机器智能，不如系统智能

人工智能领域有一位大神级人物 -- 迈克尔·乔丹. 他是加州大学伯克利分校的教授，美国三院院士。

2016年《科学》杂志的计算机科学影响力榜单中，这位乔丹名列第一。杂志称他是“计算机科学领域的迈克尔·乔丹”，

在接受澎湃新闻采访时，乔丹教授说，经典的人工智能定义是，“尝试让计算机成为像我们这样的人类”。但是，他认为人类距离这个目标其实非常遥远。现在大家谈论的很多热门的人工智能应用，比如图像识别、语音识别、自然语言翻译等，乔丹教授认为，“这些是能力”，而不是智能。

人工智能这个词语被过度使用了，“过去被称为统计、数据分析或者机器学习的，现在这一切都变成了人工智能”。而且，人类其实还没弄明白“人类智慧”，“更不用说在计算机中真正创建它”。

至于创造出经典定义中的人工智能，一方面，它还很遥远，“未来100年也很难说”；另一方面，它也不重要，“毕竟世界上已经有这么多人了，为什么还要AI像人呢”；

“理解人类智慧诚然是一件很有意思的事情，但是这对于我们要解决的问题来说，是一个既不充分也不必要的条件。”

“我们不需要让机器智能，我们需要做的是建立一个市场机制。”

举例而言，一个城市的食物流通过程就是“智能”。每天，“无论生产者有什么样的食物、餐馆需要什么食材、有多少消费者，这个市场总能带来适量的食物，不是太多也不会太少。”

如果从火星看地球，就会发现这个系统非常智能。但是，其实这系统中的每个环节都并不是那么全知全能，是系统让大家开始协作，做到了整体的智能。

网约车的交通协调系统，就是这样一个例子。系统把需求和供给匹配起来。

这是一个“基于数据的新型市场。除了运输，还可以应用在教育、商业、医学和许多其他事情上，这是一股正在崛起的力量。”

乔丹教授还给了人工智能学习者一些建议。他说，读博士的目的其实是“常识和知识修养”。因此，一个人工智能领域的学习者，要学好计算机科学和统计学，还要学一点经济学、同复杂性和不确定性相关的算法等，“没有人能够学完所有这一切，所以先打好相关基础，剩下的，有一辈子可以慢慢学。”

轮值主编：杨蕾