人工智能的发展的势头如此猛烈，大众和专家们对人工智能也持乐观的预测，但历史上，从1950年代初开始，「人工智能之春」和「人工智能之冬」之间就在上演循环往复的戏码，谁又能预测未来的发展？
即使当今AI的突破速度似乎很快，无人驾驶汽车、管家机器人和智能对话系统等技术的开发却比许多人想象的要难得多。
最近Melanie Mitchell在arxiv上发布了一篇文章，阐述了科研人员对AI的四个谬误，这些谬论可能导致对该领域的过度自信预测。
Mitchell是一位美国计算机科学家，波特兰州立大学教授，主要研究领域为复杂系统和遗传算法以及细胞自动机。
谬论1：AI的发展是一个连续的过程
当IBM发布自动问答系统「沃森」时曾说，这是认知系统的第一步，也是计算的新纪元。
OpenAI把GPT-3语言生成器描述为迈向通用智能的重要一步。
然而， Hubert Dreyfus认为这是典型的「第一步误区」，这就像一个猴子在爬树，然后想着慢慢就会爬到月亮上。
AI的发展就是先找到特定任务的解决方案，再组合成通用智能，这也许不是实现真正AI的路。
就像许多专家预测的那样，AI发展的道路上，有很多无法预见的障碍，连续的发展无法一帆风顺。
谬论2：简单的事有简单的解决方案，困难的任务需要复杂的解决方案
当John McCarthy悲观地认为「AI比想象的要难得多」的时候，明斯基解释说，那是因为简单的事情都是很难的。
人类在做很多事情的时候都没有思考过自己为什么能这样做，例如交流，走路，这些对人来说很简单的事，对机器来说实现起来却很复杂。
相反，对人来说很复杂的事，对机器来说又很简单，例如下棋，几百种语言之间互相翻译等。
这也称为「Moravec悖论」，相对来说，让电脑在智力测试或跳棋方面表现出成人水平的表现是比较容易的，但让他们掌握一岁孩子在感知和移动方面的技能几乎是不可能的。
AI比我们想象的难，是因为我们从来没有注意过，当我们感知世界时经历了多么复杂的一个过程。
误区3：一厢情愿去模仿人脑
前面说过，人脑和机器对于不同的任务之间性能有很大的差距，而AI界的学者更倾向模仿人脑。
AlphaGo成功在围棋界登顶，但没人能从他嘴里问出来他到底是怎么想的。唯一的答案是，「AlphaGo只想着赢」。
IBM知道沃森无法阅读或理解，DeepMind的研究人员也知道AlphaGo不知道自己在想什么。
虽然AI在很多任务上击败了人类，但离通用智能还有很远的距离。
误区4：智能都在人脑中
一般来说，智能是和人类的身体分开的。
顶尖的AI科学家把他们的想法匹配人脑的结构，其中著名代表就是Hinton，他曾说过，若要理解人类是如何理解的，我们就需要数以亿计的神经元来模拟。
然而其他科学家也有认为我们之所以AI取得了进步，全归功于摩尔定律，我们也不一定非要往人脑上靠。
embodied认知理论就是把情感和非理性的智能抛弃掉，做一种「纯智能」，不需要考虑吃和睡来限制自己的行为。
上述四个谬误是作者看到的当前AI发展受到的限制。
reddit网友表示，不知道这篇论文为什么被炒作起来了，但上述四个理论已经是众所周知的事。
并直言，arxiv大部分这种论文都是旧新闻炒冷饭。
还有网友认为这篇论文投稿肯定中不了。
你怎么看呢？
