LuisPerez-Breva是麻省理工学院（MIT）的教授，也是麻省理工学院或工程学院的一个创新小组的主任。他致力于了解我们如何使用技术来改善我们的生活，并讨论我们如何努力将新技术带给世界。最近，他接受了AIToday播客的采访，他认为我们对AI的看法是完全错误的：过分关注数据误导了机器学习和AI的目标，而我们所做的只是创造大规模的概率系统，而不是智能。系统。以下为福布斯采访原文：我们是不是太在意数据了？任何关注人工智能和机器学习的人都知道数据很重要。没有数据，我们就无法训练机器学习模型。没有机器学习模型，我们就无法让系统从经验中学习。当然，要使人工智能系统成为现实，数据需要成为我们关注的中心。但Perez-Breva博士认为我们过于关注数据，也许这种广泛的关注正在将机器学习和人工智能的目标引入歧途。根据Luis的说法，我们在获取数据方面付出了如此多的努力，以至于我们通过收集的数据量、神经网络的规模以及使用的训练数据量来判断机器学习系统的好坏。当您收集大量数据时，您就是在使用这些数据来构建主要由统计数据驱动的系统。Luis说，当我们将如此多的数据输入AI时，我们依赖于统计数据，我们将其归因于系统智能，而实际上我们所做的只是在大型数据集的帮助下创建大型概率系统来证明我们归因于智能的东西。他说，当我们的系统没有像我们希望的那样学习时，压倒一切的本能是为这些人工智能系统提供更多数据，这样我们就不必过多考虑泛化和智能的困难部分。许多人会争辩说，在某些领域确实需要数据来帮助教授AI。通过拥有更多数据，计算机可以更好地学习图像识别和类似任务。数据越多，网络越好，结果越准确。在播客中，Luis提出了深度学习是否足够有效，或者我们是否有足够大的数据集来进行图像识别的问题。最基本的问题：是算法还是仅仅是使这项工作有效的数据量？相反，路易斯认为，如果我们能找到一种更好的方法来构建整个系统，那么人工智能系统应该能够在数据非常有限的情况下通过问题进行推理。Luis比较了机器学习在零售领域的每个应用程序中的使用情况。他谈到了实体店如何看待在线商店的成功并试图复制它。他们这样做的方法之一是使用应用程序来帮助客户在商店中导航。Luis提到他去过Target，在那里他不得不用手机导航，这比看路牌还难。有专人提问和聊天不仅速度更快，而且是实体零售店传统体验的一部分。刘易斯说，他更愿意在这些地方与人而不是电脑互动。这是一个深度学习问题吗？他把它比作机器学习，他说机器学习的应用范围很窄。如果你试图将机器学习应用到人工智能的各个方面，你最终会遇到类似于他在Target遇到的问题。基本上，将神经网络视为锤子，将所有AII问题视为钉子。没有一种技术或解决方案适用于所有应用程序。也许深度学习之所以有效是因为有很多数据？也许有另一种算法可以更好地泛化，更好地将一个领域中学到的知识应用到另一个领域，并使用更少的数据来获得更高质量的见解。最近，已经尝试将人类所做的许多任务自动化。路易斯说，纵观历史，技术在试图取代人类的过程中扼杀了企业。当技术和企业扩展人类的能力时，它们就会成功。试图取代人类是一项艰巨的任务，它将导致公司走向失败。他指出，作为人类，我们渴望人际互动。即使在人们不断使用技术的时代，人们也非常渴望建立人际关系。路易斯还指出，许多人错误地将自动化与人工智能混为一谈。自动化是使用计算机来执行特定任务，而不是创造智能。许多人在很多场合都提到过这一点。事实上，许多人担心人工智能的原因是害怕自动化和虚构的“超级智能”。Perez-Breva博士指出，许多人将属性归因于机器。但人工智能系统并非如此。相反，他认为人工智能系统更像是一个新物种，具有与人类不同的智能模型。他的观点是，研究人员远未创造出类似于书籍和电影中的人工智能。他指责这部电影给人的印象是机器人(AI)会杀人，而且是危险的技术。虽然电影中有很多好的机器人，但也有一些被坏机器人排挤在一边。他指出，我们需要摆脱这种推动不良机器人的形象。我们需要关注人工智能如何帮助人类成长。如果电影制作业能在这方面提供帮助，那将是有益的。因此，人工智能应该被认为是我们正在努力创造的一种新的智能物种，而不是取代我们的东西。一个积极的AI未来尽管存在负面形象和言论，Lewis相信AI会继续存在，至少会持续一段时间。如此多的公司对人工智能进行了巨额投资，以至于很难停止使用或停止开发它。作为采访的最后一个问题，Luis被问及他认为AI行业的发展方向。在回答问题之前，刘易斯表示，根据之前的讨论，人们正在投资于机器学习，而不是真正的人工智能。路易斯说，他对公司在所谓的人工智能领域进行的投资感到满意。他相信，这些投资将有助于让这项技术在未来几年继续发展。一旦我们停止将人类与人工智能进行比较，刘易斯相信我们将看到人工智能的巨大进步。他认为，人工智能有能力与人类一起工作，解锁我们以前无法解锁的知识和任务。他相信，发生这种情况的时刻已经不远了。我们每天都在离它越来越近。路易斯的许多想法与许多对人工智能世界感兴趣的人的共同信念背道而驰。同时，他分享的观点逻辑性很强，发人深省。时间会证明这些想法是否正确。
