干系研究成果揭橥于环球人工智能领域威信期刊《ＩＥＥＥ模式剖析与机器智能汇刊》。

人工智能的主要意义在于解放人类劳动力，实现机器高度智能化。
深度学习是让机器变得更加智能的打算方法，其事理即针对图像、声音和文本等数据进行表征学习，模拟人脑机制来阐明这些数据，从大量实例中获取数据、学习任务、剖析结论。
目前，主流的深度学习算法“并不聪明”，存在着剖析结论片面、难以得出规律性认识等毛病。
如何将繁芜多源信息协同起来进行数据剖析？如何让机器实现“眼不雅观六路、耳听八方、领悟思考”？这是深度学习算法研究面临的巨大寻衅。

天津大学胡清华团队率先研发“广义多视图学习框架”算法，创新性地提出“多源信息早期领悟、与特界说务联合学习，拓展信息领悟方向”的研究思路。
与以往的人工智能深度学习算法比较，“广义多视图学习框架”的创新紧张有两方面：一是实现了跨平台、跨维度的信息“早期领悟”，将不同领域的大数据汇总成为立体的“综合网络”；二是构建了让机器“自觉学习”的数学模型，不再对大量数据进行“堆砌式剖析”，而是通过对综合网络数据的合理剖析，得出精简的规律性认识，乃至能够对繁芜任务进行预测和判断，有望实现机器从“深度学习”到“领悟思考”的飞跃。

目前该成果已成功运用于婴儿大脑发育预测、阿兹海默症诊断等方面。