人工智能方向，神经网络应该是这一波浪潮的推动者。作者回首人工智能的五个重要方向，来思考是否存在一个终极算法来统一描述所有的人工智能。就像物理学领域的大统一理论。
符号学派，这应该是历史最悠久的人工智能方法。通过知识推理，来得出新的知识。核心的算法是逆向归纳。
联结学派，发展比较坎坷。最开始由于没有找到好的学习算法，甚至连最简单的非线性异或运算都不能表达。后面由于反向传播算法的引入逐渐恢复元气，最近十多年由于编码器的引入和新的逐层训练方法的支撑，迎来了黄金时刻。
进化学派，主要是模仿生物学领域的自然学习算法。核心思想是突变、交叉，通过适应度函数来进行“优胜劣汰”。算法带有很多的随机成分在里面。
贝叶斯学派，从统计概率的角度出发。认为所有东西都是有关联，但并不是直接关联。基础就是贝叶斯函数。一直都有很好的应用，比如垃圾邮件过滤，语言学方面的应用。
还有一类是类推学派。类推的一个基础思想是相似的事物会在空间中靠得近一些。分类和回归算法都可以归为这一类。这类中的明星应该就是支持向量机（SVM）（其中的核方法可以认为是空间变换）。
除了这五个基本的学习方法外，还有集成学习，增强学习，以及最近迁移学习，它们都是从另外的方面在增强人工智能的学习能力。
本书的后期，分析了五种学习方法的融合。应用比较多应该是联结学派和贝叶斯学派之间的融合。作者认为五种学习方法只是终极算法的不同视角，终极算法的最终形式还有待进一步研究发现。
本书的最后讨论了人工智能会不会控制人类。随着人工智能逐渐超越人类的理解能力，新的智能形式可能出现。就像从原核生物的视角来看高等级生物一样。
