Краткая рецензия по первому впечатлению на статью о фундаментальных математических барьерах глубокого обучения

На днях ведущий американский журнал для публикации оригинальных научных исследований Proceedings of the National Academy of Sciences опубликовал статью
Matthew J. Colbrook, Vegard Antun, and Anders C. Hansen, The difficulty of computing stable and accurate neural networks: On the barriers of deep learning and Smale’s 18th problem.

Быстро прочел ее. Первое впечатление очень достойное, но статья объемная, в ней много математики, достойной детального анализа и осмысления. Сейчас не могу согласиться с авторами, но ничего не имею им возразить. Т.о. цель данного сообщения – привлечь внимание сообщества Хабра к новой интересной статье на актуальную тему. Это приглашение к обсуждению — присылайте свои комментарии на эту статью. Надеюсь на интересное обсуждение.

Стоит отметить, что в статье большой список литературных источников. Среди них знаменитые классические работы Гёделя, Тьюринга, Смейла.

Пока по первому впечатлению у меня возник только один вопрос. В начале статьи авторы справедливо отмечают, что глубокое обучение нейросетей – сейчас основное и успешное направление сферы ИИ. Но, если здесь ограничения, то может, возможны другие направления или их комбинации?