根據Grady Booch的說(shuō)法，當前大多數AI系統都是關(guān)于邊緣信號的模式匹配和歸納推理，而不是真正的人工智能。在2018年QCon舊金山舉行的第二天主題演講“建造魔法之地”中，他解釋了自己的觀(guān)點(diǎn)，即當今的AI是“ AI組件的系統工程問(wèn)題”。

True AI使用決策和歸納推理，使那些系統能夠推理和學(xué)習。當前的人工智能應用遠遠不能實(shí)現這一目標。它們只是大型系統中的組件。

當代AI并不是最近才起源的，因為許多架構和算法都已經(jīng)有數十年的歷史了。今天的差異是計算能力的豐富和大量標記數據的存在。實(shí)際上，使用數據來(lái)理解數據并將其轉換為正確的格式通常會(huì )比建立模型花費更多的工作。

模式匹配是關(guān)于教導具有大量證據的系統來(lái)搜索什么。如今，這主要是圖像，視頻和音頻之類(lèi)的信號。這些信號往往位于系統的邊緣，而不是中心。實(shí)際匹配通過(guò)歸納推理完成。歸納推理不是決策。通過(guò)查看數據建立理論也不是歸納推理。

當代的AI也不是那么現代?，F有算法已經(jīng)存在了數十年。例如，第一個(gè)人工神經(jīng)元的歷史可以追溯到1956年，因此神經(jīng)水平計算的思想已經(jīng)存在了很長(cháng)時(shí)間。但是，現在您擁有大量的標記數據，以及大量可用的計算能力?；旧?，舊的算法現在是實(shí)用的，但是這些算法與推理和學(xué)習無(wú)關(guān)。推理意味著(zhù)在人類(lèi)的某些層次上，歸納，演繹和綁架混合在一起。隨著(zhù)時(shí)間的推移學(xué)習也是必要的。沒(méi)有所有這些要素，它實(shí)際上不是人工智能。

綜上所述，人工智能的發(fā)展有很多春季和冬季。第一個(gè)冬天是在1950年代冷戰時(shí)期。為了將俄語(yǔ)翻譯成其他語(yǔ)言，機器翻譯引起了極大的興趣。根據一個(gè)經(jīng)常被引用的故事，他們發(fā)表了諸如“精神愿意，但肉體薄弱”之類(lèi)的說(shuō)法。翻譯成俄文后，結果是“伏特加很結實(shí)，但肉爛了”。語(yǔ)言學(xué)習比人們最初想的要難得多。

明年春天出現了紐維爾(Newell)的思想和邏輯理論家特里·維諾格拉德(Terry Winograd)，他們運用了操縱小世界的想法，從而取得了一些進(jìn)展。當然，那是馬文·明斯克(Marvin Minsk y)宣布三年內將具備人類(lèi)智能的時(shí)候。沒(méi)有人再提出這種要求了。計算能力和表達能力是這種方法的局限性。

接下來(lái)是Ed Feigenbaum等人首先開(kāi)發(fā)的基于規則的系統?；贛YCIN的醫學(xué)診斷就是通過(guò)這種方法實(shí)現的?？藏悹枩?Campbell Soup)使用這些技術(shù)來(lái)捕獲其秘密配方，因此它們不依賴(lài)于人類(lèi)的記憶。問(wèn)題在于基于規則的系統在經(jīng)過(guò)數百條規則后無(wú)法擴展。Symbolics和其他公司試圖基于這些系統構建硬件。當這些系統的局限性變得明顯時(shí)，DARPA停止了資金投入，又是另一個(gè)AI冬季。