【导读】机器学习之父、著名的计算机科学和统计学家Michael I. Jordan近日在《哈佛数据科学评论》上发表文章，评论当前的
人工智能炒作，认为现在被称为AI的许多领域，实际上是机器学习，而真正的AI革命尚未到来。
人工智能(AI)已经成为当今时代的口号。
技术专家、学者、记者、风险投资家都在说这个词。跟其他许多从技术或学术领域流入普通大众的词语一样，“AI”这个词的使用也存在严重的误解。
然而，跟其他领域中公众不理解科学家在做的事情不一样，对于“AI”，科学家们经常和公众一样困惑。
某种程度上，我们这个时代正在看到一种与我们人类的智能相匹敌的硅基智能的出现，这既让所有人感到兴奋，让我们着迷，同时也让我们感到恐惧。不幸的是，它分散了我们的注意力。
Michael I. Jordan
我们急需发展构建推理和决策系统的原则
我们可以从另一个角度来讲述这个时代。有这样一个故事，其中涉及人类、计算机、数据和生死抉择，但重点不仅仅是硅基智能这类的幻想。
14年前，我的妻子怀孕时，我们做了超声波检查。医生是一位遗传学家，她指出胎儿心脏周围有一些白点。“这些都是唐氏综合症的标志，”她说，“现在你的风险已经上升到20分之一了。”她告诉我们，可以通过羊膜穿刺术了解胎儿是否真的有唐氏综合症基因畸变，但羊膜穿刺术存在风险——在穿刺术过程中胎儿死亡的几率大约是300分之一。
作为一名统计学家，我决定找出这些数字的来源。在我的研究中，我发现十年前英国有人做过一项统计分析，这些反映钙沉积的白点确实被认为是唐氏综合症的预测因子。我还注意到，我们做检查时使用的成像机每平方英寸的像素比英国研究中使用的成像机多几百个像素。我回去告诉遗传学家，我相信那些白点很可能是假阳性，也就是字面上的白噪音。
她说：“啊，这就解释了为什么我们几年前开始发现唐氏综合症的诊断有上升趋势。那恰好是新机器运来的时候。”
我们没有做羊膜穿刺术，几个月后妻子生下一个健康的女孩。但这件事一直让我放不下,尤其是我知道由于一次粗略的计算，那天可能有成千上万的人得到同样诊断，然后许多人选择做羊膜穿刺术，造成许多婴儿不必要的死亡。
这件事揭示的问题不是我个人的医疗问题；它关乎一个医疗系统，在不同的地点和时间测量变量和结果，进行统计分析，并在其他情况下使用结果。
这个问题不仅与数据分析本身有关，而且与数据库研究人员所称的“溯源”(provenance)有关——数据来自哪里，从数据中得出了什么推论，这些推论与当前的情况有多大关系？虽然专业人士可能在遇到个案时能逐步解决这些问题，但问题是设计一个行星级规模的医疗系统，该系统要能在不需要如此详细的人类监督的情况下做到这一点。
我也是一名计算机科学家，我突然想到，在我所受的教育中，根本找不到构建这种行星级规模的推理和决策系统所需要的原则，这些原则融合了计算机科学和统计学，并考虑到人类的效用。在我看来,发展这些原则至少与构建玩游戏之类眼花缭乱的AI系统同样重要，这些原则不仅在医学领域，而且在商业、交通和教育等领域都需要。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
