現在我們面臨一個關鍵問題：目前在傳統的、基于人類模仿的AI真的是解決這些挑戰的最佳方式（甚至是唯一方式）嗎？
事實上，機器學習近年來取得成功的一些成功案例都是在模仿人類的AI領域，如計算機視覺、語音識別、游戲和機器人技術。也許我們應該繼續等待，等待這些領域的更多技術進步。這里有兩件事情需要注意。
首先，目前模仿人類的AI取得的成功還很有限，我們的最終愿望還遠未實現。同時，在這個領域已經取得的有限進展，產生了巨大的快感，也滋生了不少恐懼，導致AI的過度繁榮和媒體的過度關注，這一點在其他工程領域是不存在的。
更重要的是第二點，在這些領域取得的成功并不足以解決重要的IA和II問題。比如自動駕駛汽車。要實現自動駕駛，需要解決一系列工程上的問題，這些問題可能與人的能力（或人力資源缺乏）關系不大。整體交通運輸系統（II系統）可能更接近當前的空中交通管制系統，而不是目前普遍關注的人類駕駛員。這種系統比現有的空中交通管制系統復雜得多，特別是可以使用大量數據和自適應統計建模，為精細化決策提供信息。應對這些挑戰需要關注最前沿，僅僅關注模仿人類的AI是不夠的。
至于必要性，有人說模仿人類的AI愿景涵蓋了IA和II的目標，因為它不僅能夠解決AI的經典問題（比如圖靈測試），同時也是解決IA和II問題的最佳選擇。不過這種說法幾乎在歷史上找不到先例。以前聽說過要用AI木匠或AI瓦工來搞土木工程嗎？化學工程是否應該建一個AI化學家的框架？更有爭議的是：如果我們的目標是建立化工廠，是否應該首先打造一群AI化學家，然后讓TA們去研究怎么建？
有一種說法是，人類智能是我們所了解的唯一一種智能，因此我們應該將模仿人類智能作為第一步。但是，人類實際上并不擅長某種推理，人類有自己的失誤、偏見和局限。而且，至關重要的是，人類并沒能進化足以執行現代II系統必須面對的大規模決策，也沒有應對II環境中出現的各種不確定性的能力。
有人可能會說，
人工智能系統不僅會模仿人類智能，還會糾正人工智能，而且這種能力可以擴展到任意規模的問題。當然，現在說的處于科幻小說的范疇，這種推測性的論點，雖然放在科幻小說中會很吸引人，但不應該成為我們面對關鍵的IA和II問題時采取的主要戰略，這類問題已經開始出現了。我們需要根據自身的優勢解決IA和II問題，而不僅僅靠模仿人類的AI。
當然，經典的人工模擬AI問題仍然很有意義。然而，目前的重點是通過收集數據進行AI研究，部署深度學習基礎設施，以及模仿某些特定人類技能的系統的演示。這些研究中幾乎沒有涉及新的解釋性原則，往往會將研究的注意力偏離經典AI領域的幾個主要開放問題。
這些問題包括需要將意義和推理引入自然語言處理的系統，以應對推斷和表示因果關系的需要。開發計算易處理的不確定性表示，以及開發制定和追求長期目標的系統。這些都是模仿人類的AI的經典目標，但在當前人工智能革命的熱潮中，人們很容易忘記這些尚未解決的問題。
IA同樣是非常重要的問題，因為在可預見的未來，計算機仍無法與人類在抽象推理真實情況的能力相比。我們需要經過深思熟慮的人機的交互來解決最緊迫的問題。我們希望計算機能夠催生出人類創造力的新水平，而不是取代人類的創造力。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
