編者按：昨夜，“機(jī)器學(xué)習(xí)之父”、加州大學(xué)伯克利分校計算機(jī)科學(xué)與統(tǒng)計學(xué)教授教授Michael I. Jordan在Medium上發(fā)表文章，闡述了自己對AI這個新興領(lǐng)域的擔(dān)憂和看法。對于這個名字，每個涉足人工智能行業(yè)的人都該有所了解，Michael I. Jordan在計算、推理、認(rèn)知和生物科學(xué)領(lǐng)域工作了三十多年，兢兢業(yè)業(yè)為AI當(dāng)代研究奠定了基礎(chǔ)，被稱為The Michael Jordan of Machine Learning。

人工智能（AI）是當(dāng)今時代的“神咒”，它常被技術(shù)人員、學(xué)者、記者和風(fēng)投人士掛在嘴邊。和其他從技術(shù)、學(xué)術(shù)領(lǐng)域逐漸普及到大眾的概念一樣，人們談?wù)撍鼈?、誤解它們。但這還不是公眾和科學(xué)家之間存在理解鴻溝的典型案例——對于AI，科學(xué)家們和普通人一樣尚存疑惑。在這個時代，人們從硅片上看到了實(shí)現(xiàn)人類智能的可能性，這種可能性令人倍受鼓舞——也同樣令人膽顫心驚。更不幸的是，它讓我們分心。

對于AI，有些人也有不同的聲音。請看下面這個故事，它涉及人類、計算機(jī)、數(shù)據(jù)和生死攸關(guān)的決策，但重點(diǎn)又無關(guān)我們的硅片幻想。

差點(diǎn)被“唐氏”的女兒

14年前，我的妻子懷孕了，我們一起去醫(yī)院做超聲波孕檢。當(dāng)時檢查室的一位遺傳學(xué)專家告訴我們，胎兒心臟周圍有一些白色斑點(diǎn)，“這些是唐氏綜合癥的標(biāo)志，”她說，“現(xiàn)在孩子患病的概率已經(jīng)提高到了1/20。”為了確認(rèn)胎兒究竟有沒有患病，她建議我們做羊膜穿刺術(shù)，但這種手術(shù)的風(fēng)險很大，流產(chǎn)率有1/300。作為一名統(tǒng)計學(xué)家，我決定找出這些數(shù)據(jù)的來源。

長話短說，我找到了英國一項(xiàng)已經(jīng)進(jìn)行了十年的統(tǒng)計，他們的研究成果表明超聲圖像中的鈣積聚白色斑點(diǎn)的確可被作為唐氏綜合癥的篩查指標(biāo)。但我也注意到，我們做孕檢這家醫(yī)院用的成像機(jī)器比研究用的機(jī)器要高幾百個像素。確認(rèn)了這些因素后，我轉(zhuǎn)過頭來告訴醫(yī)生：“我覺得這些白斑是假陽性的——它們實(shí)際上是‘白噪聲’?！彼行@訝：“??！這就解釋了為什么這幾年來醫(yī)院的唐氏綜合癥診斷率不斷上升；這剛好就是新機(jī)器啟用的時間。”

最后我們沒有做羊膜穿刺術(shù)，幾個月后，一個健康的女孩兒出生了。但這件事一直困擾著我，我粗略算了下，發(fā)現(xiàn)每天全世界有成千上萬的人會得到這樣的誤診結(jié)果，其中許多人也許遵從醫(yī)囑做了手術(shù)，一些嬰兒也許就這樣無辜地死去。這種事故一天又一天地發(fā)生，直到最后有人發(fā)現(xiàn)了真正原因并做了修復(fù)。

當(dāng)然，這些問題和我本人的醫(yī)療保健并沒有任何關(guān)系，它是整個醫(yī)療系用的問題，是在不同時間、地點(diǎn)測量變量和結(jié)果，進(jìn)行統(tǒng)計分析，再把經(jīng)驗(yàn)用于其他時間、地點(diǎn)的醫(yī)療診斷的問題。它不僅和數(shù)據(jù)分析本身息息相關(guān)，更和數(shù)據(jù)庫研究人員口中反復(fù)強(qiáng)調(diào)的“來源”密切相關(guān)——這些數(shù)據(jù)是從哪兒來的，人們從這些數(shù)據(jù)中得出了什么推論，以及這些推論和顯示結(jié)果又有多大的相關(guān)程度。

一個訓(xùn)練有素的統(tǒng)計學(xué)家可以獨(dú)立完成以上的分析工作，但這個故事的問題在于，我們該怎么為醫(yī)院設(shè)計一個無需人工監(jiān)督的完善醫(yī)療系統(tǒng)。

我也是一名計算機(jī)科學(xué)家，如果要構(gòu)建這樣一個推理、決策系統(tǒng)，我設(shè)想的原則需要結(jié)合計算機(jī)科學(xué)、統(tǒng)計學(xué)兩門學(xué)科的知識，它還要把患者需求納入其中，而這點(diǎn)是教科書上學(xué)不到的。除了醫(yī)療機(jī)構(gòu)，其他諸如商業(yè)、交通、教育等領(lǐng)域也需要這樣一整套原則，在我眼里，這樣的原則至少和構(gòu)建花里胡哨的AI系統(tǒng)同樣重要。

“智能”是什么？也許這個時代很快就能給出“答案”。但無論如何，我們都將面臨一個重要大挑戰(zhàn)，即將計算機(jī)和人類結(jié)合在一起，從而提高人們的生活水平。目前看來，盡管一些人認(rèn)為這個任務(wù)不如AI研究重要，但我們大可用一顆平常心來看待它——就像一個新創(chuàng)建的工程分支學(xué)科，它同樣值得尊崇。幾十年前，人們在物理和化學(xué)基礎(chǔ)上衍生出了兩個新學(xué)科：土木工程和化學(xué)工程，它們結(jié)合了兩門基礎(chǔ)學(xué)科的核心思想，為社會帶來了巨大的資源和驅(qū)動力?，F(xiàn)在，這個新任務(wù)，或者說這個新學(xué)科將建立在前一個世紀(jì)所有落地思想的基礎(chǔ)上——如信息、算法和數(shù)據(jù)。

雖然有了構(gòu)件塊，但我們還缺少把這些構(gòu)件塊整合在一起的原則，所以目前它們只是以特定的方式組合在一起。

在土木工程出現(xiàn)之前，人們也會造各類建筑和橋梁，其中的一些有時會以不可預(yù)見的方式釀成悲慘的后果——AI系統(tǒng)也一樣，我們正在構(gòu)建涉及機(jī)器、人類和環(huán)境的大規(guī)模推理、決策制定系統(tǒng)，而這些早期的成果也已經(jīng)暴露出不少嚴(yán)重的概念缺陷。

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

AI的前世今生

關(guān)于這類內(nèi)容，目前人們會很頻繁、很籠統(tǒng)地用AI這個詞來描述，這就使我們很難界定這個新興技術(shù)的范圍和后果。也許我們應(yīng)該更仔細(xì)地研究一下在過去和現(xiàn)在，AI到底指的是什么。

如今大多數(shù)AI，尤其是公眾眼中的AI，其實(shí)是幾十年來一直被叫做“機(jī)器學(xué)習(xí)”（ML）的東西。ML是一個算法領(lǐng)域，它將來自統(tǒng)計學(xué)、計算機(jī)科學(xué)和許多其他學(xué)科（見下文）的想法融合在一起，設(shè)計出種種算法來處理數(shù)據(jù)、做出預(yù)測并幫助做出決策。就對現(xiàn)實(shí)世界的影響而言，ML是切切實(shí)實(shí)的，而且并非一朝一夕。

早在20世紀(jì)90年代，ML的工業(yè)化道路就已經(jīng)很清晰了，到世紀(jì)之交，亞馬遜等具有前瞻性的公司已經(jīng)在業(yè)務(wù)中廣泛使用ML算法，來解決后端問題檢測和物流鏈預(yù)測等關(guān)鍵問題，以及創(chuàng)新面向消費(fèi)者的服務(wù)，如建立商品推薦系統(tǒng)。隨著其后20年間數(shù)據(jù)集和計算資源的快速增長，很明顯，現(xiàn)在ML的服務(wù)對象不再僅限于亞馬遜等公司，任何需要依賴大數(shù)據(jù)制定決策的企業(yè)都已經(jīng)成了它的擁躉。在這種情況下，新的商業(yè)模式即將出現(xiàn)，而隨之而來的是“數(shù)據(jù)科學(xué)”一詞正被用來指代這種現(xiàn)象——社會迫切需要更多的ML算法專家和數(shù)據(jù)庫、分布式系統(tǒng)專家攜手合作，構(gòu)建可擴(kuò)展的、更強(qiáng)大的ML系統(tǒng)，而這些系統(tǒng)也更全面地反映大社會、大環(huán)境的現(xiàn)狀。

在過去幾年中，這種思想和技術(shù)相結(jié)合的產(chǎn)物被稱為AI，但這個“品牌”的塑造還值得商榷。

從歷史上看，“人工智能”這個詞是在上世紀(jì)50年代后期被創(chuàng)造出來的，它一開始表現(xiàn)的是人們對用軟件和硬件實(shí)現(xiàn)一種具有人類智能的實(shí)體的強(qiáng)烈愿望。我們可以用“人類模仿AI”來表示這一想法，它假設(shè)AI應(yīng)該成為我們?nèi)祟惖囊环葑樱幢悴皇巧眢w層面上的，那至少也應(yīng)該是精神層面上的。這還主要是學(xué)術(shù)界的事。

在當(dāng)時的學(xué)術(shù)界，雖然運(yùn)籌學(xué)、統(tǒng)計學(xué)、模式識別、信息理論和控制論等相關(guān)領(lǐng)域已經(jīng)存在了一段時間，受人類智能/動物智能啟發(fā)，它們也能實(shí)現(xiàn)一些“低水平”的神經(jīng)信號傳遞和決策，如松鼠能夠感知它所居住的森林的三維結(jié)構(gòu)，并在期間跳躍。這些成果的確令人鼓舞，但AI關(guān)注的是全然不同的領(lǐng)域——它要模仿的是人類的高級認(rèn)知能力，如“理性”和“思考”。

可惜的是，在60年后，我們還是沒能摸透高水平推理和思維模式的原理。因此現(xiàn)在被稱為AI的那些事物還是主要存在于低水平的模式識別和運(yùn)動控制相關(guān)的工程領(lǐng)域，或是在統(tǒng)計學(xué)領(lǐng)域——這個學(xué)科專注于挖掘數(shù)據(jù)模式、進(jìn)行有根據(jù)的預(yù)測，以及測試假設(shè)和決策。

20世紀(jì)80年代早期，David Rumelhart提出了著名的反向傳播算法，被視為所謂的“AI革命”的核心。但這其實(shí)是五六十年代控制論中的思想，最早被用在優(yōu)化阿波羅太空飛船登月的推進(jìn)系統(tǒng)中。

所以雖然自20世紀(jì)60年代以來，AI取得了巨大進(jìn)展，但我們可以說它并不是模仿人類的AI。相反地，就像阿波羅太空飛船的事例一樣，這些想法雖然常常被藏在幕后，但一直是研究人員就特定問題采取的手段。盡管公眾對此一無所知，但文檔檢索、文本分類、欺詐檢測、推薦系統(tǒng)、個性化搜索、社交網(wǎng)絡(luò)分析、計劃、診斷以及A/B測試等等，都早已在科學(xué)研究和系統(tǒng)建設(shè)等領(lǐng)域取得了重大成功——這些也都是推動Google、Netflix、Facebook和亞馬遜取得如今地位的重要幫手。

人們可以簡單粗暴地用一個“AI”來總結(jié)這些事，事實(shí)上他們也是這么做的。但這樣的標(biāo)簽可能會讓從事優(yōu)化和統(tǒng)計工作的研究人員感到意外，一覺醒來，這些人就發(fā)現(xiàn)自己莫名其妙成了“AI研究人員”。這還是次要的，更嚴(yán)肅的問題是，如果我們繼續(xù)使用這種單一的、不明確的首字母縮寫名詞，我們又該怎么界定與其相關(guān)的知識、商業(yè)范疇。

AI、IA和II：三個不同的概念

過去的二十年中，智能增強(qiáng)（IA）作為滿足人類實(shí)現(xiàn)“人類模擬AI”夢想的一個替代品在工業(yè)界和學(xué)術(shù)界取得了重大進(jìn)展。它通過計算和數(shù)據(jù)提供服務(wù)，并把它們用來增強(qiáng)人類的智能水平和創(chuàng)造力。IA的一個突出案例是搜索引擎，它提高了人類的記憶和知識積累水平；自然語言處理是另一個典型例子，它提高了人們的交流能力。此外，基于計算的音樂和圖像生成能為藝術(shù)家提供更多創(chuàng)意。雖然這些服務(wù)可能涉及高水平的推理和思考，但目前它們并沒有過多地深入——它們中的大多數(shù)還是選擇執(zhí)行各種字符串匹配和數(shù)字操作，從中捕獲人類可以使用的模式。

說到這里，文章涉及的縮寫字母已經(jīng)有很多了，這里我們再說最后一個——智能基礎(chǔ)設(shè)施（II）。即一個由計算、數(shù)據(jù)和物理實(shí)體構(gòu)成的網(wǎng)絡(luò)，它能使人類環(huán)境更友好、更有趣、更安全。這種基礎(chǔ)設(shè)施已經(jīng)開始在交通、醫(yī)藥、商業(yè)和金融等領(lǐng)域出現(xiàn)，將對個人和社會產(chǎn)生巨大影響。它有時也會和“物聯(lián)網(wǎng)”一起出現(xiàn)，但后者努力實(shí)現(xiàn)的僅僅是把“事物”連接到互聯(lián)網(wǎng)上，而不是讓網(wǎng)絡(luò)依據(jù)數(shù)據(jù)流具備分析這些“事物”，或其他更大目標(biāo)的關(guān)于世界的所有事實(shí)的能力。

舉個例子，讓我們回到我的經(jīng)歷中。我們可以想象自己生活在一個具有“社會規(guī)模”的醫(yī)療系統(tǒng)中，它在人體、醫(yī)生和設(shè)備之間建立起數(shù)據(jù)流和數(shù)據(jù)分析流程，從而能幫助人類進(jìn)行診斷和提供護(hù)理。這個系統(tǒng)收錄了大量關(guān)于身體細(xì)胞、DNA、血液測試、環(huán)境、群體遺傳學(xué)以及藥物和治療的大量科學(xué)文獻(xiàn)的信息，它不再只關(guān)注單個病患或醫(yī)生，而是關(guān)注所有人之間的聯(lián)系——就像現(xiàn)代醫(yī)學(xué)會把從一堆人身上得出的實(shí)驗(yàn)結(jié)果拓展到所有人身上一樣。

這種做法將有助于確保數(shù)據(jù)的來源、相關(guān)性和可靠性，它們也是現(xiàn)在銀行機(jī)構(gòu)在金融和支付領(lǐng)域力圖解決的主要問題。放到現(xiàn)實(shí)中，我們可以預(yù)見這樣一個系統(tǒng)會出現(xiàn)多少問題——隱私、安全、責(zé)任等——但它們應(yīng)該被視為挑戰(zhàn)，而不是阻礙。

現(xiàn)在放在我們面前的就是一個關(guān)鍵問題：對于這些挑戰(zhàn)，研究古典的“人類模仿AI”是不是唯一的方法？事實(shí)上，現(xiàn)在不少大熱的ML成功案例都是圍繞“人類模仿AI”展開的，如計算機(jī)視覺、語音識別、強(qiáng)化學(xué)習(xí)和機(jī)器人等。所以也許我們應(yīng)該耐心等待這些領(lǐng)域的進(jìn)一步發(fā)展。但這里有兩點(diǎn)需要說明。

首先，雖然人們無法直接從報紙上直接讀到研究成果，但即便“人類模仿AI”獲得了進(jìn)展，它帶來的影響也是有限的——我們距離實(shí)現(xiàn)“人類模仿AI”還很遙遠(yuǎn)。不幸的是，這些由微小進(jìn)展帶來的快感（和恐懼）引發(fā)了行業(yè)內(nèi)的虛假繁榮和媒體的過度吹捧，這在其他工程領(lǐng)域聞所未聞、見所未見。

其次，更重要的一點(diǎn)是，這些領(lǐng)域的成功既不足以解決IA和II中的重要問題，也不是解決這些問題所必需的。以自動駕駛汽車為例，為了實(shí)現(xiàn)這種技術(shù)，我們要解決一系列工程上的問題，但這些問題可能和人力資源（或從業(yè)人口稀少）關(guān)系不大。比起他們搜集的那些松散的、只會朝前看的、注意力不集中的人類司機(jī)數(shù)據(jù)，這樣一個交通系統(tǒng)（一個II系統(tǒng)）可能更像空中交通管制系統(tǒng)，甚至比當(dāng)前的空中交通管制系統(tǒng)還要復(fù)雜得多，特別是在使用大數(shù)據(jù)和自適應(yīng)統(tǒng)計建模來指定決策時。在研究“人類模仿AI”前，這些挑戰(zhàn)應(yīng)該被放在前列。

至于有沒有必要這個論點(diǎn)，有時人們也會覺得“人類模仿AI”其實(shí)包含了IA和II的愿望，因?yàn)樗粌H能解決AI的經(jīng)典問題（如圖靈測試），也能為IA和II問題提供了最佳解決方案。但這樣的論點(diǎn)還沒有歷史先例來支撐。為了發(fā)展土木工程，我們是不是該開發(fā)一個人造木匠或泥瓦匠？或者為了發(fā)展化學(xué)工程開發(fā)一個人造化學(xué)家？更激進(jìn)一些，如果我們的目標(biāo)是造一座化學(xué)工廠，那么我們是不是應(yīng)該先造一個人造化學(xué)家，再由他來思考怎么造一座工廠？

與之類似的一個論點(diǎn)是，人類智慧是我們所知道的唯一一種智慧，我們應(yīng)該把模仿它做為第一步。但是其實(shí)人類并不擅長某些推理——我們有我們的失誤、偏見和局限。而且最關(guān)鍵的是，我們也沒有進(jìn)化出類似現(xiàn)代II這樣需要面對大規(guī)模決策的系統(tǒng)，也不用處理II背景下的各種不確定性。有人可能會說AI系統(tǒng)不僅能模仿人類智能，還會糾正其中的錯誤，并把這個優(yōu)點(diǎn)擴(kuò)展到任意大小的問題上。但是，我們所處的環(huán)境不是科幻小說——這種推測性的論點(diǎn)雖然在小說里頗具娛樂性，但它不應(yīng)該成為我們解決關(guān)鍵的IA和II問題時的主要策略。我們需要根據(jù)它們自身的優(yōu)點(diǎn)來解決問題，而不是為了模仿人類而模仿人類。

未來的展望：一個新興的工程學(xué)科

如果要建立一個II系統(tǒng)，我們可以遇見其中由算法和基礎(chǔ)設(shè)施帶來的困難，但這些并不是“人類模仿AI”研究的核心主題。首先，II系統(tǒng)需要管理分布式知識庫，這些知識庫的變化十分迅速，并且可能在全球范圍內(nèi)不連貫。其次，這樣的系統(tǒng)必須在做出及時的分布式?jīng)Q策時應(yīng)對云端的相互作用，還要必須處理長尾現(xiàn)象，即有些人的數(shù)據(jù)量很大，但大多數(shù)人的數(shù)據(jù)卻很少。它們必須解決不同管理部門和競爭對手間數(shù)據(jù)分享困難的問題。最后，尤其重要的一點(diǎn)是，II系統(tǒng)必須將諸如激勵、定價等經(jīng)濟(jì)理念帶入統(tǒng)計和計算基礎(chǔ)設(shè)施的領(lǐng)域中，這些基礎(chǔ)設(shè)施會把人和人、商品和商品聯(lián)系起來。

這時，這樣一個II系統(tǒng)就不單單是一個服務(wù)系統(tǒng)，它還是一個市場，一個利用數(shù)據(jù)分析將生產(chǎn)者和消費(fèi)者聯(lián)系起來，一個被傳媒、文學(xué)和音樂等領(lǐng)域廣泛呼吁的市場。這一切都會在不斷演變的社會、道德和法律規(guī)范下井然有序地運(yùn)作。

當(dāng)然，經(jīng)典的“人類模仿AI”問題也仍然值得關(guān)注。然而，目前它的重點(diǎn)還是通過收集數(shù)據(jù)進(jìn)行人工智能研究，部署“深度學(xué)習(xí)”基礎(chǔ)設(shè)施，以及模仿某些狹義定義的人類技能的系統(tǒng)演示——幾乎沒有新出現(xiàn)的原則，更傾向于偏離經(jīng)典AI中的一些重大開放性問題。

這些問題包括：把意義和推理引入自然語言處理系統(tǒng)中；推理和表示因果關(guān)系；開發(fā)處理不確定表示的簡便計算方式；以及需要開發(fā)制定并追求長期目標(biāo)的系統(tǒng)。這些是“人類模仿AI”的經(jīng)典目標(biāo)，但似乎已經(jīng)被“AI革命”的喧囂所湮沒。

IA仍將保持相當(dāng)重要的地位，因?yàn)樵诳深A(yù)見的未來，計算機(jī)還無法像人一樣抽象地描述現(xiàn)實(shí)世界的情況。對于靠人類和計算機(jī)互動來解決我們最緊迫的問題這件事，我們要深思熟慮。我們希望計算機(jī)能提高人類的創(chuàng)造力水平，而不是取代人類的創(chuàng)造力。

John McCarthy

當(dāng)年John McCarthy（當(dāng)時還是達(dá)特茅斯大學(xué)的教授，但很快就赴任MIT）之所以創(chuàng)造“AI”這個術(shù)語，是因?yàn)樗氚炎约旱某晒妊亢蚇orbert Wiener（當(dāng)時MIT的一位老教授）的研究區(qū)分開來。Wiener的“cybernetics”也是一個與運(yùn)籌學(xué)、統(tǒng)計學(xué)、模式識別、信息論和控制論密切相關(guān)的新概念，而McCarthy更強(qiáng)調(diào)AI和邏輯的關(guān)系。一個有趣的反轉(zhuǎn)是，現(xiàn)在我們打著的研究旗號是McCarthy的，在這個時代占據(jù)主導(dǎo)地位的研究內(nèi)容卻都是圍繞Wiener的（當(dāng)然，這只是暫時的）。

但我們需要超越McCarthy和Wiener的特定歷史觀點(diǎn)。

我們需要認(rèn)識到，目前關(guān)于AI的公眾宣傳——主要集中在工業(yè)、學(xué)術(shù)上的狹窄領(lǐng)域應(yīng)用——有使我們每一個人面臨AI、IA和II三重挑戰(zhàn)和機(jī)遇的風(fēng)險。

它無關(guān)科幻小說的美夢和超人類機(jī)器人的噩夢，更多是關(guān)于人類理解和塑造技術(shù)的需求，因?yàn)樗谌粘Ｉ钪姓兊酶蝇F(xiàn)實(shí)，影響力也更大。此外，因?yàn)樗穆氊?zé)在于理解和塑造，我們也需要來自各行各業(yè)的不同聲音，而不僅僅是技術(shù)上的需求。如果過分專注于“人類模仿AI”研究，我們會閉目塞聽以至于聽不到更廣泛的建議。

在工業(yè)界蓬勃發(fā)展的同時，學(xué)術(shù)界也將也將繼續(xù)發(fā)揮重要作用，它不僅會持續(xù)提出最具創(chuàng)新性的技術(shù)理念，也會將計算機(jī)科學(xué)、統(tǒng)計學(xué)的研究人員和其他學(xué)科的人聚集在一起，傾聽他們的重要觀點(diǎn)，尤其是社會科學(xué)、認(rèn)知科學(xué)和人文科學(xué)的專家學(xué)者。

另一方面，雖然人文和科學(xué)是我們發(fā)展的大方向，但我們也不能跳出工程范圍空做探討——社會需要一個新建的大工程，而且它應(yīng)該能按照人們的預(yù)期運(yùn)行。我們不希望辛辛苦苦構(gòu)建出一個個醫(yī)療系統(tǒng)、交通系統(tǒng)和商業(yè)系統(tǒng)，結(jié)果它們都沒什么實(shí)際作用，甚至?xí)Я巳藗兊纳?。正如我所?qiáng)調(diào)的，在這個以數(shù)據(jù)和學(xué)習(xí)為重點(diǎn)的領(lǐng)域，有一個新的工程學(xué)科亟待出現(xiàn)。而就現(xiàn)在已有的這些激動人心的工程應(yīng)用來看，它們中的任何一個都還達(dá)不到成為一個學(xué)科的門檻。

而且，我們應(yīng)該接受這樣一個現(xiàn)實(shí)：我們正在目睹一個新的工程學(xué)科的出現(xiàn)。雖然從狹義上來看，工程這個詞——無論是在學(xué)術(shù)上還是在其他領(lǐng)域內(nèi)——始終帶有冷漠、機(jī)械式的意味，甚至還透露出無法受人掌控的消極內(nèi)涵。但我們真正想要的就是這樣一個“工程”學(xué)科。

在這個時代，我們終于有一個真正的機(jī)會來做一件歷史性的大事——創(chuàng)造一個以人為中心的工程學(xué)科。

我拒絕為這個學(xué)科命名，但如果我們繼續(xù)沿用AI這個詞，這會讓我覺得大大受限。讓我們擴(kuò)大范圍、淡化炒作并認(rèn)識到未來的嚴(yán)峻挑戰(zhàn)！

——Michael I. Jordan