人工智能的發展的勢頭如此猛烈，大眾和專家們對人工智能也持樂觀的預測，但歷史上，從1950年代初開始，「人工智能之春」和「人工智能之冬」之間就在上演循環往復的戲碼，誰又能預測未來的發展？

即使當今AI的突破速度似乎很快，無人駕駛汽車、管家機器人和智能對話系統等技術的開發卻比許多人想象的要難得多。

最近Melanie Mitchell在arxiv上發布了一篇文章，闡述了科研人員對AI的四個謬誤，這些謬論可能導致對該領域的過度自信預測。

Mitchell是一位美國計算機科學家，波特蘭州立大學教授，主要研究領域為復雜系統和遺傳算法以及細胞自動機。

謬論1：AI的發展是一個連續的過程

當IBM發布自動問答系統「沃森」時曾說，這是認知系統的第一步，也是計算的新紀元。

OpenAI把GPT-3語言生成器描述為邁向通用智能的重要一步。

然而， Hubert Dreyfus認為這是典型的「第一步誤區」，這就像一個猴子在爬樹，然后想著慢慢就會爬到月亮上。

AI的發展就是先找到特定任務的解決方案，再組合成通用智能，這也許不是實現真正AI的路。

就像許多專家預測的那樣，AI發展的道路上，有很多無法預見的障礙，連續的發展無法一帆風順。

謬論2：簡單的事有簡單的解決方案，困難的任務需要復雜的解決方案

當John McCarthy悲觀地認為「AI比想象的要難得多」的時候，明斯基解釋說，那是因為簡單的事情都是很難的。

人類在做很多事情的時候都沒有思考過自己為什么能這樣做，例如交流，走路，這些對人來說很簡單的事，對機器來說實現起來卻很復雜。

相反，對人來說很復雜的事，對機器來說又很簡單，例如下棋，幾百種語言之間互相翻譯等。

這也稱為「Moravec悖論」，相對來說，讓電腦在智力測試或跳棋方面表現出成人水平的表現是比較容易的，但讓他們掌握一歲孩子在感知和移動方面的技能幾乎是不可能的。

AI比我們想象的難，是因為我們從來沒有注意過，當我們感知世界時經歷了多么復雜的一個過程。

誤區3：一廂情愿去模仿人腦

前面說過，人腦和機器對于不同的任務之間性能有很大的差距，而AI界的學者更傾向模仿人腦。

AlphaGo成功在圍棋界登頂，但沒人能從他嘴里問出來他到底是怎么想的。唯一的答案是，「AlphaGo只想著贏」。

IBM知道沃森無法閱讀或理解，DeepMind的研究人員也知道AlphaGo不知道自己在想什么。

雖然AI在很多任務上擊敗了人類，但離通用智能還有很遠的距離。

誤區4：智能都在人腦中

一般來說，智能是和人類的身體分開的。

頂尖的AI科學家把他們的想法匹配人腦的結構，其中著名代表就是Hinton，他曾說過，若要理解人類是如何理解的，我們就需要數以億計的神經元來模擬。

然而其他科學家也有認為我們之所以AI取得了進步，全歸功于摩爾定律，我們也不一定非要往人腦上靠。

embodied認知理論就是把情感和非理性的智能拋棄掉，做一種「純智能」，不需要考慮吃和睡來限制自己的行為。

上述四個謬誤是作者看到的當前AI發展受到的限制。

reddit網友表示，不知道這篇論文為什么被炒作起來了，但上述四個理論已經是眾所周知的事。

并直言，arxiv大部分這種論文都是舊新聞炒冷飯。

還有網友認為這篇論文投稿肯定中不了。

你怎么看呢？