正文
人类在面临未知的时候总是想要找到一个令人满意的解释，否则不会停下来。所以说这种预测过程可以节省我们的精力，也可以激励我们变得越来越好，能够扩大我们的知识面和技能，完善我们的知识和技能认知图。
这也就是说预测性处理是我们直觉的来源。显然，深度学习缺乏这种预测。
5、高效利用资源
能源的缺乏性没有人可以否认，我们大脑在处理问题的时候，也会对尽可能多的事情说“不”。具体而言，当大脑处理一个连续的数据流的时候，会经过一层过滤装置，过滤掉无用信息，将重要的信息发送到大脑皮层。
当在无意识状态下处理事情的结果足够好的时候，大脑就不会切换这种状态。当有重要任务要做的时候，大脑会关闭一些默认状态下的大型网络神经元，然后开启中央执行网络。
根据研究，大脑大概有86~1000亿个神经元，大多数被密集的分布在小脑部分，主要负责人体的各项活动。前面也提到，大脑会有选择的关闭或开启某些神经元，而深度学习则在每一次迭代中都会利用所有的神经元，这也是为什么我们至今没有设计出如此规模的神经元的原因。
另外，深度学习的能源效率很低，以至于在即使最强大的处理器加持下，也无法与运行频率只有10–40Hz的大脑相提并论。
6、多感官数据表示
目前，语音是人工智能最难啃的硬骨头。虽然我们可以利用AI设计出色的文本生成系统，也能够为人类编撰优秀的文本。但这种文本生成系统背后存在“理解”么？还是说只是单词之间的统计关系。
在小孩子学习语言之前，其实就已经受到了许多感官刺激，小孩所接触的每种含义特征不是某些数据集中的相邻单词，而是丰富的体验集，包括视觉，声音，气味，味道，触觉，情感等等。
然后，在这些特征的基础上，我们贴上正确的标签，教导孩子进餐，去洗手间或其他任何东西。
另外，即使我们不知道某些“东西”确切的名字，也可以根据未知对象的属性与已知类的相似性对其进行分类。例如声音很容易引起情绪反应，气味会带回记忆。
显然，当前的深度学习的神经网络只是具有强大的单独处理功能，无法匹配类似的连接。
7、经验丰富
如何向AI解释这个世界，仅仅让AI通过静止图像或文本数据集了解所处的世界，不考虑上下文、背景啥的么？
假设不曾得知“引力”为何物，那么我们该如何教导AI？
如果我们想要具有类人能力的机器，我们必须认识到至少我们的身体和大脑是生物机器。
人类的大脑将无色，无声和无味的原子渲染成世界，并“解释编码”传入信号，同时创建一个可以让我们理解的现实模型。
只有这样我们才会知道在地球上扔东西时，它就会掉落。但是数字地图上向下移动的点不受重力影响。显然数字世界和物理世界的规则非常不同。
深度学习能够教导AI理解这一点么
8、连续立体声数据流
我们的身体大致具有对称性，我么拥有双眼、双耳、双手、双腿，还有两个大脑半球。这帮助我们以一种新的方式感知世界并与之互动。
立体视觉可以帮助我们测量视觉场景的深度，声音可以帮助我们定位视觉的来源，大脑的二元性可以帮助我们应对不同心理能力......
同时，大脑的连续性功能使我们确信，前一秒还是你的朋友的那个人仍然是原来的那个人，你不需要通过视觉或声音属性再次确认。
