现在我们面临一个关键问题：目前在传统的、基于人类模仿的AI真的是解决这些挑战的最佳方式（甚至是唯一方式）吗？
事实上，机器学习近年来取得成功的一些成功案例都是在模仿人类的AI领域，如计算机视觉、语音识别、游戏和机器人技术。也许我们应该继续等待，等待这些领域的更多技术进步。这里有两件事情需要注意。
首先，目前模仿人类的AI取得的成功还很有限，我们的最终愿望还远未实现。同时，在这个领域已经取得的有限进展，产生了巨大的快感，也滋生了不少恐惧，导致AI的过度繁荣和媒体的过度关注，这一点在其他工程领域是不存在的。
更重要的是第二点，在这些领域取得的成功并不足以解决重要的IA和II问题。比如自动驾驶汽车。要实现自动驾驶，需要解决一系列工程上的问题，这些问题可能与人的能力（或人力资源缺乏）关系不大。整体交通运输系统（II系统）可能更接近当前的空中交通管制系统，而不是目前普遍关注的人类驾驶员。这种系统比现有的空中交通管制系统复杂得多，特别是可以使用大量数据和自适应统计建模，为精细化决策提供信息。应对这些挑战需要关注最前沿，仅仅关注模仿人类的AI是不够的。
至于必要性，有人说模仿人类的AI愿景涵盖了IA和II的目标，因为它不仅能够解决AI的经典问题（比如图灵测试），同时也是解决IA和II问题的最佳选择。不过这种说法几乎在历史上找不到先例。以前听说过要用AI木匠或AI瓦工来搞土木工程吗？化学工程是否应该建一个AI化学家的框架？更有争议的是：如果我们的目标是建立化工厂，是否应该首先打造一群AI化学家，然后让TA们去研究怎么建？
有一种说法是，人类智能是我们所了解的唯一一种智能，因此我们应该将模仿人类智能作为第一步。但是，人类实际上并不擅长某种推理，人类有自己的失误、偏见和局限。而且，至关重要的是，人类并没能进化足以执行现代II系统必须面对的大规模决策，也没有应对II环境中出现的各种不确定性的能力。
有人可能会说，
人工智能系统不仅会模仿人类智能，还会纠正人工智能，而且这种能力可以扩展到任意规模的问题。当然，现在说的处于科幻小说的范畴，这种推测性的论点，虽然放在科幻小说中会很吸引人，但不应该成为我们面对关键的IA和II问题时采取的主要战略，这类问题已经开始出现了。我们需要根据自身的优势解决IA和II问题，而不仅仅靠模仿人类的AI。
当然，经典的人工模拟AI问题仍然很有意义。然而，目前的重点是通过收集数据进行AI研究，部署深度学习基础设施，以及模仿某些特定人类技能的系统的演示。这些研究中几乎没有涉及新的解释性原则，往往会将研究的注意力偏离经典AI领域的几个主要开放问题。
这些问题包括需要将意义和推理引入自然语言处理的系统，以应对推断和表示因果关系的需要。开发计算易处理的不确定性表示，以及开发制定和追求长期目标的系统。这些都是模仿人类的AI的经典目标，但在当前人工智能革命的热潮中，人们很容易忘记这些尚未解决的问题。
IA同样是非常重要的问题，因为在可预见的未来，计算机仍无法与人类在抽象推理真实情况的能力相比。我们需要经过深思熟虑的人机的交互来解决最紧迫的问题。我们希望计算机能够催生出人类创造力的新水平，而不是取代人类的创造力。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
