最近这一两年时间，和人工智能、机器学习有关的高深概念再次成为各大创业团队、高科技公司以及媒体之间的热门词汇。作为一位业界人士，纽约大学心理学教授、艾伦人工智能研究所的访问科学家Gary Marcus对此深感忧虑。因为他深知，人工智能并没有达到各大公司以及媒体吹捧的那样成熟。为此Gary Marcus特意在《纽约客》上撰文叙述自己对相关领域的看法及了解。

把时钟往后拨，一些主流媒体，像《泰晤士报》在一年前就曾对深度学习进行过详细报道；而在最近，《纽约时报》也曾报道过人工智能相关的概念，声称机器可以从错误中积累经验，进而拥有自我学习能力。

不过在Gary Marcu看来，这些报道过分地夸大了人工智能的现状。比如拿《纽约时报》的那篇文章来看，作者在文章中声称通过构建类似神经系统的芯片可以让电脑实现自我学习能力，可是呢，其使用的算法并不是新的，也没有能让电脑从它的行为错误中掌握自我学习能力的新技术。至于人工制作类似神经元与神经系统的相关概念则是由Frank Rosenblatt在1957时提出的。

这些年来，虽然人工智能技术一直在进步，比如，Google、苹果、IBM、Facebook和微软等都进行了诸多商业性的投资，但至少在某些方面，人工智能的进步并没有人们想像的那么快。比如，像无人驾驶汽车，这类人工智能技术可能不久就能进入使用阶段，但像人造神经网络这个级别的人工智能技术是否能真正达到人脑的智慧水平截至到目前还是没有定论的。

人工智能最大的挑战之一就是如何建立机器对常识的理解。拿语言来说，经过多年的发展，机器可以很容易地识别出你在说什么，但让机器理解你说的话到底是什么意思，这个研究的进展就异常缓慢。

神经形态工程学也许会为人们的生活带来一些有趣的改变，但这是不是一条研究人工智能的正确道路到目前还不得而知。欧洲一个致力于模仿人脑项目的主管Henry Markram就怀疑该工程部目前仿造的神经形态系统相对于人脑是不是过于简化了。

Gary Marcus本人也表达了和Henry Markram类似的看法，在他看来目前很多致力于人工智能领域的研究者都想通过对某一个领域进行深入的研究，然后从统计数据中得到其背后的原理。可是呢，人脑差不多是我们所已知的世界上最复杂的事物，我们几乎还没有弄清楚它到底是如何工作的。所以想在机器上复制它并没有想象中的那么容易。

图片来自：Shutterstock