目前，中国已成为人工智能的主要应用国家，但国外深度学习算法是人工智能算法的主流。没有中国独立知识产权的人工智能通用算法被广泛使用。为了填补人工智能通用算法的空白，许多专家和技术人员克服了国内外非常不令人满意的创新环境中的各种困难，多年来一直在努力开发原始的人工智能通用算法。其中，中国嵌入式系统产业联盟主任、天津阿波罗信息技术有限公司、阿波罗有限公司首席科学家顾泽苍博士发明的自律学习SDL算法脱颖而出。经过四年的实践，它在自动驾驶、医疗和社会准备、工业控制和计算机应用最广泛的嵌入式系统方面取得了显著的成就，证明了深度学习算法的技术特点，具有先天性和不可克服的缺陷。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

虽然我国仍在独宠深度学习算法，但专家们对深度学习算法在应用中存在的严重缺陷感到无助和失望。深度学习算法家和技术人员逐渐改变了对深度学习的盲目崇拜，开始寻找和关注新的人工智能算法。这是顾博士发明的自律学习SDL国内开发的算法等人工智能通用算法带来了摆脱长期深度学习算法束缚的快速发展机遇。

近日，顾博士自信地在微信群中发表了以下演讲：

自四年前以来，我们一直在批评深度学习。当时，我们并不认为深度学习没有好处。客观的判断应该大于过度！我们看到了当时的社会氛围。无论多么著名的专家学者盲目追求深度学习，都不知道深度学习的黑盒问题是什么？我们都相信深度学习是无法解释的，甚至神化了非线性隐藏层的作用。今天，在我们打开黑箱后，我们完全了解了深度学习的机制，并了解了每个人MPS代理非线性隐藏层占据了最大的计算能力，融合了自律学习SDL模型、深度学习从此摆脱了黑色思维、占用计算能力和无法解释的问题，必将成为任何问题IT产品上导入AI模型的应用技术必将成为当今最强大的机器学习模型！

附：自律学习SDL的特征

自律学习（Self-Discipline Learning SDL）模型实际上是人工智能领域所期待的机器学习模型(自律学习)SDL早期被称为超深度学习和自组织学习)。这种模型之所以强大，是因为它有四个特殊的技术特点。

第一个技术特点是使机器模仿人来处理自动驾驶识别、机器推理和自动驾驶控制问题的算法。

构成自律学习SDL模型的核心算法之一是概率尺度自组织概率尺度自组织的迭代过程是在高斯分布的任何初始空间中逐渐向最大概率空间迁移，最终在最大概率空间中收敛的过程。我们的自动驾驶三维图像识别使用如此简单的算法，自动驾驶遇到任何障碍，在三维空间是一个高密度的对象，即最大的概率分布空间，使用概率尺度自组织迁移特性，无论障碍在哪里，都可以直接被算法抓住，图像识别不需要提前训练图像，不需要特征，深度学习完全避免了障碍物与背景的分离，导致白色车厢被视为云，导致恶性事故。

利用我们发明的概率尺度自组织和概率空间距离公式，以概率空间为中心的新机器学习发明的先进性得到了美国发明专利的肯定，这也构成了SDL模型的第二个技术特征。

利用SDL模型可以是自律聚类最好、最高效的特点，加上把手SDL模型与卷积核与反向传播技术的融合，消除人工神经网络，使小数据小模型SDL模型的能力超过了一般的深度学习，即自律学习SDL模型的第三个技术特征。

自律学习SDL该模型的第四个技术特点是：利用自律学习的简单聚类结构和可分析的特点，可以很容易地整合其他技术。为了解决不同类型的数据在低维空间混合不可分割的问题，引用核函数（Kernel Function）理论上，将数据映射到高维空间，使不可分离的数据利用高维空间的超平面分离技术特征SDL模型在分类技术上又有了飞跃。

规纳SDL模型特点

一、高斯分布下的自律聚类

1.机器学习效果可以达到小数据的最大概率。

2.无权重组合，无黑箱问题。

3.人工智能适用于嵌入式系统。

二、整合卷积核和反向传播

1.消除噪声，提高机器学习的泛化能力。

2.进一步实现最佳分类。

3.进一步提高应用效果。

三、能把人的智慧赋予机器

1.传统的自动驾驶可以解决AI不够智能的问题。

2.自动驾驶的感知系统可以深入了解机器。

3.智慧授予机器，不是靠算力，而是靠用人解决问题，让机器超越人。

四、导入高维平面分类模型

1.将数据映射到高维空间，在超平面下获得数据的最大分类间隔。

2.用算法代替算力，获得更高的应用效果。