深度学习是用一些简单的、非线性的多层次表征模型把数据转化为更高层次、更加抽象的表征学习方法。当前深度学习在语音识别、视觉图像识别、目标检测等领域飞速发展,取得巨大进步。自从2006年Geoffrey Hinton等人提出了深度学习的概念,并解决了深层网络训练中梯度消失问题,从此全世界范围内掀起了以深度学习为代表的第三次人工智能热潮,并持续至今。这几年Facebook、Google、Microsoft、百度、腾讯以及其它创业公司,大家争先恐后进行深度学习的应用研究。此外,受到深度学习巨大应用前景的鼓舞,很多国家纷纷制定未来人工智能发展规划,启动耗资巨大的新一代人工智能研究项目,试图占领未来技术的制高点。随着深度学习引起的关注越来越多,社会对深度学习的期望也越来越高。这种期望高到一定程度甚至引起了人们对人工智能的恐慌。斯蒂芬·霍金（Stephen William Hawking）曾警告“人工智能的发展可能意味着人类的终结”,伊隆·马斯克（Elon Musk）担心人工智能的发展可能对人类生存构成巨大威胁,比尔·盖茨（Bill Gates）则提醒人们要警惕人工智能。其实,讨论深度学习是否威胁人类还为时过早,因为深度学习面临诸如鲁棒性问题、黑箱问题、对大数据与计算机算力的依赖等等难以克服的瓶颈。本文的一个目的就是要反思深度学习的不足与局限,让大家对以深度学习为代表的人工智能有一个理性、客观的态度。从更加宏观的视野来看,从1956年“人工智能”概念被第一次提出以来,人工智能历经三次沉浮。人工智能第一波浪潮是从1956年—1976年,以抽象的符号推理为核心,最大的成绩有:数学公理证明、知识图谱与专家系统,但因常识难以获取与表征等问题而陷入低谷;人工智能第二波浪潮始于1980年初,以概率统计模型为核心。在语音识别、机器翻译等方面取得了明显进展,但受限于数据获取难、学习效率低等原因而进入冬天。第三次浪潮始于2006年杰弗里·辛顿（Geoffrey Hinton）等人提出的深度学习技术。经过十几年的高速发展,当前深度学习已经处于巅峰,甚至开始出现从巅峰向下滑的倾向。在这个时候,讨论第三次人工智能热潮持续多久,第四次人工智能热潮如何开启,更具体地说,探索如何解决困扰深度学习的几大瓶颈,如何建立安全、可信、可靠的未来人工智能,如何探索出推动人工智能进一步发展的新路径,就是一个相当紧迫,也相当有价值的课题。这也是本文的第二个目的。为了实现这两个目标,本文做了两点创新:一是立足康德哲学的研究视角;二是运用工程学和认知科学相结合的论证方式。立足康德哲学,是因为康德哲学调和了唯理论与经验论,实现了哲学上的“哥白尼式革命”,这一点对于深受符号主义与联结主义两种研究路径割裂之害的人工智能非常具有启发意义,而目前绝大多数对深度学习的反思,均立足于深度学习算法,或者是立足计算机等工程学视角,非常容易陷入“不识庐山真面目,只缘身在此山中”思维局限;论证方式采用工程学与认知科学相结合,是因为某些研究路径目前还处于早期探索阶段,并没有具体的研究项目作为论据。在研究项目不具备的情况下,笔者采用认知科学的研究成果作为补充论据。本文在对纽约大学教授马库斯与清华大学教授张钹院士提出的未来人工智能发展方案进行介绍和评价的基础上,通过从工程学视角与认知科学视角进行论证,在未来人工智能的发展方向上,得出五点结论:一是调和符号主义与联结主义的混合路径一条相对成熟的新研究路径;二是构建先天框架是解决人工智能对数据依赖,提升学习效率的重要手段;三是建立知识库与因果推理是解决人工智能对数据的依赖、“黑箱”问题以及鲁棒性问题的重要手段;四是建立内在认知模型是解决鲁棒性,建立可信、安全人工智能的重要手段;五是让人工智能理解现实世界是从根本上实现通用人工智能的重要手段,更是解决深度学习面临的瓶颈的关键手段。总而言之,在第三次向第四次人工智能热潮转换之际,本文立足康德哲学,站在整个人工智能发展历程来反思深度学习面临的局限,并探索未来人工智能的研究路径,最终得出发展未来人工智能的五点结论。