5月21日，机器学习领域的泰斗级人物、加州大学伯克利分校电机工程与计算机系和统计学系教授Michael I. Jordan到访上海交通大学上海高级金融学院（高金/SAIF），担任SAIF-CAFR名家讲堂主讲嘉宾，全面阐述其对人工智能准确内涵的理解。5月22日，经济日报对此进行了报道。

专家：深度学习不是AI的全部

“AI，它不是一个新的东西，以前叫机器学习。AI这个说法现在已经用的很多，但是它距离智能还很远。” 机器学习领域泰斗、加州大学伯克利分校电机工程与计算机系和统计学系教授迈克尔·欧文·乔丹（Michael I. Jordan）5月21日在上海交通大学上海高级金融学院表示，“人类的智能能够对世界进行抽象的理解，能够进行预设的一些前瞻性的规划，这才是真正的智能。”

乔丹指出了当前业界人工智能研究的局限性，他提醒大家不仅深度学习不是“人工智能”的全部，甚至我们日常讨论的以“数据统计”为主的“人工智能”都不是真正意义上的“人工智能”。他说：“应该把它叫IA，称作是增强智能更合适，用电脑来帮助我们人类的智能，让人类更加智慧。电脑本身达不到智能化，可以帮助我们来做很多事情。比如说搜索引擎，比如说百度、Google，让我们更聪明。”

他提出，不管在短暂的未来中我们能否真正理解“智能”是什么，我们都无法忽略能够将人工智能工程化的新学科。他认为，我们需要意识到现在所发生的关于人工智能的公众对话，只关注到工业界和学术界的一个很小的子集。这可能会让我们变得短视，无法看到人工智能、智能强化、智能基础建设里的挑战和机会。

举个例子——多重决策能力缺乏导致的潜在问题。一般AI的工作都是基于假设，比如，如果要知道从某个出发点到达机场的路线，一般做法是搜集一些数据，统计每条交通路段的堵塞情况，然后找到一个最优化的路线。但如果大家都这么做，那么当大部分人一起出发去机场上同一条路，无疑交通将一下子就变得非常拥堵，大家都到不了机场。

“这是因为，大多数的AI系统一次只做一个决策，他们并没有一种交叉的方式来做多重决策。这是系统的问题，是统计的问题。”乔丹教授解释道。

现实生活中，我们会利用AI做智能推荐，比如投资标的、产品营销。但重要的问题是，给大部分人推荐同一只股票，结果会如何？也就是说，“在决策中，系统必须考虑资源稀缺性的因素。这是负载均衡的问题。”事实上，乔丹教授还列举出了许多类似由于AI应用缺乏系统关联、缺乏工程化等导致的潜在需要解决的问题。