专业服务公司和最终用户都在AI潮流中跃跃欲试

人工智能(AI)近期复兴和普及的不利因素之一是，我们看到许多供应商，专业服务公司和最终用户都在AI潮流中跃跃欲试，将其技术，产品，服务产品和项目标记为AI产品，项目或产品(不一定如此)。另一方面，在什么绝对是AI和什么绝对不是AI之间没有很好的界线。这是因为对人工智能没有一个公认的标准定义。确实，没有关于智力的标准定义。

也许最好从我们试图通过AI实现的总体目标开始，而不是定义AI是或不是。自从1950年代AI诞生以来，智能系统的目标就是模仿人类认知能力的目标。这意味着能够感知和理解周围环境，从培训和自身经验中学习，基于推理和思维过程做出决策以及在模糊和不精确的情况下发展“直觉”的能力;基本上是我们所生活的世界。从划界的角度来看，将面向人工智能的运动划分为AI计划很容易。毕竟，AGI系统正在尝试创建具有人类所有认知能力的系统，然后再具有某些认知能力。

另一方面，仅仅自动化事物并不能使它们变得智能。训练计算机来理解猫的图像和马的图像甚至不同种类的狗之间的差异可能需要花费时间和精力，但这并不意味着系统可以了解它所看的东西，从自己的经验中学习，并根据这种理解做出决策。同样，语音助手可以在您问“什么更重：一吨胡萝卜或一吨豌豆?”时处理您的语音，但这并不意味着该助手理解您的实际意思或含义。你的话。那么，我们真的可以说这些系统是智能的吗?

人类的

在麻省理工学院教授路易斯·佩雷斯·布雷瓦(Luis Perez-Breva)的近期采访中，他认为虽然这些各种复杂的培训和数据密集型学习系统绝对是机器学习(ML)功能，但这并不能使它们具备AI功能。他认为，实际上，目前在市场和媒体上被品牌化为AI的大多数根本不是AI，而只是ML的不同版本，在该版本中，系统被训练使用不同的方法来执行特定的狭窄任务到ML，其中深度学习是当前最受欢迎的方法。他认为，如果您想让计算机识别图像，只需提供足够的数据，并借助数学，统计数据和神经网络的神奇力量，它们会随着时间的推移或多或少地影响着不同的连接，那么您将获得想要的结果期望。但是，您真正要做的是利用对图像的理解可以创建一个大数据集，然后可以将其与输入进行数学匹配以验证人类的理解。