络是一种革命进步，还是只是反向传递网络只是感知机网络的一种变种？

算法没啥实质变化，以后可能也就这样了，硬件水平的提升才是实在的；我也不太指望算法能够提升，如果仅仅把DL当做一个CS的话题，并希望在算法层面有长足的进步，我认为泡沫是存在的。
我认为Deep Learning有前途只是因为觉得大多数人都高估了人脑背后的算法，而低估人脑的运算规模；现有的硬件条件还仍然不足以达到人脑的水平，不足以使DL发挥全部潜能。卷积神经网络的框架只是在低运算能力下用卷积的方法取巧而已，所以才达到了与人脑匹敌的效果，所以DL在非视觉领域应该还大有可为，有大量工作处于起步阶段（比如从视觉后期表征到agent行为策略上的映射，下围棋和玩简单游戏这种任务可以推广到其他任务中）。

人也是猩猩的一个变种。。

看原理上说，DL应该可以理解为用逐层的方法分解了计算量，使得网络在层数较多的情况下更加容易收敛，也就是更容易得出一个可用得模型。本质还是神经网络模型了。
楼上提到的做作业，原则上神经网络能做到，因为它能逼近任何一个函数。但是为了设定输入、数据集组织，代入训练等等这一套流程下来，远比人手算慢。而且结果也只能用在比较特定的问题上。至于管家也是类似的道理。其实你问的应该是“图灵完备”这个事。