灰色的科幻小说红衣主教阿瑟·克拉克（Arthur Clark）
写道： “任何足够先进的技术都无法与魔术区分开。” 这句话被技术促进者们孜孜不倦地引用，也许已经成为克拉克有史以来最具破坏性的陈述，因为它鼓励了我们对技术的催眠性惊讶，并破坏了批判性思维。 因为就“魔术”而言，按照定义，这将是莫名其妙的。 对此提出疑问是没有道理的。 照原样接受，放松并淹没不信任感。
现在，大多数
魔术思维都吸引了人工智能（AI）。 爱好者们形容它似乎是自转轮以来最重要的发明。 悲观主义者将其视为对人类的生存威胁：我们创造的第一台“最智能”机器将是人类灭亡的开始； 唯一的问题是，汽车是否会让我们养宠物。
在这两种情况下，人们对AI功能的信心与他们对这项技术的了解之间都可以看到这种反比关系。 专家们持谨慎乐观的态度，热心的支持者也没有意识到他们所赞扬的AI实际上是机器学习（MO）和大数据的相当平凡的组合。
机器学习使用统计技术来赋予机器“学习”的能力，也就是说，使用数据可以不断提高特定任务的性能，而无需事先编程。 MI系统是一堆算法，这些算法将数据流作为输入，并给出链接，相关性，建议甚至可能是解决方案。 这项技术已被广泛使用：我们与Google，Amazon，Facebook，Netflix，Spotify等的几乎任何交互都是通过MI系统的中介进行的。 得出的结论是，著名的AI专家之一
Andrew Eun 将 MO与电
进行了比较 。
对于许多公司董事而言，一台可以比以往更多地了解其客户的机器似乎很神奇。 想象一下当沃尔玛发现
飓风警告后，美国消费者积蓄的所有物品中，除了通常的设置外，还有啤酒和草莓饼干
Pop Tart 。 而且，不可避免地，公司对魔术技术的热情很快就超出了从超市采购的范围，并转移到了政府。 国防部迅速渗透到交通拥挤的
预测，法治的预测 （MO帮助标记“可能”发生犯罪的区域），关于假释的决定等。 这种疯狂增长的借口包括提高效率，改进对法律合规性的控制，更“客观”的决策制定以及当然更敏感的效用。
注意力的这种逐渐转移并没有引起人们的注意。 评论家指出，旧的计算机格言“垃圾进，垃圾进”适用于莫斯科地区。 如果机器“学习”的数据存在偏差，则其输出
将反映该偏差 。 这可以一概而论。 也许我们已经创造了一种技术-尽管可以应付您观看哪部电影的建议，但该技术可以
成为加剧社会，经济和文化不平等的
一个因素 。
在对莫斯科地区的所有这种社会政治批评中，没有人对这一想法本身的技术效率提出质疑-也就是说，人们认为，该想法所产生的任何不正确的决定都完全取决于输入数据的不足。 但是现在，这种令人放心的假设颇具争议。 在最近的NIPS（神经信息处理系统）会议上，MO专家的大型年度会议Ali Rahimi是该领域公认的明星之一，向观众们投掷了一颗知识分子手榴弹。 在一次出色的演讲中，他将MO与中世纪的炼金术进行了比较。 这两个知识领域都在一定程度上发挥了作用-炼金术士提出了冶金学和玻璃的制造方法。 MO的研究人员创造了可以在Go中打败人并从图片中识别物体的机器。 但是正如Rahimi所说，就像炼金术缺乏科学基础一样，MO也缺乏科学基础。 他认为，研究人员通常无法解释其数学模型的工作原理-他们对工具没有清晰而详细的理解，从这个意义上说，他们是在炼金术士而非科学家的角色下工作。
有关系吗 绝对可以。 正如Rahimi所说：“我们正在创建管理医疗保健并充当民政调解人的系统。 我们将影响选举。 “我希望生活在一个其系统以可验证，严格，全面的知识而不是炼金术为基础的社会中。”
我也是 基于电力，我们创造了我们热爱的文明。 但是至少我们了解了它为什么以及如何工作。 如果Rahimi是正确的，那么在AI的情况下，我们还没有接近这一点。 因此，让我们停止神奇的思考。