安德鲁麦克迪尔米德(Andrew McDiarmid)采访了《人工智能的神话：为什么计算机不能像我们一样思考》 (2021)(哈佛大学出版社，2021)一书的作者埃里克j拉尔森(Erik J. Larson)，《机器会统治！”路上的炒作会抹黑——，分散人们对人工智能实际进展的注意力。

这部分从01:59开始。一些成绩单和笔记、展示笔记等资源如下。

安德鲁麦克迪尔米德：你能首先为我们描述一下今天的人工智能模式吗？为什么它没有朝着正确的方向发展？

埃里克拉尔森：基本上，自2000年左右以来，人工智能已经从旧的做事方式转变为数据驱动的方式。基本上，我们现在处理的是我所说的大数据人工智能，这基本上意味着“当你有一个巨大的数据集时，人工智能的效果最好。”

一些东西，比如图像识别、脸书上的人脸识别、个性化新闻提要，让这些变得更加强大。但这也导致了AI基本上是作为归纳来完成的。

按照以前做AI的方式，我们会写规则。我实际上是从这个阵营走出来的，最后在现代人工智能领域工作.在2000年。当时，它刚刚起飞。谷歌几乎默默无闻，除了加州口袋，没有脸书，没有2000年的Web 0，人工智能正处于其中的一个冬天，人们已经失去了一点信心，资金已经枯竭，等等。

所以20年前，当我开始的时候，这个领域还在尝试基本上写规则或者使用我在书中提到的演绎方法，对吗？哲学中的演绎很容易理解。

经典的例子是

这是一种指定前提，然后得出结论的方法。这些推论是基于规则的，因为你实际上是写或者指定知识，然后用这种方式得出结论。在我工作的第一家公司，我们仍然使用这种方法。事实上，它是德克萨斯州奥斯汀的一家著名人工智能公司。

但是互联网几年前就起飞了。我的意思是，我认为第一家商业公司是在1994年上线的。然而，就1995年至2000年万维网页面的增长而言，流量确实开始加速。突然有了这些数据。

目前的人工智能技术其实可以追溯到20世纪50年代；2000年后的巨大变化是更多的数据。

埃里克拉森：老方法.已经存在很久了。深度学习是基于一种叫做神经网络的东西，神经网络实际上是人工智能中较老的机器学习算法之一。我认为最初的神经网络叫做感知器。它们实际上出现在20世纪50年代，几乎是这个领域的开端。在2000年代的下一个十年里，学习算法并不是什么新鲜事，但可用于提供算法的数据量只会呈指数级增长，因为网页基本上都是文本和图像，对吗？