回过来，说一下我研究的这个领域，叫迁移学习。我们大家可能更多地听过深度学习，深度学习就是用很多的数据来训练一个神经网络，这个神经网络是有很多层的，所以叫深度。那么它在层和层之间发生很多的变异，使得它到最高层的那种反应，已经和人的智能相差无几，甚至可以超过人类的水平。它的一个缺点，是需要很多的数据，并且在应用这个模型的时候，当这个领域发生变化，当你的测试场景发生变化；比方说，一个图像，光线发生变化，或者说背景发生变化，这个模型就得重新被训练，又重新搜集很多的数据。那么迁移学习就是来克服这个困境，就使得我们在这个模型里面，把它精髓给挖掘出来，使得我们当场景和领域发生变化的时候，我们也不用搜集太多的数据，我们就可以把这个模型给修复。也就是说，我们训练了一个模型在一个特定场景，它可以利用这种举一反三的能力，自己在新的场景里面去学习，把它的模型在新的场景里面，一个一个地建立起来。就像我们人一样的，人是一个通用性的动物，那么计算机现在是一个专科的动物，它在一个领域可以很好，其他领域就很差。那么迁移学习就可以让它在其他的领域，也可以变得很好。比方说，我们让机器人能有这种迁移能力，我们可能就会看到像《西部世界》里面那种非常拟人化的机器人，就可以出现了。