據報導稱，沃森給出的一些倡議“不寧靜、禁絕確”。2016年，位于德國馬堡的“稀有病和未確診疾病中間”操縱沃森展開的項目，不到兩年就被叫停，由于“事情成果沒法承受”。當大夫將病人的胸痛病癥見告沃森體系時，沃森并沒有提出心臟病、心絞痛或自動脈扯破等能夠的診斷，而這些連一年級的醫門生都能提出。沃森的成績被暴光后不久，Facebook的M方案也被叫停。此時間隔項目啟動的工夫還不到3年。

　　自從野生智能降生之始，業界專家就連結著愿景不足、落地不敷的傳統。20世紀五六十年月，馬文·明斯基（Marvin Minsky）、約翰·麥卡錫（John McCarthy）與赫伯特·西蒙（Herbert Simon）等前驅人物曾發自心里腸深信，AI的成績將在20世紀末之前被完全處理。明斯基有句廣為傳播的名言：“一代人以內，野生智能的成績將在整體上獲得處理。”50年以后，這些預言卻未能完成，而新畫的“大餅”卻屢見不鮮。2002年，將來學家雷·庫茲韋爾（Ray Kurzweil）公然斷言AI將在2029年之前“逾越人類自己的聰慧”。2018年11月小兒腦癱為何抱病，OpenAI這家出名AI研討機構的結合開創人伊利亞·蘇茨科弗（Ilya Sutskever）提出：“我們應莊重當真地思索近期完成通用野生智能（AGI）的能夠性。”

　　仍是要明白一點：固然廓清上述一切成績，需求拿出批駁的立場來，但我們對AI全無半點憎恨，而是心胸酷愛。我們的全部職業生活生計都沉醉此中，至心期望看到AI能以最快的速率向前開展重生兒常見疾病有哪些。我們不期望AI從天下上消逝，我們期望見證AI的生長，并且期望AI能日新月異地生長，如許人們才氣實其實在地依托AI來處理成績。

　　一樣，說到影戲情節或是報刊文章的中間思惟，我們甘愿信賴初中生的了解，也不敢信賴AI體系的判定。就算我們再不喜好給寶寶換尿布，也不敢設想，現在正在開辟中的機械人能幫我們做這件事而且充足牢靠。

　　舉例來講，當數千名仆從一個接一個地冒著被處決的傷害站起來高呼“我是斯巴達克斯”時，我們立即就可以曉得，除斯巴達克斯自己以外，其他一切人都在撒謊，而長遠的一幕又是那末動聽、那末深入，當前的AI項目底子達不到如許的了解程度。據我們所知，今朝的AI程度以至連朝這個了解程度開展的動力都不具有。AI確實獲得了大幅停頓，但物體辨認這類曾經被處理了的成績，與了解意義的才能有著大相徑庭。

　　第一個坑，我們稱之為“輕信坑”。人類在退化過程當中，并沒有開展出在人類和機械之間停止辨別的分辨才能，這就讓我們變得出格簡單被捉弄。我們之以是以為計較性能夠具有聰慧，是由于人類的全部退化歷程都是與報酬伴，而人類自己的舉動是以思惟、崇奉和愿望等籠統觀點為根底的。從外表看來，機械的舉動經常與人類舉動有類似的地方，因而我們會不假思考地以為機械也具有和人類一樣的某種思想機制，而究竟上，機械其實不具有如許的才能。我們老是掌握不住本人，從認知的角度去對待機械（“這臺計較機以為我把文件刪除”），底子不在乎機械實踐順從的劃定規矩是何等的簡樸通透。可是，某些完整合適用在人類身上的推論，放到AI身上就會大錯特錯。為向社會意思學表達敬意，我們參考此中一條中間準繩的稱呼，將此征象稱為“根本超歸因毛病”。

　　成果顯現，針對該特定使命的瀏覽才能有細小前進，從之前的82.136%進步到了82.65%，也就是所謂的從之前不及人類的程度進步到了人類的程度。此中一家公司公布了一篇媒體消息稿，將這點微乎其微的成就說成反動性的打破，并頒布發表“能瀏覽文件、諦聽敘說并答復成績的AI”就此降生。

　　用不了多久，AI就會像電力一樣提高到千家萬戶。此時現在，沒有甚么比改正AI的前行標的目的更加緊急的使命了。

　　本文選自《怎樣締造可托的AI 》，較原文有刪省修正，小題目為編者所加，非原文一切。已得到出書社受權刊發。

　　假如我們期望機械能做到一樣的工作，去推理、去了解言語、去了解方圓天下、去有用進修、以與人類相媲美的靈敏性去順應新情況，我們就起首需求搞大白人類是怎樣做到這些的，搞大白我們人類的大腦終究想要做甚么（提醒：不是深度進修善于的那種對相干性的搜索）。或許只要如許，面臨應戰迎頭直上，我們才氣得到AI火急需求的重啟契機，打造出深度、牢靠、值得信賴的AI體系。

　　各個國度也不甘落伍。法國、俄羅斯、加拿大和中國等國度在AI范疇都做出了嚴重計謀布置。麥肯錫環球協會以為，AI關于經濟的團體影響可達13萬億美圓，其汗青意義完整能夠與18世紀的蒸汽機和21世紀初的信息手藝相媲美。

　　與此同時，AI范疇最杰出的研討職員之一杰弗里·欣頓（Geoffrey Hinton）說：“很較著，我們該當截至培育放射科醫師。”2015年，Facebook啟動了M方案。這是一個目的弘遠、籠蓋范疇普遍的談天機械人項目。這個機械人要有才能應對你的每種需求，既能幫你預訂餐廳坐位，又能幫你計劃下一次度假游覽重生兒常見疾病有哪些。可是，直至昔日，上述目的還沒有一件獲得落實。沒準兒有一天，主動駕駛汽車能真正包管寧靜并提高，談天機械人真能實其實在地滿意你的一切需求，具有超等智能的機械人大夫真能給你看病。但如今看來，一切這統統都是幻想，而非理想。

　　如今，幻想與理想之間，存在著一個被稱為AI鴻溝（The AI Chasm）的大坑。追根溯源，此大坑可一分為三。此中每個都需求我們坦誠面臨。

　　即便數據愈來愈豐裕，計較機速率愈來愈快，投資數額愈來愈大，我們仍是要認清一個理想：當下的繁華場面背后，短少了某些素質上的工具。就算攬盡一切這些前進，機械在很多方面仍然沒法和人類等量齊觀。

　　固然，近來幾年來，AI確實以一日千里的速率變得愈加使人震動，以至使人蔚為大觀。從下棋到語音辨認再到人臉辨認，AI都獲得了長足的前進。我們出格瀏覽的一家名叫Zipline的創業公司，操縱了一些AI手藝來指導無人機將血液送到非洲的患者身旁。而像如許有代價的AI使用，在幾年前仍是沒法完成的。

　　在這些案例中，大數據、深度進修再加上速率更快的硬件，即是AI的制勝之道。深度進修在很多實踐使用范疇也獲得了極大的勝利，如皮膚癌診斷、地動余震猜測、信譽卡狡詐檢測等。同時，深度進修也融入了藝術和音樂范疇，和大批的貿易使用當中，從語音辨認到給照片打標簽，再到資訊信息流的排序收拾整頓等。我們能夠操縱深度進修去辨認動物，主動加強照片中的天空，以至還能將口角照片轉換成彩色。深度進修獲得了使人注目的成績，而AI也隨之成了一個宏大的財產。谷歌和Facebook演出了史詩級的人材大戰，為博士生開出高薪。

　　理想遠遠沒有這么性感。上述測試是被設想來搞研討的，其實不克不及作為瀏覽了解程度的評判基準。測試中提到的每個成績，都能從文章中生吞活剝地找到謎底。說白了，這個測試只能評判劃重點的才能，別無其他。至于瀏覽的真正應戰—揣度出作者在字句以外所表達的意義，這些測試則底子連邊都沾不上。

　　以下內容節選自蓋瑞·馬庫斯與歐內斯特·戴維斯合著的《怎樣締造可托的AI》一書，已得到出書社受權刊發。

　　另有些人因AI的潛伏風險而憂?不已，而這些擔心與實踐狀況相去甚遠。牛津大學哲學家尼克·博斯特洛姆（Nick Bostrom）提出了關于超等智能霸占天下的話題，仿佛這個劫難不久就會發作似的。亨利·基辛格（Henry Kissinger）在《大西洋月刊》（The Atlantic）揭曉的文章中稱，AI的傷害能夠極端宏大，“人類汗青能夠重蹈印加人的復轍，面臨AI，就像印加人面臨沒法了解的西班牙文明一樣，以至會對其發生崇敬和畏敬之心”。埃隆·馬斯克（Elon Musk）曾提出正告，稱促進AI向前開展的舉動無異于“呼喚惡魔”，為人類帶來“比核兵器更恐懼”的傷害。已故的史蒂芬·霍金（Stephen Hawking）曾說過，AI的創造多是“人類文化史上最恐怖的變亂”。

　　但即便如許，這個AI體系竭盡盡力能做到的只是間接答復段落中所表現的根本成績，比方“魔戒在那里”“比爾博如今那邊”“佛羅多如今那邊”。萬萬別想問“佛羅多為何放下魔戒”之類的成績。很多媒體人在停止手藝報導時，特別喜好言過其實。如許做的間接結果就是讓公家誤覺得AI成真的曙光曾經灑滿大地。而實踐上，我們另有很冗長的夜路要走。從今今后，若再傳聞某個勝利的AI案例，倡議讀者提出以下6個成績：

　　AI如今面對著哪些應戰？將來會不會呈現要挾人類的超等野生智能？AI會成為堪比產業反動的海潮嗎？當下的AI存在哪些風險？真的有可托的AI嗎？幻想的AI與理想的AI之間終究存在哪些差異？怎樣構建人類和AI之間的信賴？

　　人們之以是老是太高地估量AI的實踐才能，一部門緣故原由在于媒體的夸大宣揚，將每次小小的成就描畫成翻天覆地的汗青性打破。

　　天下野生智能大會的召開，讓人們再度將眼光聚焦于野生智能。關于AI的將來，人們有很多美妙的憧憬，但蓋瑞·馬庫斯和歐內斯特·戴維斯卻期望找出時至昔日AI仍然沒有步入正軌的緣故原由。終究該怎樣做才氣得到妥當而可托的AI？這多是我們亟待處理的成績。

　　以瀏覽為例。當你讀到或聽到一個新句子時，你的大腦會在不到一秒鐘的工夫內停止兩品種型的闡發：第一，句法闡發，將句子拆解成一個個名詞和動詞，體會單個辭匯的意義和全部句子的意義；第二，將這句話與你所把握的關于天下的常識相聯絡，把這些經由過程語法構造在一同的零件與你所理解的一切實體和你腦海中的一切思惟整合為一體。假如這句話屬于影戲中的一段對話，你就會按照這句話對你所了解的該腳色的企圖和瞻望停止更新。這人想要做甚么？他說的是真相仍是謊話？這句話和之前發作的情節有著如何的干系？如許一句話會對別人組成如何的影響？

　　樞紐在于，AI并不是邪術，而是一套工程手藝和算法，此中每種手藝和算法都存在本身的剛強和缺點，合用于處理某些成績，但不克不及用于處理其他成績。我們寫作此書的次要緣故原由之一，就是由于現在漫山遍野的AI相干報導，都讓人覺得好像白天做夢，純真以人們對AI平空夢想出來的等待和自信心為根據，卻與當下的實踐手藝才能沒有半點聯系關系。關于完成通用野生智能的難度有多大這個理想成績，在很大水平上來看，從公家環繞AI睜開的會商中底子找不到一點點了解的千絲萬縷。

　　我們能夠垂手可得地答復諸如“誰去漫步”之類的成績，成績的謎底“蘇菲和亞歷山大”是間接在文中標明的。但真實的瀏覽需求我們更進一步看到字句以外的意義。我們還該當能答復諸如“蘇菲有無看到貓”和“孩子們有無被貓嚇到”等成績，固然這些成績的謎底并沒有間接擺在筆墨當中。假如你答復不了，就沒法子了解接下去會發作的工作。斯坦福問答數據庫其實不包羅此類成績，新的AI體系也沒法子應對這類成績。為了停止比照，我們在撰寫此段內容時，馬庫斯將這則故事在他4歲半的女兒克洛伊身長進行了測試。克洛伊不費吹灰之力就揣度出了故事中的蘇菲瞥見了貓。克洛伊還不到6歲的哥哥更棒，接著說假如那只狗實際上是一只貓則會怎樣怎樣。這類才能，是現現在的AI完整沒法企及的。

　　即使并非每一個人都像庫茲韋爾和蘇茨科弗那樣主動悲觀，但從醫療行業到無人駕駛汽車范疇，各類狼子野心的許諾仍然到處可見。這些許諾凡是會失。舉例來講，2012年，我們常常聽到人們談起“主動駕駛汽車將在不久的未來成為理想”。2016年，IBM聲稱，在Jeopardy!智力問答節目中奪魁的AI體系沃森（Watson）將會“在醫療行業掀起一場反動”，并稱沃森安康（Watson Healthcare）的“認知體系能了解、推理進修和互動”，而且“操縱認知計較在近期獲得的前進……我們能到達不敢設想的高度”。IBM的目的，是處理從藥理學、放射學到癌癥診斷與醫治中存在的諸多成績，操縱沃森去讀取醫學文獻，給出人類大夫能夠會漏掉的醫療倡議。

　　今朝還沒有值得信任的到達真正無人駕駛程度的汽車。能夠消耗者能買到的最靠近于無人駕駛程度的汽車，就是具有主動巡航功用的特斯拉，但特斯拉也需求人類司機在駕駛過程當中全程專心致志。在氣候情況優良的高速公路上，特斯拉的體系仍是比力牢靠的重生兒常見疾病有哪些，但它在人流車輛麋集的郊區就沒那末牢靠了。鄙人著雨的曼哈頓或孟買的街道上，我們甘愿將本人的人命交托給隨意哪一個人類司機，也不肯信賴無人駕駛汽車。此項手藝還沒有成熟。正如豐地主動駕駛研發副總裁所言：“在波士頓的氣候和交通情況下，搭無人駕駛汽車從劍橋到洛根機場，如許的工作能夠我這輩子都沒法切身閱歷了。”

　　第三個坑，就是我們所稱的“魯棒坑”。在業界，我們經常目擊如許的征象：每當人們找到了在某些時分能闡揚感化的AI處理計劃，他們就會假定，只需再略加勤奮，再多一點數據，此體系就可以在一切的時辰闡揚感化。而究竟其實不見得云云。

　　2018年，以深度進修為主題的最主要的一場科學大會，局部門票在12分鐘以內被搶購一空。固然我們不斷以為，具有人類程度靈敏性的AI比很多人設想的要更難以完成，但近年獲得的長足停頓也不容承認。群眾關于AI的鎮靜并不是偶爾。

　　6.此體系的魯棒性怎樣？假如利用其他數據集，在沒有大范圍從頭鍛煉的狀況下，能否還能勝利？（比方：一個玩游戲的機械假如把握了下國際象棋的妙技，它能否也能玩《塞爾達傳說》這類行動冒險游戲？用于辨認植物的體系，能否能將之前從未見過的物種精確辨認為植物？顛末鍛煉能在白日出行的無人駕駛汽車體系，能否也能在夜間或雪天出行，假如路上新增了一個輿圖中沒有的繞行標記，體系能否曉得怎樣應對？）

　　馬庫斯和戴維斯暗示：締造真正可托的AI需求付與機械知識和深度了解，而不是簡樸地統計闡發數據。AI真實的成績在于信賴，知識才是深度了解的樞紐。他們深信， AI能掀起涉及全部天下的嚴重變化，但在AI獲得真實的前進之前，很多根本假定也需求改動。

　　近來AI界的很多勝利案例，多數獲得了兩個身分的驅動：第一，硬件的前進，經由過程讓很多機械并行事情，更大的內存和更快的計較速率成為理想；第二，大數據，包羅十億字節、萬億字節以致更大都據的宏大數據集，在幾年前還不存在。好比ImageNet存有1400萬張被標識表記標幟圖片，這在鍛煉計較機視覺體系時闡揚了相當主要的感化。

　　以“智聯天下、配合故里”為主題的2020天下野生智能大會云端峰會，7月9日在上海世博中間落幕。

　　關于AI的近況，我們要道出一些順耳忠告。但我們的攻訐定見是出于一片苦心，期望AI能往好的標的目的開展小兒腦癱為何抱病，而不是號令人們拋卻對AI的尋求。簡而言之，我們深信，AI能掀起涉及全部天下的嚴重變化，但在AI獲得真實的前進之前，很多根本假定也需求改動。《怎樣締造可托的AI》并非要唱衰全部行業（固然一些人能夠會從這個角度加以了解），而是對裹足不前的緣故原由停止診斷，并為我們如何才氣做得更好給出處方。

　　構建有才能對天下停止推理的體系，有才能對周邊天下構成深入了解的體系，才是朝向值得我們信賴的AI體系行進的準確標的目的。

　　固然從實際上講，庫茲韋爾和蘇茨科弗的預言無望完成，但此事成真的能夠性十分蒼茫。我們間隔具有人類智能靈敏性的通用野生智能過分悠遠，不是再走幾小步就可以抵達的，相反，這個范疇還需求大批的根底性前進。我們將分析，持續復制行業已往幾年間獲得的功效是遠遠不敷的，我們需求去做一些完整差別的工作。

　　7月9日,為期三天的2020天下野生智能大會在上海世博中間落幕。此屆天下野生智能大會以“智聯天下、配合故里”為主題，聚焦“AI手藝趨向”、“AI賦能經濟”和“AI暖和故里”三大議題。

　　手藝大鱷們每次公布如許的消息稿，根本都是統一個套路。而浩瀚媒體（好在不是一切媒體）都將一點點小停頓描畫成意義不凡的反動豪舉。舉例來講，幾年前，Facebook展開了一個根底的觀點考證項目，針對AI體系瀏覽簡樸故事并答復相干成績的才能停止評價。成果一大堆熱忱高漲的消息題目隨之吼叫而來，《Facebook稱已找到讓機械人更富聰慧的機密》《能進修并答復成績的Facebook AI軟件》《能瀏覽〈魔戒〉提要并答復成績的軟件，可增強Facebook搜刮才能》，諸云云類。

　　可是，他們所會商的AI終究是甚么樣的AI？回到理想當中，滿眼看到的都是連門把手都打不開的機械人，“主動巡航”形式下的特斯拉接二連三追尾停在路邊的車輛，僅2018年就發作過最少4次小兒腦癱為何抱病。這就比如是，糊口在14世紀的人們不去費心其時最急需的衛生情況，卻在為交通梗塞成績而庸人自擾。

　　就連貌似平鋪直敘的開車這件事，也比我們覺得的要龐大很多小兒腦癱為何抱病。開車時，我們所做的95%的工作都是照章行事，很簡單由機械來復制，但假如一名滑板少年忽然沖到你的車前，你的一般反響和舉動是今朝的機械沒法牢靠完成的：按照全新的、預期以外的變亂停止推理和動作，不單單根據由先前經歷所構成的宏大數據庫來采納動作，還要根據壯大而富有靈敏性地對天下的了解來采納動作。并且我們不克不及每次看到沒見過的工具就踩剎車，不然路上的一堆樹葉就會形成剎車和追尾。

　　第一個題目比第二個愈加兇險，但兩個題目都對一點點小前進停止了極大夸大。起首，此事底子沒有機械人到場，并且研討過程當中只從一個極端全面的角度對瀏覽才能停止了測試，與瀏覽了解的片面測試相距甚遠。底子沒有誰的事情會因而而遭到要挾。真相是如許的：微軟和阿里巴巴兩家公司別離展開了“斯坦福問答數據庫”（SQuAD，the Stanford Question Answering Dataset）項目，對計較機在瀏覽過程當中一個籠蓋面很窄的單一方面停止了針對性測試。

　　2.此功效的通用性有多強？（比方：所提到的瀏覽使命，是能丈量瀏覽中的一切方面，仍是只要此中的一小部門？）

　　沒有人真的以為，無人駕駛汽車曾經能夠在“無人”形態下，完整憑仗本身才能在都會當中或卑劣氣候之下外出行駛。晚期的悲觀立場，也被現現在的沉著所代替。人們遍及以為，要到達真實的無人駕駛，尚需最少10年的開展，很能夠10年還遠遠不敷。一樣，IBM的沃森向醫療標的目的的轉型也冷卻了下來。2017年，MD安德森癌癥中間截至了與IBM在腫瘤學方面的協作。

　　事情時機、人身寧靜、社會構造，這些都與AI的開展息息相干。因而可知，老蒼生和當局官員都火急需求緊跟AI行業的最新停頓，我們一切人都火急需求理解如何用批駁的目光去審閱AI。專業人士都曉得，用統計學數據去亂來普羅群眾是再簡樸不外的工作。一樣，我們也要具有將AI宣揚與AI真相辨別開的才能，搞分明今朝的AI能做到哪些工作，不克不及做到哪些工作。

　　若想逾越“AI鴻溝”這個大坑向前走，我們需求做到三件事：搞分明AI手藝的短長干系；想大白當前的體系為何處理不了成績；找到新戰略。

　　人們深信野生智能會成為和產業反動一樣主要的海潮。但新硅谷機械人創業公司Robust.AI首席施行官兼開創人蓋瑞·馬庫斯（Gary Marcus）與紐約大學柯朗數學科學研討所計較機科學傳授、野生智能范疇科學家歐內斯特·戴維斯（Ernest Davis）卻對此連結著更加深條理的靈敏和考慮。他們從認知科學中提煉出了11條對野生智能開展方面的啟迪，以通用野生智能為開展目的，給出了將來AI手藝的一種開展標的目的。

　　《怎樣締造可托的AI》，（美）蓋瑞·馬庫斯、歐內斯特·戴維斯著，龍志勇譯，湛廬文明丨浙江教誨出書社，2020年5月

　　怎樣為機械付與對天下發生更深入了解的才能。業界若想前進，這是個必需處理的成績。沒有愈加深入的了解才能，我們永久也沒法得到真正值得信賴的AI。用手藝行話來講，我們能夠會墮入部分最大值，這類辦法比曾經測驗考試過的任何相似的辦法都要好，可是沒有好到能夠將我們帶到想去的處所。

　　固然AI范疇不斷以來都連結著有頭無尾的風俗，但看好AI的呼聲仍然狂熱到爆棚。谷歌前首席施行官艾里克·施密特（Eric Schmidt）曾自信心滿滿地頒布發表，AI會處理天氣變革、貧窮、戰役和癌癥等諸多社會成績。X-Prize開創人彼得·戴曼迪斯（Peter Diamandis）在他的著作《充足》（Abundance）中也提出過相似的概念，以為強AI在成真之日“必然會如火箭般載著我們沖向充足之巔”。2018年頭，谷歌首席施行官桑達爾·皮查伊（Sundar Pichai）聲稱：“AI是人類正在處置的最主要的奇跡之一，其主要性逾越電和火的使用。”不到一年以后，谷歌被迫在一份給投資者的陳述中認可，“歸入或操縱野生智能和機械進修的產物和效勞，能夠在倫理、手藝、法令和其他方面帶來新的應戰小兒腦癱為何抱病，或加重現有的應戰”。

　　蘇菲和亞歷山大兩個孩子外出漫步。他們都看到了一只狗和一棵樹。亞歷山大還看到了一只貓，并指給蘇菲看。她跑去摸了摸小貓。

　　除此以外，另有維基百科和配合組成萬維網的海量文件。和數據同時呈現的，另有效于數據處置的算法—“深度進修”。深度進修是一種極端壯大的統計引擎（statistical engine），我們將在第3章中對此停止詳細注釋和評價。從Deep Mind下圍棋的Alpha Zero和下國際象棋的Alpha Zero，到谷歌近來推出的對話和語音分解體系谷歌Duplex，AI在近幾年所獲得的險些每項停頓，其中心都是深度進修。

　　在馬庫斯和戴維斯二人合著的《怎樣締造可托的AI》一書中，兩位作者指出，關于野生智能的炒作老是甚囂塵上，但要獲得真正可托的AI，卻遠比設想的要龐大很多，超等智能的時期還遠未到來。

　　這在理想天下中事關嚴重。我們現在所用的交際媒體平臺背后的AI項目，會向用戶發送那些為了得到點擊率而胡編亂造的故事，從而為虛偽消息火上加油。由于它們沒法了解消息的內容，沒法判定此中的報告是真是假。

　　我們以為，AI前行的最好標的目的，是要在人類心智的內涵構造中去尋覓線索。真正具有聰慧的機械，沒必要是人類的完善復成品，但任何一個用坦誠目光審閱AI的人城市以為，AI仍然有很多需求向人類進修的處所，特別要向小孩子進修。小孩子在很多方面都遠遠將機械甩在前面，由于小孩子生成就有吸取并了解新觀點的才能。專業人士老是長篇大論地報告計較機在某方面具有“超人類”才能，但人類的大腦仍然在5個根本方面令計較機瞠乎其后：我們能了解言語，我們能了解方圓天下，我們能靈敏順應新情況，我們能快速進修新事物（即便沒有大批數據），并且我們還能在不完好以至言行一致的信息面行進行推理。在一切這些方面，今朝的AI體系都還只是站在起跑線上原地踏步。我們還將指出，今朝關于制作“白板”機械的癡迷是一個嚴峻的毛病。這些機械從零開端進修統統，完整依托數據而十分識驅動。

　　果然云云的話，的確屬于嚴重打破。哪怕是能看大白《讀者文摘》或托爾金的簡明正文本，都算是個了不得的豪舉，更別提看懂《魔戒》原著自己了。但無法的是，真有才能完成這一豪舉的AI底子不在我們現現在的視野當中。Facebook AI體系所瀏覽的文本提要實踐上只要4行筆墨：比爾博回到洞窟。咕嚕將魔戒留在了那邊。比爾博拿到魔戒。比爾博回到夏爾郡。比爾博將魔戒留在了那邊。佛羅多拿到魔戒。佛羅多前去末日山。佛羅多將魔戒留在那邊。索倫魔王死去。佛羅多回到夏爾郡。比爾博前去灰港。全劇終。

　　第二個坑，我們稱之為“虛幻前進坑”：誤覺得AI處理了簡樸成績，就相稱于在困難上獲得了前進。IBM對沃森的鼎力大舉吹噓，就屬于此類。沃森在Jeopardy!競技節目中得勝，被以為是機械在言語了解方面走出了一大步，而實踐上并不是云云。

　　無人駕駛汽車確實存在，但次要范圍在高速公路情況中，還需求人類司機就位才氣包管寧靜，緣故原由是軟件太不靠譜，不敢讓人以人命相托。2017年，Waymo公司（從谷歌分拆出來特地處置無人駕駛汽車事情達10年之久的公司）首席施行官約翰·克拉夫茨克（John Krafcik）放出鬼話，說Waymo很快就可以推出不必人類司機作為寧靜保證的無人駕駛汽車。一年以后，正如《連線》雜志（Wired）所言，猖狂氣勢全無，人類司機還在。