Luis Perez-Breva是麻省理工學(xué)院（MIT）的教授，也是麻省理工學(xué)院或工程學(xué)院創(chuàng)新團隊的主任。他致力于了解我們?nèi)绾问褂眉夹g(shù)來改善生活，并探討如何努力將新技術(shù)推向世界。

最近，他接受了AI Today播客的采訪，他認為關(guān)于AI我們完全錯了：對數(shù)據(jù)的過度關(guān)注正在誤導(dǎo)機器學(xué)習和AI的目標，我們所做的一切就是創(chuàng)建了大型的概率系統(tǒng)，而非智能系統(tǒng)。

以下是福布斯報道的采訪原文：

我們是否過于關(guān)注數(shù)據(jù)？

一直關(guān)注人工智能和機器學(xué)習的任何人都知道數(shù)據(jù)至關(guān)重要。 沒有數(shù)據(jù)，我們就無法訓(xùn)練機器學(xué)習模型。 沒有機器學(xué)習模型，我們就無法讓系統(tǒng)從經(jīng)驗中學(xué)習。 當然，為了讓人工智能系統(tǒng)成為現(xiàn)實，數(shù)據(jù)需要成為我們關(guān)注的中心。

但是，Perez-Breva博士認為我們過于關(guān)注數(shù)據(jù)，或許這種廣泛的關(guān)注正在導(dǎo)致機器學(xué)習和人工智能的目標誤入歧途。

根據(jù)Luis的說法，在獲取數(shù)據(jù)方面投入了太多的精力，以至于我們通過收集了多少數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)有多大以及使用了多少訓(xùn)練數(shù)據(jù)來判斷一個機器學(xué)習系統(tǒng)有多好。

當您收集大量數(shù)據(jù)時，您是在使用這些數(shù)據(jù)來構(gòu)建主要由統(tǒng)計數(shù)據(jù)驅(qū)動的系統(tǒng)。Luis說，當我們向人工智能輸入這么多數(shù)據(jù)時，我們就會依賴于統(tǒng)計數(shù)據(jù)，我們將其歸因于系統(tǒng)智能，而實際上，我們所做的一切都是創(chuàng)造出大型概率系統(tǒng)，借助大型數(shù)據(jù)集來展示我們歸因于智能的東西。

他說，當我們的系統(tǒng)不能像我們想的那樣學(xué)習時，最主要的本能反應(yīng)是給這些人工智能系統(tǒng)更多的數(shù)據(jù)，這樣我們就不必過多考慮泛化和智能的困難部分。

許多人會爭辯說，在某些領(lǐng)域中確實需要數(shù)據(jù)來幫助教授AI。 通過擁有更多數(shù)據(jù)，計算機可以更好地學(xué)習圖像識別和類似的任務(wù)。 數(shù)據(jù)越多，網(wǎng)絡(luò)越好，結(jié)果越準確。在播客中，Luis提出了這樣一個問題:深度學(xué)習是否足夠有效，或者我們是否有足夠大的數(shù)據(jù)集來進行圖像識別。最基本的問題：是算法還是僅是龐大數(shù)量的數(shù)據(jù)才使這項工作奏效？

相反，Luis認為，如果我們能夠找到一種更好的方法來構(gòu)建整個系統(tǒng)，那么即使只有非常有限的數(shù)據(jù)，人工智能系統(tǒng)也應(yīng)該能夠通過問題進行推理。

Luis比較了在零售領(lǐng)域的每個應(yīng)用程序中使用機器學(xué)習的情況。 他談到了實體商店如何看待在線商店的成功并試圖復(fù)制成功。 他們執(zhí)行此操作的方法之一是使用應(yīng)用程序來幫助客戶瀏覽商店。Luis提到，他去過塔吉特百貨（Target），在那里他不得不使用手機來導(dǎo)航，這比看招牌還難。有一個人來問問題和交談，不僅速度更快，而且是實體零售店傳統(tǒng)體驗的一部分。路易斯說，他更愿意在這些地方與人交流，而不是電腦。

是深度學(xué)習的問題嗎？

他把這比作機器學(xué)習，他說機器學(xué)習的應(yīng)用范圍很窄。如果你試圖將機器學(xué)習應(yīng)用到AI的各個方面，那么你最終會遇到與他在Target遇到的問題類似的問題?；旧?，把神經(jīng)網(wǎng)絡(luò)看作錘子，把所有AII問題看作釘子。沒有一種技術(shù)或解決方案適用于所有應(yīng)用程序。也許深度學(xué)習之所以有效是因為有大量的數(shù)據(jù)?也許有另一種算法可以更好地泛化，更好地將在一個領(lǐng)域?qū)W到的知識應(yīng)用到另一個領(lǐng)域，并使用更少的數(shù)據(jù)來獲得更高質(zhì)量的見解。

最近，人們嘗試使人類要做的許多工作自動化。 Luis說，縱觀歷史，技術(shù)在試圖取代人類時已經(jīng)殺死了企業(yè)。 當技術(shù)和企業(yè)擴展人類所能做的事情時，它們就會成功。 試圖替代人類是一項艱巨的任務(wù)，它將帶領(lǐng)公司走上失敗之路。 他指出，作為人類，我們渴望人類之間的互動。 即使在人們不斷使用技術(shù)的時代，人們還是非?？释穗H交往。

Luis還指出，許多人錯誤地將自動化和AI混淆了。 自動化是使用計算機來執(zhí)行特定任務(wù)，而不是創(chuàng)造智能。 許多人在很多場合都提到了這一點。 的確，許多人擔心AI的原因是對自動化和虛構(gòu)的“超級智能”的恐懼。 Perez-Breva博士指出，許多人將機器的特性歸因于機器。 但這對于AI系統(tǒng)而言并非如此。

相反，他認為人工智能系統(tǒng)更像是一個新物種，擁有不同于人類的智能模式。他的觀點是，研究人員離創(chuàng)造一種類似于書籍和電影中的人工智能還很遠。他指責電影給人的印象是機器人(AI)殺人，是危險的技術(shù)。雖然電影中有很多好機器人，但也有一些被壞機器人推到一邊。他指出，我們需要擺脫這種推壞機器人的形象。我們需要關(guān)注人工智能如何幫助人類成長。如果電影制作行業(yè)能在這方面提供幫助，那將是有益的。因此，AI應(yīng)該被認為是我們試圖創(chuàng)造的一個新的智能物種，而不是用來取代我們的東西。

一個積極的人工智能的未來

盡管有負面的形象和言論，路易斯還是相信人工智能至少會持續(xù)一段時間。 如此眾多的公司已經(jīng)對AI進行了巨額投資，以至于很難停止使用AI或停止開發(fā)。

作為采訪的最后一個問題，Luis被問到他認為人工智能行業(yè)將走向何方。在回答這個問題之前，路易斯說，根據(jù)之前的討論，人們投資的是機器學(xué)習，而不是真正的人工智能。Luis表示，他對企業(yè)在所謂的AI方面所做的投資感到高興。 他認為，這些投資將幫助這項技術(shù)的發(fā)展保持多年。

一旦我們停止將人類與人工智能進行比較，路易斯相信我們將會看到人工智能的巨大進步。他認為，人工智能有能力與人類一起工作，來解開我們以前無法解開的知識和任務(wù)。他認為，這種情況發(fā)生的時刻并不遙遠。我們每天都離它越來越近。

Luis的許多思想與許多對人工智能世界感興趣的人的普遍看法背道而馳。 同時，他分享的想法以非常合乎邏輯的方式提出，并且非常發(fā)人深省。 時間會證明這些想法是否正確。