2016年隨著AlphaGo戰勝全人類棋手，使世界為之震驚，歷史上從來沒有過，對于一個技術投入了世界上如此巨大的資源。國際大的IT公司利用這個契機，為了各自利益和取得世界人工智能的發展主導權，極力宣傳“深度學習模型”，把“深度學習模型”神化，同時又拋出了各種類型的“深度學習模型”的開源程序，以及大型GPU服務器。

　　在這種勢力的推動下，我國年輕的人工智能研究者只能在開源程序下研究，不了解“深度學習模型”的所以然，思想被限制。

　　其實，“深度學習模型”，存在著訓練不可能得到最佳解，作為補救措施的SGD也只能得到局部最佳解。因此“深度學習模型”不可解決黑箱問題，自然不可用于工業控制等場所。再加上屬于大模型解決小任務，投入產出不對稱等等原因，最終被“深度學習模型”的發明者英國的Hinton教授宣告舊的“深度學習模型”的終結。

　　在此之后，開啟了新一代人工智能的時代。一個經過20多年的聲音識別，圖像識別檢驗的，引領新一代人工智能發展的超深度學習(Super Deep Learning SDL)，在2018年北京世界機器人大會的新一代人工智能創新專題論壇上正式發布。

　　超深度學習(SDL)的原理是，首先立足于一個最大概率的尺度，可以產生最大概率的空間，在最大概率空間又可以生成新的最大概率尺度,依次迭代;最終可以獲得超越統計學公式化的最大概率的解，以及最大概率的空間范圍，并可以把目標函數的最大概率的分布信息獲得。這樣的三個結果，幾乎是我們遇到的所有目標函數都希望獲得的，例如在圖像識別上，希望得到最大概率的特征抽出，最大概率的圖像識別結果等等，因此可作為普遍應用的機器學習模型。

　　超深度學習(SDL)的特點還有，可以自律的朝著大概率的方向遷移，最終可以越過小概率的擾動的阻擋，最終在最大概率的區域上停止，超深度學習(SDL)概念清楚，透明性強，可做到不管遇到什么狀況，都具有可分析性。

　　超深度學習(SDL)還具有模仿人眼神經網絡機能的特點，人眼在反復的看到一個物體時，其圖像是沒有任何變化的，但是通過光電識讀若干次得到的圖像差別很大，超深度學習(SDL)的出現，使人們搞清了人眼的神經網絡的機理，人的眼神經是在概率空間上觀察物體的，所獲的的信息是最大概率的信息，在最大概率空間中所得到的信息是一樣的，所以最大概率的尺度就是人眼神經網絡的閥值，超深度學習(SDL)，可以獲得同人眼近似的圖像識別效果。

　　超深度學習(SDL)是屬于小數據的無監督機器學習，無須訓練也可以工作，5-10次以上的訓練就足可以滿足使用要求。不需要大數據的人工標注，降低了應用成本。

　　超深度學習(SDL)處理效率高，可以降低計算復雜度，根據應用的規模，可以小到手機，或一個CPU，大到GPU大型服務器，都可以高效率的導入超深度學習(SDL)。特別是超深度學習(SDL)可以解決幾乎所有IT領域的問題，因此可以通過無窮多的超深度學習(SDL)搭建出具有超出人們想象的功能的巨型人工智能系統。

　　早在2016年，通過超深度學習(SDL)連接成具有三層節點的新型神經網絡誕生了。新型神經網絡有感知層，神經層以及腦皮層，與生物神經結構吻合。感知層與神經層之間的節點之間連接著超深度學習(SDL)，隨著處理對象的復雜性，多樣性等的應用要求，感知層與神經層的節點可以無限延伸，但是計算復雜度不變，不會因為系統的處理功能的提高而降低計算的效率，這是一般系統很難達到的系統結構。

　　由超深度學習(SDL)應用于自動駕駛應用中，顯示出獨特的威力。針對目前自動駕駛控制的空前的復雜性，幾乎成為NP控制問題，是通過傳統控制方法無法解決自動駕駛系統的所有可能的控制。利用超深度學習(SDL)搭建的人工智能系統，參與到自動駕駛的控制系統中，通過機器向人學習，機器的意識決定等可以使自動駕駛系統突破L3級，成為完全可以擺脫人的操作的新型自動駕駛系統。

　　超深度學習(SDL)代表了新一代的人工智能，可以被廣泛應用，并將使所有的應用領域發生顛覆性的改變。超深度學習(SDL)可以引發新的工業革命的產生，可以實現人們不可想像的應用效果，可以大大加快機器代替人的社會發展步伐，可以讓奮戰在人工智能研究和應用領域中的每一位專家、學者和工程技術人員在本次人工智能的高潮中都有建功立業的機會。

　　中國嵌入式系統產業聯盟

　　新一代人工智能專業委員會