极其复杂的锤子和螺丝刀：Gosling论AI本质
原文链接: https://36kr.com/p/3309218571328264
发布时间: 2025年5月26日
作者: 极客邦科技InfoQ
来源: 36氪
核心观点
"当前AI本质上是高级统计方法，命名具有误导性！"
这是Java之父James Gosling对当前人工智能技术的批判性观点，为整个AI行业提供了重要的反思视角。
James Gosling 是谁
- 身份: Java编程语言之父，计算机科学先驱
- 代表作: 设计并实现了Java编程语言
- 地位: 计算机科学界的传奇人物
- 影响力: 影响了全球数百万开发者的编程方式
核心观点详解
1️⃣ AI命名的误导性
- "AI"和"机器学习"这些术语具有误导性
- 将其与人类推理能力关联起来是迷惑表述
- "高级统计方法"是更准确的字眼
- 当前技术本质上是统计学应用
2️⃣ AI技术的真实属性
- 这些技术只是"极其复杂的锤子和螺丝刀"
- 仍然是人类手中的工具
- 不是能够威胁就业的自主系统
- 缺乏真正的智能和推理能力
3️⃣ 对AI威胁论的驳斥
- 否认AI是能够威胁就业的自主系统
- 强调AI的工具属性
- 认为过度担忧是杞人忧天
行业现状分析
当前问题
- AI技术命名过于夸大其能力
- 公众对AI的认知存在误解
- 技术发展与命名表述不匹配
潜在风险
- 可能导致对AI能力的错误预期
- 影响AI技术的合理应用
- 造成不必要的恐慌和担忧
发展趋势
- AI技术快速发展但本质未变
- 统计学方法仍然是核心基础
- 需要更准确的描述和认知
️ 解决方案建议
1. 重新审视AI本质
- 理解AI的统计学基础
- 认识到当前技术的局限性
- 建立正确的技术认知
2. 合理使用AI技术
- 将AI作为工具而非替代品
- 理解AI的工作原理和局限性
- 保持批判性思维
3. 改进技术命名
- 使用更准确的描述术语
- 避免误导性的表述
- 建立清晰的技术分类
个人思考
James Gosling的观点非常中肯且重要。在AI技术快速发展的今天，我们确实需要重新审视这些技术的本质。
为什么这个观点很重要？
- 时机恰当: AI技术正在快速普及，很多公众开始误解
- 问题真实: 确实存在命名夸大和认知偏差
- 影响深远: 关系到AI技术的合理应用和发展
我们应该怎么做？
- 保持理性: 客观认识AI技术的真实能力
- 合理使用: 将AI作为辅助工具，而非万能解决方案
- 持续学习: 理解AI技术的统计学基础
- 平衡发展: 在拥抱新技术的同时，不忘技术本质
相关链接
延伸思考：James Gosling与Judea Pearl的共识
两位大师的共同洞察
James Gosling和《The Book of Why》作者Judea Pearl都精准洞察到当下人工智能最核心的理论基础：统计学。
James Gosling的观点
- 认为当前AI命名具有极强的误导性
- 主张用"高级统计方法"描述更准确
- 强调AI的工具属性而非智能属性
Judea Pearl的因果科学路径
- 被誉为"贝叶斯网络之父"
- 20世纪80年代提出贝叶斯网络，处理不确定性并进行概率推理
- 自嘲为"AI社区的叛逆者"
- 认为现有ML模型过于关注数据驱动预测，忽略因果关系
- 主张只有通过因果推理，才能真正实现强人工智能
发展路径的争议
两位大师对AI发展路径有不同见解：
- Gosling：强调当前AI的统计本质，批评命名误导
- Pearl：主张因果科学是强AI的发展方向
开放性问题
关于AI发展方向的两种观点：
- 模仿人类：发展出与人类一样聪明的智能，能够进行逻辑推断和因果分析
- 超越人类：AI应该超越人类的认知水平，不局限于人类的思考方式
用户草稿原文
"在谈到 AI 和机器学习（ML）时，Gosling 也对专业术语提出了批评："对于 AI 和机器学习，我最难接受的就是它们的名称。"在他看来，与其使用这些具有误导性、将其与人类推理能力关联起来的迷惑表述，"高级统计方法"反而是更准确的字眼。Gosling 认为这些技术也仅仅是"极其复杂的锤子和螺丝刀"：仍然是人类手中的工具，而不是能够威胁就业的自主系统。"
今天刷到一篇推文，Java 30周年回忆Java之父生平和近况相关的，除了情绪渲染和老生常谈的问题之外，Jams Gosling对当前AI的概括——"高级统计方法"令我感触尤深。似乎在哪里见过类似的描述，灵光一闪：《The Book Why》！
《The Book Why》作者Judea Pearl（朱迪亚·珀尔）曾被誉为"贝叶斯网络之父"，因其在20世纪80年代提出的贝叶斯网络而闻名，这一模型使机器能够处理不确定性并进行概率推理，从而奠定了人工智能领域的重要基础。然而，随着时间的推移，Pearl逐渐意识到，尽管贝叶斯网络在概率推理方面取得了巨大成功，但它无法充分捕捉人类推理中的因果关系。
Pearl自嘲为"AI社区的叛逆者"，因为他认为现有的机器学习模型过于关注数据驱动的预测，而忽略了因果关系的核心作用。他认为，只有通过因果推理，才能真正实现具有人类智能水平的机器，并推动人工智能向更高层次发展。
无独有偶，James Gosling 和Pearl都精准的洞察到当下人工智能最核心的理论基础：统计学！
James认为当前AI命名具有极强的误导性，这是一种将人类推理方法关联起来的迷惑表述。Pearl更直言因果科学才是强人工智能的发展方向。
在争论中比答案更重要的：批评的声音让我们看到了当下所走的路和选择的方向，统计学或是因果科学哪一种终极答案还未可知，但是知道目前走在哪条路上能够拂去迷雾，跳出庐山之外看庐山。
《The Book Of Why》其中一条书评的开放性立场：
关于这一结论（因果科学是通用人工智能的未来），存在两种不同的观点。
一种是波尔的观点，他认为人工智能的终极目标是发展出与人类一样聪明的智能，能够进行逻辑推断和因果分析；
另一种观点则认为，人工智能应该超越人类的认知水平，不需要局限于人类的思考方式。这种观点认为，人工智能的发展方向应该是超越人类的智能，而不是局限于模仿人类的认知逻辑。
James怒喷的诸如AI，机器学习的命名让我想起来"摩尔定律"的命名：
戈登摩尔（1929-2023）
1965年，36岁的摩尔基于对过去发展的经验性预测，提出集成电路的晶体管每2年会翻倍。
1975年，加州理工学院的卡沃·米德在引用中将摩尔的经验性观测命名为"摩尔定律"。
定律通常被理解为某种物理学规律，而实际上的"摩尔定律"只是某种经验上的观测，后续各个新闻所报导的"摩尔定律"放缓更是不断延续之前的荒诞描述。定律放缓？
如同James将当前AI命名为高级统计方法，类似摩尔定律似乎更适合用摩尔观测来描述。
总结: James Gosling的批判性观点为整个AI行业提供了重要的反思视角，提醒我们在拥抱新技术的同时，不要忘记技术的真实本质。AI技术应该被正确认知为"高级统计方法"，而不是被夸大其词的"人工智能"。
浙公网安备 33010602011771号