□文/Michael Jordan

加州大學(xué)伯克利分校計(jì)算機(jī)科學(xué)與統(tǒng)計(jì)學(xué)教授 Michael I. Jordan 近日在Medium 上發(fā)布了一篇文章，名為《人工智能革命尚未發(fā)生》。文章回顧了機(jī)器學(xué)習(xí)領(lǐng)域的現(xiàn)狀，以及今后發(fā)展面臨的挑戰(zhàn)。他認(rèn)為真正 AI的實(shí)現(xiàn)，需要依靠邏輯、推理、決策等運(yùn)算的突破才能實(shí)現(xiàn)，目前將它稱之為AI還為時(shí)尚早。

人工智能（AI）是當(dāng)前時(shí)代的頌歌。這句話是由技術(shù)人員、學(xué)者、記者和風(fēng)險(xiǎn)投資家一致提出且真誠(chéng)贊揚(yáng)的。就像其他許多從技術(shù)學(xué)術(shù)領(lǐng)域跨越到通用領(lǐng)域的短語(yǔ)一樣，在使用該短語(yǔ)也同時(shí)存在著嚴(yán)重的誤解。但這并不是大眾不了解科學(xué)家的經(jīng)典案例，在這里，科學(xué)家和大眾一樣感到困惑。當(dāng)今時(shí)代之所以出現(xiàn)這樣的想法，是因?yàn)樵谀撤N程度上看到了硅基智能（an intelligence in silicon）的出現(xiàn)，它能夠與我們所有人相媲美——讓我們著迷，并以同樣的方式讓我們感到害怕。而不幸的是，它分散了我們的注意力。

關(guān)于當(dāng)前時(shí)代，還有一種不同的說(shuō)法。認(rèn)真思考下面這個(gè)故事，它涉及到人類、計(jì)算機(jī)、數(shù)據(jù)以及生與死的抉擇問(wèn)題，但重點(diǎn)在于硅基智能幻想之外的東西。14年前，當(dāng)我的配偶懷孕時(shí)，我們進(jìn)行了超聲波檢查。房間里有一位遺傳學(xué)家，她指出胎兒心臟周圍有一些白色斑點(diǎn)，“這些都是唐氏綜合征（Down syndrome）的標(biāo)志”，她指出，“你的風(fēng)險(xiǎn)現(xiàn)在已經(jīng)升高到1/20”。她進(jìn)一步告訴我們，我們可以通過(guò)羊膜穿刺術(shù)了解胎兒是否具有遺傳性唐氏綜合癥。但是羊膜穿刺術(shù)風(fēng)險(xiǎn)很大——在手術(shù)過(guò)程中殺死胎兒的風(fēng)險(xiǎn)大約為1/300。作為統(tǒng)計(jì)學(xué)家，我決定找出這些數(shù)字的來(lái)源。我發(fā)現(xiàn)英國(guó)有一項(xiàng)統(tǒng)計(jì)分析已經(jīng)進(jìn)行了十年，其中，這些反映鈣積聚的白色斑點(diǎn)確實(shí)被列為唐氏綜合癥的預(yù)測(cè)指標(biāo)。但我也注意到，相較于英國(guó)研究中所使用的機(jī)器，我們的測(cè)試中所使用的成像機(jī)器每平方英寸中多了幾百個(gè)像素。隨后，我就去告訴遺傳學(xué)家，我認(rèn)為這些白色斑點(diǎn)可能是假陽(yáng)性——它們實(shí)際上是“白噪聲”。她說(shuō)：“啊，這就解釋了為什么我們幾年前就開(kāi)始看到唐氏綜合征診斷率的上升，新機(jī)器時(shí)代到來(lái)了！”

我們沒(méi)有做羊膜穿刺術(shù)，幾個(gè)月后，一個(gè)健康的女孩出生了。但是這一事件讓我感到很困擾，特別是進(jìn)行一個(gè)粗略的計(jì)算后，我確信，全世界范圍內(nèi)，每天有成千上萬(wàn)的人得到了這種診斷，他們中的許多人選擇了羊膜穿刺術(shù)，從而致使一些嬰兒不必要的死亡。而這種情況日復(fù)一日地發(fā)生，直到其不知何故地得以固定下來(lái)。這一事件所揭示的問(wèn)題不單單是我個(gè)人的醫(yī)療保健問(wèn)題，它與醫(yī)療系統(tǒng)密切相關(guān)，對(duì)不同地點(diǎn)和時(shí)間內(nèi)的變量和結(jié)果進(jìn)行測(cè)量，進(jìn)行統(tǒng)計(jì)分析，并在其他地方和時(shí)間中使用這些結(jié)果。這個(gè)問(wèn)題不僅與數(shù)據(jù)分析本身有關(guān)，而且與數(shù)據(jù)庫(kù)研究人員所謂的“來(lái)源”有關(guān)。廣義而言，數(shù)據(jù)從何而來(lái)？從數(shù)據(jù)中得出了什么推論？以及這些推斷與當(dāng)前情況之間的相關(guān)程度如何？雖然一位經(jīng)驗(yàn)豐富的工作人員能夠在個(gè)案（case-by-case）基礎(chǔ)上完成所有這些工作，但問(wèn)題在于設(shè)計(jì)一個(gè)行星級(jí)（planetary-scale）的醫(yī)療系統(tǒng)，使其能夠在無(wú)需進(jìn)行這種詳細(xì)的人類監(jiān)督的情況下，做到這一點(diǎn)。

我也是一名計(jì)算機(jī)科學(xué)家，我突然意識(shí)到，建立這種行星級(jí)推理和決策系統(tǒng)所需的原則，將計(jì)算機(jī)科學(xué)與統(tǒng)計(jì)學(xué)相結(jié)合，并將人力資源納入考慮，而這在我所接受的教育中是不存在的。不僅在醫(yī)療領(lǐng)域，而且在商業(yè)、交通和教育等領(lǐng)域，這些原則的發(fā)展至少是與那些用于建立AI系統(tǒng)，從而使其能夠讓我們驚嘆于它們的玩游戲或感覺(jué)運(yùn)動(dòng)技能的原理是同等重要的。

無(wú)論我們是否能夠在短期內(nèi)理解“智能”，我們都面臨著一個(gè)重大挑戰(zhàn)，即將計(jì)算機(jī)和人類結(jié)合在一起，從而提高人類的生活質(zhì)量。盡管在有些人看來(lái)，這種做法是屈從于“人工智能”的產(chǎn)物，但也可以將其看做是一個(gè)新的工程分支，且同樣值得尊敬。就像過(guò)去幾十年的土木工程和化學(xué)工程一樣，這門(mén)新學(xué)科的目標(biāo)是將一些關(guān)鍵思想的力量凝聚起來(lái)，為人們帶來(lái)新的資源和能力，并且安全地做到這一點(diǎn)。鑒于土木工程和化學(xué)工程是建立在物理和化學(xué)基礎(chǔ)之上，而這個(gè)新的工程學(xué)科將建立在上一個(gè)世紀(jì)所賦予的思想基礎(chǔ)以上——諸如“信息”“算法”“數(shù)據(jù)”“不確定性”“計(jì)算”“推理”“優(yōu)化”。此外，由于新學(xué)科的側(cè)重點(diǎn)將放在來(lái)自有關(guān)人類的數(shù)據(jù)上，而其發(fā)展將需要社會(huì)科學(xué)和人文科學(xué)的觀點(diǎn)。

雖然構(gòu)建塊已經(jīng)開(kāi)始出現(xiàn)，但將這些構(gòu)建塊組合在一起的原則還沒(méi)有出現(xiàn)，因此這些構(gòu)建塊正在以特定方式組合在一起。

因此，正如人類在土木工程出現(xiàn)之前建造房屋和橋梁一樣，人類正在初步構(gòu)建涉及機(jī)器、人類和環(huán)境的社會(huì)規(guī)模推理和決策系統(tǒng)（inference-and-decision-making systems）。正如早期的建筑和橋梁有時(shí)會(huì)以不可預(yù)見(jiàn)的方式和悲慘的后果坍塌一樣，我們?cè)缙诘脑S多社會(huì)規(guī)模推斷和決策系統(tǒng)已經(jīng)暴露出嚴(yán)重的概念缺陷。

不幸的是，我們并不善于預(yù)測(cè)下一個(gè)正在出現(xiàn)的嚴(yán)重缺陷是什么，我們?nèi)鄙俚氖且粋€(gè)具有分析和設(shè)計(jì)原理的工程學(xué)科。

目前，關(guān)于這些問(wèn)題的公開(kāi)對(duì)話過(guò)于頻繁地使用“AI”作為智能通配符（intellectual wildcard），這使得人們很難對(duì)新興技術(shù)的范圍和后果進(jìn)行推理。我們需要從近期和歷史的角度更為仔細(xì)地思考一下，“AI”到底是用來(lái)指稱什么的。

可以這樣說(shuō)，如今被稱為“AI”的大多數(shù)東西，特別是在公共領(lǐng)域，在過(guò)去的幾十年中往往被稱之為“機(jī)器學(xué)習(xí)”（ML）。ML是一個(gè)算法領(lǐng)域，它將來(lái)自統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)和許多其他學(xué)科的思想融合在一起，設(shè)計(jì)了用以處理數(shù)據(jù)、做出預(yù)測(cè)并幫助做出決策的算法。就對(duì)現(xiàn)實(shí)世界的影響而言，ML是真實(shí)的，而這并不僅僅是針對(duì)近期而言的。事實(shí)上，早在20世紀(jì)90年代初期就有明確的端倪顯示，ML將會(huì)發(fā)展成巨大的產(chǎn)業(yè)關(guān)聯(lián)性。而到世紀(jì)之交，諸如亞馬遜這樣的具有前瞻性的公司已經(jīng)在他們的業(yè)務(wù)中使用了ML，從而解決了欺詐行為檢測(cè)和物流鏈預(yù)測(cè)中的關(guān)鍵任務(wù)后端問(wèn)題，并構(gòu)建了具有創(chuàng)新性的面向消費(fèi)者的服務(wù)，如推薦系統(tǒng)。隨著數(shù)據(jù)集和計(jì)算資源在接下來(lái)二十年里的快速增長(zhǎng)，很明顯，ML很快將不僅為亞馬遜提供支持，實(shí)際上可以為任何將決策與大規(guī)模數(shù)據(jù)綁定在一起的公司提供推動(dòng)力。新的商業(yè)模式將會(huì)出現(xiàn)?！皵?shù)據(jù)科學(xué)”這個(gè)短語(yǔ)開(kāi)始被用來(lái)指代這種現(xiàn)象，反映了ML算法專家需要與數(shù)據(jù)庫(kù)和分布式系統(tǒng)專家相互合作以建立具有可擴(kuò)展性的、魯棒性的ML系統(tǒng)，并且反映了所研究出系統(tǒng)的更大的社會(huì)和環(huán)境范圍。

在過(guò)去幾年里，思想和技術(shù)趨勢(shì)的這種融合被重新命名為“AI”。而這個(gè)品牌重塑還有待商榷。

從歷史上看，“人工智能”這個(gè)詞在20世紀(jì)50年代后期被創(chuàng)造出來(lái)，表達(dá)了在軟件和硬件中實(shí)現(xiàn)具有人類水平智能的實(shí)體的強(qiáng)烈愿望。我們將使用“模仿人類的人工智能（human-imitative AI）”一詞來(lái)指代這一愿望，強(qiáng)調(diào)人工智能實(shí)體似乎應(yīng)該是我們中的一員，即使不是在物理層面上，至少在精神上如此。這主要是在學(xué)術(shù)界范疇內(nèi)。雖然諸如運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)、模式識(shí)別、信息理論和控制理論等相關(guān)學(xué)術(shù)領(lǐng)域已經(jīng)存在，并且常常受到人類智能（和動(dòng)物智能）的啟發(fā)，但這些領(lǐng)域只能說(shuō)是集中在“低水平”的信號(hào)和決策上。例如，松鼠能夠感知它所居住的森林的三維結(jié)構(gòu)，并具有在樹(shù)枝之間跳躍的能力，對(duì)于這些領(lǐng)域來(lái)說(shuō)是很有啟發(fā)性的?！叭斯ぶ悄堋敝荚诰劢褂谝恍┎煌氖挛铩祟愡M(jìn)行“推理”和“思考”的“高水平”或“認(rèn)知”能力。然而，60年后，高水平推理和思想仍然難以捉摸。目前被稱為“人工智能”的發(fā)展主要集中在與低水平模式識(shí)別和運(yùn)動(dòng)控制相關(guān)的工程領(lǐng)域，以及統(tǒng)計(jì)學(xué)領(lǐng)域中，統(tǒng)計(jì)學(xué)專注于找到數(shù)據(jù)中的模式并進(jìn)行有根據(jù)的預(yù)測(cè)，假設(shè)和決定的測(cè)試。

事實(shí)上，20世紀(jì)80年代早期由David Rumelhart重新發(fā)現(xiàn)的著名的“反向傳播”算法，現(xiàn)在被視為所謂“AI革命”的核心，其實(shí)最早出現(xiàn)在20世紀(jì)50年代和60年代的控制理論領(lǐng)域中。其早期應(yīng)用之一是優(yōu)化阿波羅太空船登陸月球任務(wù)的推力。

雖然自20世紀(jì)60年代以來(lái)，該領(lǐng)域已經(jīng)取得了很大的進(jìn)步，但是可以說(shuō)這并非來(lái)自于對(duì)模仿人類AI的追求。相反，就像阿波羅宇宙飛船的例子一樣，這些思想經(jīng)常被隱藏在幕后，并且一直是研究人員聚焦于特定工程挑戰(zhàn)的結(jié)果。雖然對(duì)于公眾而言這些是不可見(jiàn)的,但是在文檔檢索、文本分類、欺詐檢測(cè)、推薦系統(tǒng)、個(gè)性化搜索，社交網(wǎng)絡(luò)分析、規(guī)劃、診斷和A/B測(cè)試等領(lǐng)域中的研究和系統(tǒng)建設(shè)已經(jīng)取得了重大成功。這些進(jìn)步推動(dòng)了谷歌、Netflix、Facebook和亞馬遜等公司的發(fā)展。

人們可以簡(jiǎn)單地將所有這些都稱為“AI”，而且事實(shí)上人們似乎已經(jīng)這樣做了。這樣的標(biāo)簽可能會(huì)讓優(yōu)化或統(tǒng)計(jì)學(xué)的研究人員感到意外，他們一覺(jué)醒來(lái)后發(fā)現(xiàn)自己突然被稱為“AI研究人員”。但是，除了給研究人員貼標(biāo)簽之外，更大的問(wèn)題是，使用這個(gè)單一的、定義不明確的縮寫(xiě)詞會(huì)使人們對(duì)當(dāng)前情況下知識(shí)和商業(yè)范圍的問(wèn)題難以有清晰的認(rèn)識(shí)。

在過(guò)去的二十年里，人們?cè)诠I(yè)和學(xué)術(shù)界對(duì)模仿人類AI加以補(bǔ)充的愿望已經(jīng)取得了重大的進(jìn)步，這通常被稱為“智力增強(qiáng)（Intelligence Augmentation，IA）”。在這里，計(jì)算和數(shù)據(jù)被用于創(chuàng)建增強(qiáng)人類智力和創(chuàng)造力的服務(wù)。搜索引擎可以被看做是IA的一個(gè)例子（它增強(qiáng)了人類記憶和事實(shí)性知識(shí)），自然語(yǔ)言翻譯也是如此（它增強(qiáng)了人類的溝通能力）?；谟?jì)算的聲音和圖像生成如同是藝術(shù)家的調(diào)色板和創(chuàng)造力增強(qiáng)劑。雖然這種服務(wù)可以令人信服地涉及到高水平的推理和思考，但目前它們并沒(méi)有這樣做，它們主要執(zhí)行各種類型的字符串匹配和數(shù)值運(yùn)算，以捕捉人類可以利用的模式。

讓我們廣泛地設(shè)想一下“智能基礎(chǔ)設(shè)施(Intelligent Infrastructure, II)”規(guī)則，即能夠使人類環(huán)境更具有支持性、更有趣的和安全的計(jì)算、數(shù)據(jù)和物理實(shí)體網(wǎng)絡(luò)。這樣的基礎(chǔ)設(shè)施已經(jīng)開(kāi)始在交通、醫(yī)學(xué)、商業(yè)和金融等領(lǐng)域中出現(xiàn)，對(duì)人類個(gè)體和社會(huì)影響巨大。這種有時(shí)出現(xiàn)在關(guān)于“物聯(lián)網(wǎng)”（Internet of Things）的對(duì)話中，但這種成就通常指的是僅僅將“事物”接入到互聯(lián)網(wǎng)上的問(wèn)題，而不是指與這些“事物”相關(guān)的更大的挑戰(zhàn)——能夠分析這些數(shù)據(jù)流以發(fā)現(xiàn)關(guān)于世界的事實(shí),并且在比僅僅是“bit”更高的抽象層次上與人類和其他“事物”進(jìn)行交互。

舉個(gè)例子，我們可以想象我們生活在一個(gè)“社會(huì)規(guī)模的醫(yī)療系統(tǒng)”（societal-scale medical system）中，它在醫(yī)生和位于人體內(nèi)部和周圍的設(shè)備之間建立了數(shù)據(jù)流和數(shù)據(jù)分析流，從而能夠在進(jìn)行診斷和提供護(hù)理的過(guò)程中幫助人類智能。該系統(tǒng)將包含人體細(xì)胞、DNA、血液檢查、環(huán)境，群體遺傳學(xué)和大量關(guān)于藥物和治療的科學(xué)文獻(xiàn)信息。它不僅關(guān)注于單個(gè)病人和醫(yī)生，還關(guān)注所有人類之間的關(guān)系——就像當(dāng)前的醫(yī)學(xué)測(cè)試允許對(duì)一組人類（或動(dòng)物）進(jìn)行實(shí)驗(yàn)，以帶入到對(duì)其他人類的醫(yī)療中。它將以當(dāng)前的銀行系統(tǒng)在金融和支付領(lǐng)域集中應(yīng)對(duì)此類挑戰(zhàn)的方式來(lái)幫助保持相關(guān)性、來(lái)源和可靠性。而且，盡管人們可以預(yù)見(jiàn)到這樣一個(gè)系統(tǒng)會(huì)出現(xiàn)許多問(wèn)題——涉及隱私問(wèn)題、責(zé)任問(wèn)題、安全問(wèn)題等等，但是這些問(wèn)題應(yīng)該被恰當(dāng)?shù)匾暈樘魬?zhàn)，而不是障礙。

我們現(xiàn)在面臨一個(gè)關(guān)鍵問(wèn)題：現(xiàn)在所研究的經(jīng)典模仿人類AI是專注于這些更大挑戰(zhàn)的最佳途徑還是唯一途徑？最近，一些最受歡迎的關(guān)于ML的成功故事實(shí)際上存在于與模仿人類AI相關(guān)的領(lǐng)域，比如計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、游戲和機(jī)器人技術(shù)。因此，或許我們只是應(yīng)該等待這些領(lǐng)域的進(jìn)一步發(fā)展再做定論。這里有兩點(diǎn)需要說(shuō)明。首先，盡管人們不會(huì)從閱讀報(bào)紙中知道這一點(diǎn)，但是在模仿人類AI方面的成功實(shí)際上是有限的，我們距離實(shí)現(xiàn)模仿人類AI的愿望還很遠(yuǎn)。不幸的是，在模仿人類AI領(lǐng)域取得哪怕有限的進(jìn)展所帶來(lái)的興奮（和恐懼）導(dǎo)致了行業(yè)的過(guò)度興奮和媒體的過(guò)度關(guān)注，而這在其他工程領(lǐng)域并不存在。

其次，并且更重要的是，這些領(lǐng)域的成功既不足以解決重要的IA和II問(wèn)題，也不是必需的。在充分性方面，考慮一下自動(dòng)駕駛汽車。要實(shí)現(xiàn)這樣的技術(shù)，需要解決一系列工程問(wèn)題，而這些問(wèn)題可能與人類所具備的能力（或人類能力不足）關(guān)系不大。整體運(yùn)輸系統(tǒng)（一個(gè)II系統(tǒng)）可能更類似于目前的空中交通管制系統(tǒng)，而不是當(dāng)前正處于松散耦合的、前向的、人類駕駛員注意力不集中的數(shù)據(jù)收集階段的系統(tǒng)。它將比當(dāng)前的空中交通管制系統(tǒng)復(fù)雜得多，尤其是在使用大量數(shù)據(jù)和自適應(yīng)統(tǒng)計(jì)建模以進(jìn)行細(xì)粒度決策的情況下。正是這些需要站在最前線的挑戰(zhàn)，以及在這樣的努力下對(duì)模仿人類AI的專注，可能會(huì)讓人分心。

至于必要性方面的論證,有時(shí)人們認(rèn)為模仿人類AI愿望包含了IA和II愿望,因?yàn)槟７氯祟怉I系統(tǒng)不僅能夠解決AI的經(jīng)典問(wèn)題（例如,圖靈測(cè)試），這也將是我們解決IA和II問(wèn)題的最佳選擇。這樣的論點(diǎn)幾乎沒(méi)有歷史先例。土木工程是通過(guò)想象一個(gè)人造的木匠或砌磚工的建造物來(lái)發(fā)展的嗎？化學(xué)工程的發(fā)展是通過(guò)設(shè)計(jì)一個(gè)人造的化學(xué)家實(shí)現(xiàn)的嗎？甚至更有爭(zhēng)議的是：如果我們的目標(biāo)是建造化工廠，我們應(yīng)該先創(chuàng)造出一個(gè)人造化學(xué)家，然后再由他來(lái)研究如何建造一個(gè)化工廠嗎？

一個(gè)相關(guān)的論點(diǎn)是，人類智能是我們所知道的唯一一種智能，并且也是應(yīng)當(dāng)將旨在模擬它作為研究的第一步。但是人類實(shí)際上并不是很擅長(zhǎng)某種推理——我們有自己的過(guò)失、偏見(jiàn)和局限。此外，至關(guān)重要的是，我們并沒(méi)有進(jìn)化到能夠執(zhí)行現(xiàn)代II系統(tǒng)必須面對(duì)的那種大規(guī)模決策，也無(wú)法應(yīng)對(duì)在II環(huán)境中出現(xiàn)的那種不確定性。人們可能說(shuō)，AI系統(tǒng)不僅會(huì)模仿人類智能，而且還會(huì)“糾正”它，并且還會(huì)擴(kuò)展到任意大的問(wèn)題上。但是我們現(xiàn)在正處于科幻小說(shuō)的領(lǐng)域——雖然這種推測(cè)性的爭(zhēng)論在小說(shuō)的背景下具有娛樂(lè)性，但它不應(yīng)該成為我們?cè)诿鎸?duì)即將出現(xiàn)的關(guān)鍵IA和II問(wèn)題時(shí)向前邁進(jìn)的主要策略。我們需要根據(jù)自己的優(yōu)勢(shì)來(lái)解決IA和II問(wèn)題，而不是僅僅將其當(dāng)做是模仿人類AI 方法的必然結(jié)果。

不難看出，在II系統(tǒng)中，算法和基礎(chǔ)設(shè)施挑戰(zhàn)并不是進(jìn)行模仿人類AI研究的核心主題。II系統(tǒng)需要具備管理分布式知識(shí)庫(kù)的能力，這些知識(shí)庫(kù)正在迅速變化，并且可能在全球范圍內(nèi)具有不連貫性。這樣的系統(tǒng)能夠做出及時(shí)的分布式?jīng)Q策以處理云邊交互，同時(shí)也必須處理長(zhǎng)尾效應(yīng)（long-tail phenomena），即大多數(shù)數(shù)據(jù)掌握在少數(shù)人手中，而大多數(shù)人掌握很少的數(shù)據(jù)。他們必須解決跨管理和競(jìng)爭(zhēng)界限以共享數(shù)據(jù)所存在的困難。最后，非常重要的一點(diǎn)是，II系統(tǒng)必須將激勵(lì)和定價(jià)等經(jīng)濟(jì)思想納入統(tǒng)計(jì)和計(jì)算基礎(chǔ)設(shè)施領(lǐng)域，從而將人與人、人與有價(jià)值的貨物聯(lián)系起來(lái)。這樣的II系統(tǒng)不僅可以提供服務(wù)，還可以創(chuàng)造市場(chǎng)。有些領(lǐng)域，如音樂(lè)、文學(xué)和新聞等，迫切需要這樣的市場(chǎng)出現(xiàn)，在這一市場(chǎng)中，數(shù)據(jù)分析將使生產(chǎn)者和消費(fèi)者聯(lián)系在一起。這一切都必須在不斷發(fā)展的社會(huì)、道德和法律規(guī)范的背景下完成。

當(dāng)然，經(jīng)典的模仿人類AI問(wèn)題依然非常有趣。然而，目前的重點(diǎn)是通過(guò)收集數(shù)據(jù)、部署“深度學(xué)習(xí)”基礎(chǔ)設(shè)施以及模仿某些狹義的人類技能的系統(tǒng)演示，進(jìn)行AI研究，這些方法很少涉及到新出現(xiàn)的解釋性原則，往往會(huì)轉(zhuǎn)移人們對(duì)經(jīng)典AI中重大開(kāi)放問(wèn)題的注意力。這些問(wèn)題包括將意義和推理納入系統(tǒng)以執(zhí)行自然語(yǔ)言處理的需要，推理和表示因果關(guān)系的需要，開(kāi)發(fā)計(jì)算可追蹤的不確定表征的需要，以及開(kāi)發(fā)制定和追求長(zhǎng)期目標(biāo)的系統(tǒng)的需要。這些都是模仿人類AI中的經(jīng)典目標(biāo)，但在當(dāng)前“AI革命”的喧囂中，人們很容易忘記這些還未解決的問(wèn)題。

IA依然會(huì)非常重要，因?yàn)樵诳深A(yù)見(jiàn)的未來(lái)，計(jì)算機(jī)無(wú)法像人類一樣，對(duì)現(xiàn)實(shí)世界的情況進(jìn)行抽象的推理。我們需要利用人與計(jì)算機(jī)之間成熟的相互，來(lái)解決最緊迫的問(wèn)題。我們希望計(jì)算機(jī)能夠觸發(fā)人類創(chuàng)造力的新水平，而不是取代人類的創(chuàng)造力（不管這意味著什么）。

正是John McCarthy（目前是達(dá)特茅斯大學(xué)的教授，之后在MIT任職），他創(chuàng)造了“AI”這個(gè)詞，這顯然是為了區(qū)別于Norbert Wiener（當(dāng)時(shí)是麻省理工學(xué)院的一位老教授）的早期研究議程。Wiener創(chuàng)造了“控制論”來(lái)指代自己的“智能系統(tǒng)愿景”，這一愿景與運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)、模式識(shí)別、信息論和控制理論密切相關(guān)。另一方面，McCarthy強(qiáng)調(diào)了與邏輯的聯(lián)系。一個(gè)有趣的反轉(zhuǎn)是，Wiener的知識(shí)體系被囊括在McCarthy的術(shù)語(yǔ)旗幟下，在當(dāng)今時(shí)代占據(jù)主導(dǎo)地位（然而，這種情況肯定只是暫時(shí)的，相比于其他領(lǐng)域，AI這個(gè)鐘擺的擺動(dòng)幅度要大得多）。但我們需要超越McCarthy和Wiener的特定歷史視角。

我們需要認(rèn)識(shí)到當(dāng)前關(guān)于AI的公眾話題（它側(cè)重于狹義的行業(yè)子領(lǐng)域和學(xué)術(shù)子領(lǐng)域）會(huì)使我們對(duì)AI、IA和II的完整范圍帶來(lái)的挑戰(zhàn)和機(jī)遇視而不見(jiàn)。

這個(gè)范圍不是關(guān)于實(shí)現(xiàn)科幻夢(mèng)想或超級(jí)人類機(jī)器的噩夢(mèng)，更多的是關(guān)于人類理解和塑造技術(shù)的需求，因?yàn)樗谌粘Ｉ钪凶兊酶蝇F(xiàn)實(shí)和富有影響力。此外，在這一理解和塑造中，需要來(lái)自各行各業(yè)的不同聲音，而不僅僅是技術(shù)上的對(duì)話。將注意力狹隘地集中在模仿人類AI上，使人們難以聽(tīng)到更多的聲音。

盡管工業(yè)界將持續(xù)推動(dòng)很多方面的發(fā)展，但學(xué)術(shù)界也會(huì)繼續(xù)發(fā)揮重要作用，不僅在提供一些最具創(chuàng)新性的技術(shù)思想方面，而且還將把計(jì)算和統(tǒng)計(jì)學(xué)科的研究人員與其他學(xué)科的研究人員聚集在一起，這些研究人員的貢獻(xiàn)與觀點(diǎn)是我們迫切需要的，特別是社會(huì)科學(xué)、認(rèn)知科學(xué)和人文科學(xué)界的。

另一方面，雖然人文和科學(xué)是我們前行的關(guān)鍵，但我們也不能假裝我們談?wù)摰牟皇且豁?xiàng)規(guī)模和范圍都前所未有的工程嘗試，當(dāng)今社會(huì)正致力于構(gòu)建新的人工制品。這些人工制品應(yīng)以按照要求進(jìn)行工作為前提而被建造。我們不想建立一個(gè)幫助我們進(jìn)行醫(yī)學(xué)治療、提出運(yùn)輸建議、獲取商業(yè)機(jī)會(huì)的系統(tǒng)，因?yàn)槲覀儠?huì)發(fā)現(xiàn)諸如此類的系統(tǒng)實(shí)際上根本不起什么作用，并且這些系統(tǒng)犯下的錯(cuò)誤會(huì)對(duì)人類的生命和幸福造成危害。在這方面，正如我強(qiáng)調(diào)的，對(duì)于聚焦數(shù)據(jù)和學(xué)習(xí)的領(lǐng)域，尚有一門(mén)工程學(xué)科還未出現(xiàn)。盡管這些領(lǐng)域看上去令人興奮，但它們還不能被看做是一門(mén)工程學(xué)科。

此外，我們應(yīng)該接受一個(gè)這樣的事實(shí)：我們正目睹一個(gè)嶄新的工程學(xué)分支的誕生。“工程（engineering）”這一詞通常在學(xué)術(shù)界和更廣闊的范圍內(nèi)被狹義地應(yīng)用，通常含有描述冷酷、無(wú)情的機(jī)械和失去人類控制等負(fù)面含義。

當(dāng)今時(shí)代，我們真正有機(jī)會(huì)來(lái)設(shè)想一個(gè)歷史上從未有過(guò)的新事物——一門(mén)以人為本的工程學(xué)科。

我們拒絕為這門(mén)新興的學(xué)科命名，但如果“AI”繼續(xù)被用作是通向未來(lái)發(fā)展的指向性術(shù)語(yǔ)，那么我們會(huì)逐漸意識(shí)到這一詞的真正局限性。讓我們擴(kuò)大范圍、淡化炒作，真正認(rèn)識(shí)到前方道路所面臨的嚴(yán)峻挑戰(zhàn)。