我建議這個問題中的默示假設-所有AI創始人對即將實現的目標感到樂觀，這在歷史上是錯誤的。

有些人很樂觀，但很多人都不樂觀，儘管他們希望自己的工作為將來實現這一目標邁出了一步。

我不確定這與他們特別樂觀的那一代人有關。同一代的許多科學家，包括許多著名的生理學家，都對這種說法持懷疑態度，但卻為實現這一目標做出了貢獻。

同一代的許多研究者否認純圖靈意義上的人工智能機器可能永遠無法完成生物學大腦所做的所有工作。 M.Lighthill，R.Gerard，N.Rashevsky（神經網絡模型中的抑制源），R.Rosen，Popper，Penrose，Hayek，Lucas，Pribram等，等等。

例如，在羅森（Rosen）在1962年發表的一篇論文（ Church的論文及其與生物學和物理學中可實現性概念的聯繫）認為，大多數任意神經網絡都是不可計算的。這並不意味著人工智能是不可能的，而是需要其他物理上實現計算的方法。

從概念上講，大多數建議的方案都是神經網絡，但由於同時互連的數量眾多，因此需要實現專門的物理系統。確實，可以以一種特殊的方式耦合圖靈機，以構成“整體”不可計算（超計算）系統。此類討論與AI的大部分時間同時出現。

（J。Copeland在1990年代對此進行了討論-唯一的缺點是，圖靈計算是唯一具有通用計算機的計算。大多數超計算概念都缺乏通用實現。 ，但取決於他們可以做什麼和不能做什麼的結構會更加專業。）

例如，麥卡洛赫（McCulloch）和皮特（Pitts）是拉舍夫斯基（Rashevsky）的學生，他們一直在1950年代出版有關主題的文章。

威廉·斯特勞斯（William Strauss）和尼爾·豪（Neil Howe）（S&H）的世代認為，所謂的第二次世界大戰或“最偉大的”一代，出生於美國1901-1924年，是特別樂觀的一代，很大程度上是因為它們的生命週期。他們年輕時贏得了第二次世界大戰，中年使一個人登上月球，並像老年人一樣享受裡根（經濟）的繁榮。西蒙（生於1914年），明斯基（生於1919年）和里根本人（生於1911年）都是這一代人的成員。在這些男人的中年時期出現了“人工智能”，這就是為什麼他們的樂觀有時與他們的科學聯繫在一起的原因。 “命運交會”世代（或S&H所謂的“傳教士”）以及FitzGerald和Hemingway的失落世代。豪先生（和施特勞斯先生去世之前）相信，如今的年輕人，即所謂的千禧一代，出生於1982-2001年，是由Boomers（現代的“約會”）和X一代（ “新的失落者”）。希望他們的名稱沒有附加的“世界大戰”。對於美國人而言尤其如此，對“全球”經濟中的其他人而言則是如此。

這些預言家犯了一個根本性錯誤。假設後代會像他們一樣並繼續他們的發展軌跡。 S&H假定四個不同的世代具有不同的優先級，而第四個偏遠的世代（千禧一代）則佔據了第二次世界大戰一代的“指揮棒”。因此，將在2020年代至2030年代的千禧一代中年，而不是所謂的“沉默的一代”（艾倫·格林斯潘和尼爾·阿姆斯特朗）的中年實現這些二戰世代的願景。（1965年-1985）。

對此有一個可能的答案，它很通用。我在羅伯特·海因萊因（Robert Heinlein）的一篇文章中遇到了這個想法-不幸的是，現在找不到標題或其他信息。這個想法是，技術傾向於遵循指數曲線，但是當人們想像未來時，他們傾向於承擔線性進步。

結果類似於上面繪製的圖形。在短期內，這條線預測的進展太快，但從長遠來看卻相反。

例如，如果您看一下20世紀的科幻小說，他們會預測相比實際情況，人類太空旅行將更加普遍並且在經濟上可行。例如，在1960年代，他們預測了1970年代的月球殖民地。

人工智能可能只是同一現象的另一個例子。

簡而言之，他們低估了上下文的首要重要性。

在某些小型，定義明確，自成一體的世界中，人工智能可以勝過人類的努力。小型車輛和在倉庫周圍運轉的機器。但是，在現實世界中，它們會丟失，甚至可能完全被幼兒所超越。

我無法想像在不久的將來任何人工智能都能理解青少年的語言，語和and語。它不僅變化很快，而且還具有諷刺意味，諷刺，隱含的負面影響，以及更多得多的東西，無論是多麼複雜的計算機程序，都無法跟上，主要是因為青少年不必宣傳他們的語理解方式。您必須是“人群中”的一部分。實際上，他們確實竭盡所能，以確保其他人不理解這些細微之處。

當然還有很多，但是人類語言是計算機程序完全不如一的方面，而且將會保持下去，甚至可能永遠存在。

如果他們不那麼樂觀，他們會進行其他努力，而不是成為AI的創始人。

存在選擇偏見，即問題可能與問題背後的方向相反。

他們還首先解決了較簡單的問題，所以進步似乎很快，他們只是預測出進步的速度，甚至超出了這樣做的準確範圍，因為較難的部分需要更長的時間來解決。得益於更好的工具和已經完成的工作，進展比以往更快，但是要解決的挑戰也相當艱鉅。

一種可見的效果，例如在編程中，“自動編程”是其中之一，也就是讓計算機根據一些較高的描述來編寫程序。沒有人再稱其為“人工智能”了，它是編程語言設計，編譯器構建（在六十年代，有一個項目要構建一個比經驗豐富的彙編語言程序員提供更好代碼的編譯器……他們成功了。

AI的詛咒是，當他們找到解決問題的方法時，突然不再是AI了。啟發式方法，在龐大空間中進行搜索時，尺寸已縮小到可管理的範圍，一切都消散了。