其次，尽管不认同萨金特对于人工智能其实就是统计学的表述，但金榕赞同了萨金特演讲中提到的人工智能通才以及交叉学科研究是推动当下人工技术进步的关键之一。

至于下一波人工智能技术的跃迁需要依赖于哪些领域和学科，金榕认为来自AI芯片、量子计算这些全新的计算基础设施算力的巨大提升。此外还有神经科学的一些重要突破，可能将揭示大脑中神经元如何处理信息与做出决策的，这对人工智能的发展也有重要意义。

以下为澎湃新闻对金榕的专访：

澎湃新闻：托马斯·萨金特认为，人工智能其实就是统计学，只不过用了一个很华丽的辞藻，其实就是统计学。好多的公式都非常老，但是所有的人工智能利用的都是统计学来解决问题。”如何评价这种“AI就是统计学”的观点？

金榕：这位宏观经济学家也许是习惯了用统计去寻找经济的因果关系，因而认为AI也是这样。即使是他提到的动态规划（dynamic programming），也不属于统计学范畴。

除了统计，AI中的“学习”“推理”和“决策”中还使用了代数、逻辑、最优化等许多其他学科知识与方法。此外，有了算法后如何有效实现也非常重要。所以单纯说AI就是统计学，或者说“所有的AI都是利用统计学来解决问题的”都是片面和不准确的。

在这里我们首先需要定义什么是人工智能背后的核心技术。现在人工智能技术的成功背后，是基于对海量数据的学习，因此大量的大数据处理、优化以及分布式计算基础设施都扮演了非常重要的角色。此外，AI还涉及到一个关键因素，就是如何实现最优的智能决策（例如AI打游戏）。一些理论和实证研究已经发现，神经网络就非常善于在复杂的条件下做出最优的决策。神经网络也不是统计学范畴。

相关报道: