在仍旧孜孜不倦地追求“超智能机器”的 科学家 中，图灵奖获得者Judea Pearl提出了通往智能机器的新路线图。

“人脑”模仿受挫

卡内基梅隆大学计算机科学系主任Andrew Moore在接受Axios采访时表示，尽管现在的AI在可视化、语音和困难游戏方面有令人惊叹的能力，但它仍然“没有魔力”。“我们不再试图复制人脑，我们专注于设计制造（已经发明的东西）”，他说。

Moore的观点与人工智能界日趋强烈的疑问一致——现有的方法真的可以实现所谓”人工智能”吗？ 去年九月，AI领域最受尊敬的先驱之一Geoffrey Hinton称，研究者们需要重新开始。

1986年，Geoffrey Hinton与他人合著了一篇论文，这篇论文在30年后成为了引爆人工智能的核心。该论文提出了反向传播理论方法，这是如今人工智能所依赖的主要方法，图像分类、Siri交谈能力的进步都仰仗该方法。然而去年九月，Geoffrey Hinton在一场多伦多举行的AI会议上直言自己提出的突破性方法应该被舍弃。

反向传播算法的核心工作机制是用“标签”或“权重”代表类脑神经层中的图像或声音，权重可以逐层调整，直到该神经网络能够在最少错的情况下执行智能功能。如今Geoffrey Hinton对这个算法深表怀疑，他不认为这是大脑的工作方式，因为“我们显然不需要所有标记的数据。”他说，“我的看法是抛弃一切，重新开始”。

通往“智能机器”的新路线

尽管许多AI科学家停下了对“超智能机器”的追求，但还是有研究者在坚持寻求突破。其中Judea Pearl提出了通往智能机器的新路线——“因果推理”。