首先，我認為AI技術是一個很遠才能解決的問題。因為很多看似“看一眼就能學會”的場景其實是有了很多先驗知識的積累。例如，一個人看見別人拿鉗子夾核桃能夾開，學會了夾核桃，其實至少他知道槓桿原理，知道核桃裡邊可以吃外邊不能吃…將先驗知識運用到新的學習場景下似乎是一個很高智力才能解決的問題。相比之下現有的從資料中學習分佈的方法都只是低智。對比自然界，能透過經驗+觀察學習的動物寥寥無幾。
又如，人類看一秒理論上是輸入了24張圖片，而且可以不同角度看，其實訓練集還是很充分的，而且更關鍵的是人是雙目，立體的視覺。立體視覺+一些先驗知識（比如近大遠小）+多模態感知（比如面板觸覺，身體姿態感知，嗅覺聽覺）才是我們真正認知東西的方式。所以，個人認為這個問題要完全解決起碼要等待腦科學的到來。
其次，關於這個知識圖譜其實質，我覺得就是個模擬，而模擬就肯定逃不過失真問題。只是如果從量子力學的角度上來說，如果對這個失真進行測量的話，那麼它對應的實體就會變化；而且從耦合的機率上來講，要保證計算正確的機率可能使裝置質量體積上無法縮小化，甚至整體體積、質量和功率對使用人數的比例還可能呈爆發式增長，所以這個失真的控制成本應該是太高了，沒有多大實用價值。
綜上所述，我對未來技術發展有幾點看法：
1、以人類作為技術開發的主體是否還能提高AI的能力是個疑問，失敗的可能性比較大，為了提高成功率應該首先完善腦機介面的開發與應用；
2、如果是以機器自主學習為主導，那麼我們提高分析能力的需求將是急迫的，所以還是注重腦機介面的開發；
3、AI使用前還是應該經過嚴格的檢驗再使用，為此應該多普及檢驗測試方法。
