當(dāng)我們在談?wù)?AI 時，我們到底在談什么？人工智能三度崛起，所有的人張口閉口都是 AI，媒體的炒作讓人看到未來仿佛已經(jīng)來到我們的身邊。但事實真的如此嗎？機(jī)器學(xué)習(xí)宗師級大牛、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 Michael I. Jordan 今天在 Medium 上發(fā)布了一篇文章，名為《人工智能革命尚未發(fā)生》，看似在給這個冉冉升起的行業(yè)潑冷水，而實際上，這篇文章帶給我們更多的是冷靜的思考。

人工智能被稱為這個時代的標(biāo)志，這句話是技術(shù)人員、學(xué)者、記者和風(fēng)險投資家一致同意的。如同從技術(shù)學(xué)術(shù)領(lǐng)域跨越到普遍發(fā)行的許多術(shù)語一樣，在使用這些術(shù)語的同時存在重大的誤解。但這是因為公眾不了解科學(xué)家所做的事情，實際上科學(xué)家經(jīng)常和公眾一樣迷惑。我們這個時代在某種程度上從芯片中洞見了智能未來，并用這些成就來娛樂自己、激勵自己甚至嚇到我們自己。很不幸的事實是：這些都太讓我們分心了。

對于我們這個時代，有一種不同的描述。先來聽一個故事吧，這是一個有關(guān)人類、計算機(jī)、數(shù)據(jù)和生死的故事，這是個真實的故事，并不是一個有關(guān)智能的幻想。

14 年前，我的妻子懷孕的時候，我們進(jìn)行了超聲檢查。當(dāng)時病房里有一位遺傳學(xué)家，她告訴我們，胎兒的心臟周圍有一圈白色斑點，“這是唐氏綜合癥的標(biāo)志”，她這樣說：“現(xiàn)在風(fēng)險已經(jīng)高達(dá) 1/20?！?之后她進(jìn)一步告訴我們，可以選擇用羊膜穿刺的辦法確定胎兒是否真的患有唐氏綜合癥。但是，羊膜穿刺是有風(fēng)險的，胎兒致死率是三百分之一。作為統(tǒng)計學(xué)家，我決定找出這些數(shù)字從哪兒來。長話短說，我發(fā)現(xiàn)一個統(tǒng)計分析在英國已經(jīng)進(jìn)行了十年，這些反映鈣積聚的白色斑點確實是唐氏綜合癥的預(yù)測指標(biāo)。但我也注意到，在我們的檢查中使用的成像機(jī)器比英國研究中使用的機(jī)器每平方英寸多了幾百個像素。我回過頭來告訴遺傳學(xué)家，我相信這些白斑可能是假陽性特征——它們實際上是 “白噪聲”。她說：“啊，這就解釋了為什么我們幾年前開始看到唐氏綜合征診斷的增加，就是從新儀器啟用之后開始的?！?/p>

我們沒有做羊膜穿刺術(shù)，幾個月后我們有了一個健康的女兒。但是這件事讓我感到困擾，特別是在信封計算（back-of-the-envelope calculation）后，我確信全世界當(dāng)天有成千上萬的人得到這種診斷，其中許多人選擇了羊膜穿刺術(shù)，并且已經(jīng)造成了一些嬰兒不必要的死亡。而這種情況一天又一天發(fā)生，不知何時才能得到修復(fù)。這個事件顯示的問題與我個人的醫(yī)療保健無關(guān)——它關(guān)乎整個醫(yī)療系統(tǒng)。它可以測量不同地點和時間的變量和結(jié)果，進(jìn)行統(tǒng)計分析，并在其他地方和時間使用這一結(jié)果。這個問題不僅與數(shù)據(jù)分析本身有關(guān)，而且與數(shù)據(jù)庫研究人員所稱的數(shù)據(jù) “來源” 有關(guān)——廣義而言，數(shù)據(jù)出現(xiàn)在哪里，數(shù)據(jù)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？或許一個訓(xùn)練有素的人能夠在個案的基礎(chǔ)上進(jìn)行所有這些工作，但問題在于如何設(shè)計一個大規(guī)模醫(yī)療系統(tǒng)來做到同樣的事，而無需人類進(jìn)行詳細(xì)的監(jiān)督。

我是一名計算機(jī)科學(xué)家，在我的知識體系中，這樣的事幾乎是沒有先例的，要建立這種超大規(guī)模的推理和決策系統(tǒng)，需要將計算機(jī)科學(xué)與統(tǒng)計數(shù)據(jù)融合在一起，同時還要考慮人力資源的情況。不僅在醫(yī)療領(lǐng)域，在商業(yè)、交通和教育等領(lǐng)域，它的需求都很大，而且會比已有的花哨的 AI 系統(tǒng)更加耀眼奪目。

無論我們是否真能在不久的未來理解 “智能”，我們確實面臨著一個重大挑戰(zhàn)，那就是如何將計算機(jī)和人類結(jié)合在一起從而增強(qiáng)人類生活。雖然有些人認(rèn)為這一挑戰(zhàn)是“人工智能” 創(chuàng)造出來的附屬品，但其實我們也可以把它看作是一個新的工程分支，雖然看起來比較平凡，但同樣令人敬畏。就像過去幾十年的土木工程和化學(xué)工程一樣，這一新學(xué)科旨在集中一些關(guān)鍵思想的力量，在保證安全的前提下，為人們帶來新的資源和能力。土木工程和化學(xué)工程是建立在物理和化學(xué)基礎(chǔ)上的，而這個新的工程學(xué)科將建立在上個世紀(jì)賦予 “信息”、“算法”、“數(shù)據(jù)”、“不確定性”、“計算”、“推理” 和“優(yōu)化”等概念的基礎(chǔ)之上。此外，由于新學(xué)科的大部分重點將放在來自人類和與人類有關(guān)的數(shù)據(jù)上，因此需要從社會科學(xué)和人文科學(xué)的角度來看待這一學(xué)科的發(fā)展。

雖然人工智能這個大工程的組成部件已經(jīng)逐漸顯現(xiàn)，但如何把這些部件組合在一起的原則尚未出現(xiàn)，因此這些部件目前只是以臨時的方式堆在一起。

而正如人類在土木工程出現(xiàn)之前就已經(jīng)開始建造房子和橋梁一樣，人類已經(jīng)開始著手建造涉及機(jī)器、人和環(huán)境的大規(guī)模推理和決策系統(tǒng)。但也正如早期的建筑物和橋梁有時會以無法預(yù)見的方式倒塌，并帶來悲劇性后果一樣，我們許多早期的大規(guī)模推理和決策系統(tǒng)已經(jīng)暴露出了嚴(yán)重的概念缺陷。

不幸的是，我們并不善于預(yù)測下一個會出現(xiàn)的嚴(yán)重缺陷是什么。我們所缺少的是一門涵蓋分析和設(shè)計原理的工程學(xué)科。

當(dāng)前公眾談到這些話題的時候總是把什么都說成是 “AI”，仿佛這是一個萬用通配符，這會導(dǎo)致人們很難推理出這項新興技術(shù)的影響范圍和帶來的后果。所以，首先讓我們開始仔細(xì)地考慮一下，“AI” 到底指的是什么，不管是過去歷史中的 “AI” 還是最近人們經(jīng)常談?wù)摰摹癆I”。

當(dāng)我們談?wù)?“AI”，我們到底談的是什么？

今天所謂的 “人工智能”，特別是大眾所談?wù)摰摹叭斯ぶ悄堋保蟛糠种傅氖沁^去幾十年中被稱為“機(jī)器學(xué)習(xí)” 的東西。機(jī)器學(xué)習(xí)屬于算法領(lǐng)域，它融合了統(tǒng)計學(xué)、計算機(jī)科學(xué)和許多其他學(xué)科的思想，以設(shè)計處理數(shù)據(jù)、做出預(yù)測和幫助決策的算法。真正給現(xiàn)實世界帶來影響的是機(jī)器學(xué)習(xí)，而且它所帶來的影響并不是最近才有的。事實上，業(yè)界在 90 年代初就已經(jīng)非常清楚地意識到，機(jī)器學(xué)習(xí)未來可能會對工業(yè)帶來大規(guī)模的影響，在本世紀(jì)初，亞馬遜等極具前瞻性的公司就已經(jīng)在所有業(yè)務(wù)中使用機(jī)器學(xué)習(xí)，以解決欺詐檢測、供應(yīng)鏈預(yù)測等關(guān)鍵問題，并構(gòu)建面向消費者的創(chuàng)新服務(wù)，如推薦系統(tǒng)等。在接下來的 20 年中，隨著數(shù)據(jù)和計算資源的迅速增長，很明顯，機(jī)器學(xué)習(xí)將能夠為任何決策與大規(guī)模數(shù)據(jù)相關(guān)聯(lián)的公司提供新的動力，而不僅是亞馬遜。新的商業(yè)模式不斷涌現(xiàn)?！皵?shù)據(jù)科學(xué)”一詞開始被用來指代這一現(xiàn)象，反映出機(jī)器學(xué)習(xí)算法專家需要與數(shù)據(jù)庫、分布式系統(tǒng)專家合作，以建立可擴(kuò)展的、健壯的機(jī)器學(xué)習(xí)系統(tǒng)，同時也反映出推理系統(tǒng)的更大潛力。

在過去幾年里，這種想法和技術(shù)趨勢的融合被重新命名為 “AI”。這種重新命名值得仔細(xì)研究。

回顧歷史，“AI”一詞是在上世紀(jì) 50 年代末被創(chuàng)造出來的，指的是用軟件和硬件實現(xiàn)一個擁有人類智能的實體這一雄心勃勃的愿望。我們將使用 “仿人 AI” 一詞來指代這一愿望，它所強(qiáng)調(diào)的是人工智能實體應(yīng)該是人類的一員，如果不是身體上相似那么至少應(yīng)該從精神上相似（先不管這意味著什么）。這主要是一項學(xué)術(shù)研究。雖然諸如運(yùn)籌學(xué)、統(tǒng)計學(xué)、模式識別、信息論和控制論等相關(guān)的學(xué)術(shù)領(lǐng)域早已存在，并且常常受到人類智能（和動物智能）的啟發(fā)，但是這些領(lǐng)域可以說集中在 “低級” 信號和決策上。比如說，松鼠能夠感知它所生活的森林的三維結(jié)構(gòu)，并在樹枝間跳躍，這種能力對這些領(lǐng)域是很有啟發(fā)性的。而 “AI” 所應(yīng)該關(guān)注的是另外一些不同的東西——人類 “推理” 和“思考”的 “高級認(rèn)知” 能力。然而，60 年過去了，高級推理和思考仍然難以捉摸?，F(xiàn)在那些被稱為 “AI” 的發(fā)展主要出現(xiàn)在與低級模式識別和運(yùn)動控制相關(guān)的工程領(lǐng)域，以及統(tǒng)計學(xué)領(lǐng)域——該學(xué)科側(cè)重于在數(shù)據(jù)中發(fā)現(xiàn)模式，并做出有根據(jù)的預(yù)測、假設(shè)檢驗和決策。

著名的 “反向傳播” 算法在 20 世紀(jì) 80 年代初被 David Rumelhart 重新發(fā)現(xiàn)，且現(xiàn)在被認(rèn)為是所謂的 “人工智能革命” 的核心，但事實上，這一算法最早出現(xiàn)在 20 世紀(jì)五六十年代的控制理論領(lǐng)域。它的早期應(yīng)用之一是優(yōu)化阿波羅宇宙飛船飛向月球的推力。

雖然自 20 世紀(jì) 60 年代以來，我們已經(jīng)取得了很大的進(jìn)展，但可以說，這并不是源于對 “仿人 AI” 的追求。相反，就像阿波羅宇宙飛船一樣，這些想法往往隱藏在幕后，是專注于具體工程挑戰(zhàn)的研究人員的杰作。雖然公眾看不到，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)分析規(guī)劃和診斷、A/B 測試等領(lǐng)域的研究和系統(tǒng)構(gòu)建取得了巨大的成功——而這些進(jìn)步推動了谷歌、Netflix、Facebook 和亞馬遜等公司的發(fā)展。

人們可以簡單地同意將所有這些都稱為 “AI”，事實上，人們現(xiàn)在似乎就是這么做的。這種隨意的命名標(biāo)簽，可能會讓優(yōu)化或統(tǒng)計學(xué)領(lǐng)域的研究人員感到意外，他們一覺醒來后發(fā)現(xiàn)自己突然就被稱為“人工智能研究人員” 了。但撇開研究人員的標(biāo)簽不談，更大的問題是，使用這個單一的、定義不清的首字母縮略詞，使人們無法清晰地理解當(dāng)前正在發(fā)生的到底是什么樣的技術(shù)和商業(yè)變革。

在過去的二十年里，在工業(yè)界和學(xué)術(shù)界取得重大進(jìn)展的應(yīng)該是 “智能增強(qiáng)”（IA），這通常被人們視為對“仿人 AI” 的一種補(bǔ)充。在 IA 領(lǐng)域，計算和數(shù)據(jù)被用來創(chuàng)建增強(qiáng)人類智力和創(chuàng)造力的服務(wù)。搜索引擎可以被看作是 IA 的一個例子（它增強(qiáng)了人的記憶和事實知識），自然語言翻譯也是如此（它增強(qiáng)了人的交流能力）?；谟嬎愕穆曇艉蛨D像生成是藝術(shù)家的調(diào)色板和創(chuàng)造力增強(qiáng)器。雖然這類服務(wù)可能涉及高級推理和思考，但目前它們并不涉及——它們主要執(zhí)行各種字符串匹配和數(shù)字操作，以捕獲人類可以利用的模式。

希望讀者能容忍最后一個縮略詞，讓我們大致設(shè)想一下 “智能基礎(chǔ)設(shè)施”（II）學(xué)科，即存在一個包含計算、數(shù)據(jù)和物理實體的網(wǎng)絡(luò)，使人類環(huán)境更加穩(wěn)定、有趣和安全。這種基礎(chǔ)設(shè)施正開始出現(xiàn)在運(yùn)輸、醫(yī)藥、商業(yè)和金融等領(lǐng)域，并對個人和社會產(chǎn)生巨大影響。類似的問題有時會出現(xiàn)在關(guān)于“物聯(lián)網(wǎng)” 的對話中，但 “物聯(lián)網(wǎng)” 通常指的僅僅是將 “物” 放到互聯(lián)網(wǎng)上的問題，而我所指的 “智能基礎(chǔ)設(shè)施” 涵蓋的是更大的挑戰(zhàn)，包括如何分析這些互相關(guān)聯(lián)的 “物” 的數(shù)據(jù)流以發(fā)現(xiàn)關(guān)于世界的事實，并以比 bit 更高的抽象級別與人類和其他 “物” 交互。

一個 “以人為中心” 的新學(xué)科將會出現(xiàn)

例如，回到我的個人軼事，我們可以想象生活在一個 “社會規(guī)?；尼t(yī)療系統(tǒng)” 中，我們在周圍的醫(yī)生和設(shè)備之間建立數(shù)據(jù)流和數(shù)據(jù)分析流程，從而幫助人類進(jìn)行診斷和提供護(hù)理。這個系統(tǒng)將我們身體里的細(xì)胞、DNA、血液檢測、周遭環(huán)境、群體遺傳學(xué)和關(guān)于藥物和治療的大量科學(xué)文獻(xiàn)相關(guān)信息整合起來，它將不僅關(guān)注單個病人和醫(yī)生，還關(guān)注所有人類之間的關(guān)系——就像現(xiàn)在的醫(yī)學(xué)檢測允許在一組人類（或動物）上進(jìn)行實驗之后被大規(guī)模應(yīng)用一樣。借鑒當(dāng)前銀行體系著重解決財務(wù)和支付領(lǐng)域挑戰(zhàn)的方法，這將有助于保留相關(guān)性、出處和可靠性的概念。然而，人們可以預(yù)見到這樣一個系統(tǒng)將帶來的許多問題 ，包括隱私、責(zé)任、安全問題等。但這些問題應(yīng)該被視為挑戰(zhàn)，而不是阻礙我們行動的絆腳石。

我們現(xiàn)在遇到了一個關(guān)鍵問題：傳統(tǒng)的仿人 AI 是否為解決這些難題的最佳且唯一的方法？事實上，最近大受歡迎的 ML 已經(jīng)在一些仿人 AI 相關(guān)領(lǐng)域得到了成功應(yīng)用，如計算機(jī)視覺、語音識別、游戲機(jī)和機(jī)器人等。所以，也許我們應(yīng)該耐心觀察這些領(lǐng)域的進(jìn)一步發(fā)展。這里有兩點需要說明。首先，盡管報紙上不會宣揚(yáng)這樣一個事實，即仿人 AI 的成功實際上是有限的——我們距離實現(xiàn)仿人 AI 的愿望還很遙遠(yuǎn)。 不幸的是，仿人 AI 領(lǐng)域一點點的進(jìn)展和風(fēng)吹草動都會被媒體關(guān)注和夸大，導(dǎo)致過的的興奮（和恐懼），這在其他工程領(lǐng)域并未出現(xiàn)。

其次，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 問題，也不是必需的。在效率方面，以自動駕駛車輛為例。為了實現(xiàn)這樣的技術(shù)，需要解決一系列工程問題，但這些問題可能與人的能力（或人所缺乏的能力）關(guān)系不大。整個交通系統(tǒng)（一個 II 系統(tǒng)）可能會更像目前的空中交通管制系統(tǒng)，而不是目前管理松散，雖具有前瞻性，但注意力不集中的人類駕駛員。它將比當(dāng)前的空中交通管制系統(tǒng)復(fù)雜得多，特別是在使用大量數(shù)據(jù)和自適應(yīng)統(tǒng)計建模來進(jìn)行精細(xì)的決策時。這些挑戰(zhàn)是重中之重，我們也正在為此而努力，因此過于專注于仿人 AI 將會是分心的一件事。

有一些觀點認(rèn)為，仿人 AI 其實包含了 IA 和 II 目標(biāo)，因為仿人 AI 系統(tǒng)不僅能夠解決傳統(tǒng)的 AI 問題（例如圖靈測試），它還是解決 IA 和 II 問題的最佳選擇。這樣的論點以前并沒有過。土木工程能靠想象創(chuàng)造一個人造木匠或泥瓦匠就能建立得起來的嗎？化學(xué)工程是否應(yīng)該讓一個人造化學(xué)家來創(chuàng)建？更具挑戰(zhàn)性的問題是：如果我們的目標(biāo)是建立一家化學(xué)工廠，那么我們是否應(yīng)該首先創(chuàng)造一個人造化學(xué)家，然后才能制定出如何建造化學(xué)工廠的計劃？

與此類似的一個觀點是，人類智力是我們目前所知的唯一智慧，所以第一步，我們應(yīng)該模仿它。但是人類其實并不擅長所有推理——我們會有失誤、偏見和局限。而且，關(guān)鍵是我們并沒有進(jìn)化出現(xiàn)代 II 類系統(tǒng)必須具備的大規(guī)模決策的能力，也沒有處理 II 類背景下出現(xiàn)的各種不確定性的能力。有人可能會說，人工智能系統(tǒng)不僅會模仿人的智能，而且會 “糾正” 它，并且還會擴(kuò)展到任意大范圍的問題。但是，這是科幻小說中才會出現(xiàn)的情況，這種推測性的論點雖然在小說創(chuàng)作中很有娛樂性，但它不應(yīng)該成為我們在面臨開始出現(xiàn)的重大 IA 和 II 問題時，拿出的主要策略。

II 系統(tǒng)中的算法和基礎(chǔ)設(shè)施的問題不難解決，這些并不是仿人 AI 研究的核心課題。II 系統(tǒng)需要管理分布式知識庫，這些知識庫在不斷發(fā)生著變化，并且可能在全球范圍內(nèi)并不一致。這些系統(tǒng)必須在做出及時的分布式?jīng)Q策時應(yīng)考慮到與云端的相互作用，而且必須處理長尾現(xiàn)象，因為可能某個人的數(shù)據(jù)數(shù)量巨大，但大部分個人的數(shù)據(jù)則很少。另外，它們還必須跨越管理和競爭的界限，解決分享數(shù)據(jù)的難題。最后，尤其重要的是，II 系統(tǒng)必須將諸如激勵和定價等經(jīng)濟(jì)概念帶入統(tǒng)計和計算基礎(chǔ)設(shè)施領(lǐng)域，這些基礎(chǔ)設(shè)施將人與人之間，以及有價物品聯(lián)系起來。這樣的 II 系統(tǒng)不僅可以提供服務(wù)，而且在創(chuàng)造市場。諸如音樂、文學(xué)和新聞等領(lǐng)域正在翹首以盼這樣的市場誕生，讓數(shù)據(jù)分析將生產(chǎn)者和消費者聯(lián)系起來。而這一切，都必須在不斷演變的社會、道德和法律規(guī)范的背景下才能進(jìn)行。

當(dāng)然，傳統(tǒng)的仿人 AI 問題仍然值得關(guān)注。然而，目前我們專注于通過收集數(shù)據(jù)，部署 “深度學(xué)習(xí)” 基礎(chǔ)設(shè)施，以及展示某些模仿狹隘定義的人類技能的系統(tǒng)（很少使用新出現(xiàn)的解釋原則）來研究人工智能，卻極有可能會偏離解決經(jīng)典人工智能中重大開放性問題的目標(biāo)。這些重大問題包括：將意義和推理引入自然語言處理系統(tǒng)的必要性，推斷和表示因果關(guān)系的必要性，開發(fā)計算上易于處理的不確定表示的必要性，以及開發(fā)制定并執(zhí)行長期目標(biāo)的系統(tǒng)的必要性。 這些都是仿人 AI 的經(jīng)典目標(biāo)，但在目前人們對 “AI 革命” 的喧囂中，我們很容易忘記這些問題其實還沒有得到解決。

IA 的重要性仍將持續(xù)，因為在可預(yù)見的將來，計算機(jī)還是無法與人類在抽象理解現(xiàn)實世界的能力相提并論。我們需要經(jīng)過深思熟慮的人機(jī)互動方案來解決最緊迫的問題。我們希望計算機(jī)能夠打通人類創(chuàng)造力的任督二脈，而不是取代人類的創(chuàng)造力（無論這可能意味著什么）。

約翰 · 麥卡錫（John McCarthy，當(dāng)時是達(dá)特茅斯大學(xué)的教授，后來在麻省理工學(xué)院任職）創(chuàng)造了 “人工智能” 這個詞，顯然是為了與諾伯特 · 維納（Norbert Wiener）（當(dāng)時是麻省理工學(xué)院的一位老教授）所提出的 “控制論”（cybernetics）做出區(qū)分。維納創(chuàng)造的“控制論” 是指他自己構(gòu)想的的智能系統(tǒng)——這一系統(tǒng)與運(yùn)籌學(xué)、統(tǒng)計學(xué)、模式識別、信息論和控制理論密切相關(guān)。但另一方面，麥卡錫的理論強(qiáng)調(diào)了邏輯之間的聯(lián)系。有趣的是，在麥卡錫術(shù)語的旗幟下，維納的理論卻在當(dāng)今時代占據(jù)主導(dǎo)地位。（然而，這種情況當(dāng)然只是暫時的，人工智能中各派系地位的變化比大多數(shù)領(lǐng)域都大得多）。

但我們需要超越麥卡錫和維納的歷史局限。

我們需要認(rèn)識到，目前關(guān)于人工智能的大討論（專注于狹隘的行業(yè)和學(xué)術(shù)子領(lǐng)域）讓我們面臨被蒙蔽的風(fēng)險，難以看到 AI、IA 和 II 全局范圍所帶來的挑戰(zhàn)和機(jī)遇。

科幻小說中的幻想和超人類機(jī)器的噩夢有一天會成真并不是重點，我們更關(guān)心人類理解和塑造技術(shù) AI 的需求，因為它在人們的日常生活中變得更加現(xiàn)實和有影響力。此外，在這種理解和塑造中，我們需要來自各行各業(yè)的不同聲音，而不僅僅是技術(shù)方面的。狹隘地專注于仿人 AI 也會屏蔽掉更廣泛的聲音。

雖然行業(yè)將繼續(xù)推動發(fā)展，但學(xué)術(shù)界也將繼續(xù)發(fā)揮重要作用，它不僅能提供一些最具創(chuàng)新性的技術(shù)思想，而且還可以將計算和統(tǒng)計學(xué)科的研究人員與其他領(lǐng)域的研究人員，特別是社會科學(xué)、認(rèn)知科學(xué)和人文科學(xué)領(lǐng)域的研究者，他們的貢獻(xiàn)非常有意義且必要。

另一方面，雖然人文和科學(xué)是我們前進(jìn)的關(guān)鍵，但我們也不應(yīng)該假裝我們正在談?wù)撘粋€規(guī)模和范圍空前的工程，我們的社會從古至今一直都在致力于按照規(guī)則建造新的人類文明，人工智能也不例外。我們不希望原本旨在幫助我們獲得醫(yī)療、交通便利和商業(yè)機(jī)會的系統(tǒng)，到最后被發(fā)現(xiàn)并不能很好地工作，它們犯下的錯誤讓人們的生活和幸福受到影響。在這方面，正如我強(qiáng)調(diào)的那樣，我們至今還沒有形成一個聚焦于數(shù)據(jù)和學(xué)習(xí)的學(xué)科。它們的出現(xiàn)將非常令人興奮，但目前還未能構(gòu)成一個工程學(xué)科。

而且，我們應(yīng)該接受這樣的事實：我們正目睹一個新的工程分支出現(xiàn)。“工程”（engineering）這個術(shù)語通常是指學(xué)術(shù)或其他領(lǐng)域的狹義定義——冷酷無情，不受影響，并暗含失去人類控制的含義。但是工程學(xué)科可以按照我們想要的來創(chuàng)造。

在當(dāng)今時代，我們有一個真正的機(jī)會來設(shè)想一些歷史上不曾出現(xiàn)的新事物——一個以人為中心的工程學(xué)科。

我拒絕給這個新興的學(xué)科命名，但如果仍用首字母縮寫詞 “AI” 繼續(xù)作為術(shù)語，我們應(yīng)意識到它的限制性。反之，我們應(yīng)該有大局意識，少一點炒作，并認(rèn)識到未來面臨挑戰(zhàn)的嚴(yán)峻性。