计算机科学家Michael I.Jordan是一位著名的人工智能研究人员，他说，今天的人工智能系统实际上并不智能，人们不应该再像谈论智能一样谈论它们：它们在低水平的模式识别技能方面表现出人类水平的能力，但在认知层面，他们只是模仿人类的智力，而不是深入和创造性地参与，人工智能和机器学习领域的领先研究者michaeli.Jordan说。乔丹是加州大学伯克利分校电子工程和计算机科学系以及统计系的教授。
凯蒂普雷茨（KATY PRETZ）在IEEE SPECTRUM（2031年3月31日）发表的《机器学习先驱》（MACHINE-LEARNING PIONEER）一书中说：“不要再把一切都称为人工智能了，他们的主要角色是通过对大数据集的细致分析来增强人类的智能，就像搜索引擎通过组织网络来增强人类的知识一样。”我们看到了它们在许多领域的价值今天。例如，机器学习可以在数千个古楔形文字文本中运行，这些文本可能会产生有价值的信息，但没有人一年需要数千个小时去发现这些信息。它可以从一个古老的犹太教堂火灾中破译一个烧焦的，不可破解的卷轴，原来是利未记的一部分，最古老的真实手稿发现至今。它可以在基本不变的天空中运行，探测到最微弱的波纹，天文学家可以对其进行分析，使他们的研究时间更有效率。
但是问AI这一切到底意味着什么，你不会得到那么多的茫然。（或者，根据节目的不同，你可以从互联网上获得各种专家观点的大量自动缩写这在当时可能只是一种干扰。）
乔丹（如图）补充道：“人们在讨论技术趋势时，对人工智能的含义感到困惑，认为计算机中存在某种智能思维，这种思维对技术进步负有责任，并与人类竞争，”他说。“我们没有这个，但人们在谈论，好像我们有，”凯蒂普雷茨，“停止叫一切人工智能，”机器学习先锋说：在IEEE频谱（2031年3月31日）约旦不是唯一一个这样说的。SwiftKey的联合创始人本 梅德洛克（Ben Medlock）提醒人们，不要认为计算机只是在某种程度上进化出了智能（它们不能“进化”任何东西，因为它们不存在）。
牛津互联网研究所和艾伦图灵研究所的大卫沃森（David Watson）劝阻我们不要认为计算机只是金属人，渴望被理解：他用AlphaZero这样的深度神经网络（deep neural networks，DNNs）“脆弱、低效、短视”，而这些局限性往往得不到承认。
最基本的问题是，大众媒体倾向于强调人工智能威胁论的观点，比如史蒂芬霍金、马丁里斯和理查德道金斯所表达的观点。开发和使用这项技术的专家的观点可能会被轻描淡写，因为他们不是一种感觉。所以我们其他人得到了一个扭曲的画面。
在现实中，人工智能有许多局限性，包括计算机速度更快，但不是更智能，没有计算机显示出创造力，计算机没有经验（这限制了理解）。因此，人工智能的成就必然是狭隘的。
一个由媒体驱动的常见的误解是，计算机在象棋等游戏中的成功预示着人工智能能够主宰世界。正如哲学家和未来学家乔治吉尔德（George Gilder）在游戏AI中指出的那样，象棋这样的游戏是在地图上进行的。规则规定了一个不变的地图；因此，可能有数百万种可能性，但从理论上讲，它们是可计算的。现实生活不是这样的。根据定义，游戏的结构回避了现实世界中不断发生的事件类型，正如我们经常抱怨的那样，在现实世界中，地图不是领土。（“没人告诉我会是这样！）创造性思维（与计算机不同）是在现实世界中取得成功的关键。
能时常想起这一点真是太好了。
