【问】：我注意到你曾两次使用“思维”这个词，而不是“大脑”。这是故意的吗？如果是，你认为“思维”是从哪里来的？
萨克森纳：我认为现在AI有很多炒作，而且出现了很多误解。我很想这样说：“如今的AI等同于‘人工膨胀（artificially?inflated）’或‘惊人的创新（amazing?innovations）’。我认为在‘人工智能等同于人工膨胀’的领域里有五个误区。”最早的误区之一是，AI等同于人类思维的替代品。我将人类大脑与人类思维、人类意识区分开来。所以，在最好的情况下，我们想要做的就是利用AI的某些部分模拟人脑的功能，而不是说模仿人类思维或人类意识。
我们上次讨论过这个问题，我们甚至不知道意识是什么，除了靠医生宣布病人是死是活外，我们根本没有意识探测器。而对于人类思维有一种说法是，你可能需要量子计算机才能真正了解一个人的思维是如何工作的，它不是布尔型机器或冯诺依曼机器，而是一种不同类型的处理器。但我认为，人类的大脑可以被分解，可以通过AI增强，从而创造出非凡的结果。我们已经在放射学、华尔街、定量分析和其他领域看到了这一点。我认为更令人兴奋的是，可以将AI应用于这些领域。
【问】：你知道，这真的很有趣，因为有个持续了20年的研究项目OpenWorm。即专门研究线虫的大脑，它有302个神经元组成，研究人员希望对它进行建模。即使是在20年后，从事这个项目的研究人员也说，这或许是不可能实现的。所以，如果你不能模拟线虫的思维，那么有一件事是肯定的，在模拟线虫的大脑之前，你更无法对人类思维进行建模。
萨克森纳：完全正确。你知道我的看法，我更感兴趣的是“更富有”，而不是“更聪明”。我们需要变得更聪明，但同时我们也需要变得更加富有。我所谓的“更富有”并非单单指有钱，我的意思是：我们如何利用AI来改善我们的社会、我们的企业以及我们的生活方式。这就是我为何认为应以“更注重结果”而不是“科学研究”的方式来解决这个问题的原因，我认为前者是一种更实用的AI应用方式。
【问】：所以，你提到了五个误解，它就是其中之一。其他的四个误解都是什么？
萨克森纳：第一个误解是，AI等同于取代人类思维。第二个误解是，将AI与自然语言处理等同起来，但实际上这与事实相去甚远。自然语言处理只是AI中的一种技术。这就像是在说：“我有能力理解和阅读一本书，而这就是我的大脑的全部能力。”这是第二个误解。
第三个误解是，AI和大数据、分析数据没什么分别,大数据和分析工具是用来捕捉更多AI输入的工具。但认为大数据和AI没有分别，只是因为我能感知到更多，可以变得更聪明。所有大数据都会给你更多的信息，让你有更多的感觉。它不会让你变得更聪明。这是第三个误解。
第四个误解是，与垂直应用相比，水平部署的AI更好用。我相信真正的AI以及在企业中取得成功的AI，必然是垂直领域的AI。因为说“我有个AI”是一回事儿，而“我有一个懂得保险的AI”则是另一回事儿，还有能理解糖尿病的AI，能理解“超级碗”广告的AI等。每个AI分支都需要对数据、模型、算法和经验进行特定领域的优化。这是第四个误解。
第五个误解是，AI完全是关于技术的。而在最好的情况下，AI只有一半与技术有关。这个等式的另一半与技能有关，与新流程、方法和管理有关，比如如何在企业中负责任地管理AI等。就像互联网出现的时候，你没有办法和流程来创建网页，建立网站，管理网站不被入侵，以及管理网站的更新等。类似地，有个完整的AI生命周期管理，这也是CognitiveScale公司关注的问题：如何以负责的、大规模的方式创建、部署和管理AI？
传统IT系统不具备学习能力，它们主要是基于规则建立的系统，以规则为中心的系统不会学习，而以AI为基础系统是基于模式的，它们可以从模式中学习。因此，与不具备学习能力的传统IT系统不同，AI系统有自学和几何级数提升自我的能力。如果你无法获得对这些AI系统的可见性和控制能力，那么你可能会面临CognitiveScale公司所谓的“流氓AI”的巨大问题，它是不负责任的AI。你知道恐怖电影《鬼娃孽种》（Seed of Chucky）中的场景吧，就像许多鬼娃在你的企业里跑来跑去，将那里搞得一团糟。我们需要的是全面的端对端视图，从设计、部署到生产，以及在规模上管理AI。这需要的不仅仅是技术，还需要技能、方法以及过程。