随着OpenAI在2022年11月发布的ChatGPT取得巨大成功，人工智能行业在2022年底爆发。生成式人工智能工具——从聊天机器人到非常逼真的音乐和语音生成器，再到图像和视频创作者，等等——继续让公众眼花缭乱，而人工智能和机器学习的进步继续在医疗保健和药物发现等领域得到应用。

只有一个问题:即使是创造这些人工智能的人也不能完全理解它是如何工作的。

“显然，我们并不是完全无知，”加州大学圣地亚哥分校的计算机科学家米哈伊尔·贝尔金在接受《麻省理工科技评论》采访时表示。“但我们的理论分析与这些模型的能力相去甚远。”

事实上，正如麻省理工学院解释的那样，许多人工智能模型都是出了名的黑盒子，简而言之，这意味着虽然算法可能会产生有用的输出，但研究人员并不清楚它是如何实现的。这种情况多年来一直存在，人工智能系统经常无视基于统计的理论模型。无论如何，在数十亿美元的投资和大量近乎狂热的信念的推动下，人工智能行业正在迅猛发展。(当然，高管层的愿景是裁撤大量员工。)

换句话说,人工智能已经无处不在。但随着它越来越多地融入人类生活，开发这项技术的科学家们仍在试图充分了解它是如何学习和运作的。

一些专家将缺乏理解归咎于该领域的新兴性质，认为人工智能的萌芽意味着有时研究人员将不得不从实验结果和产出中进行反向研究。

“这是激动人心的时刻，”哈佛大学计算机科学家波阿兹·巴拉克告诉麻省理工学院。“这个领域的许多人经常把它与20世纪初的物理学相提并论。”

“我们有很多实验结果，我们并不完全理解，”博拉克继续说，“通常当你做一个实验时，它会让你大吃一惊。”

如果这个行业的理解程度仍然很低，看起来有点漫不经心，那是因为它确实如此。

可以肯定的是，实验和不确定性即使不是科学过程固有的，也是自然的。但人工智能模型不再局限于隐喻性的硅谷试管;人工智能行业是一个利润丰厚的金融巨头，与其他技术一样，业内许多人所熟悉的“快速行动，打破常规”的方法很可能会给未来带来挑战。

毕竟，正如贝尔金对麻省理工学院所说，保证很重要。这里吗?它们还不存在。

据报道，贝尔金表示:“我对担保非常感兴趣。”“如果你能做一些了不起的事情，但你不能真正控制它，那么它就不那么了不起了。”

“一辆时速能开300英里的车有什么用，”他补充说，“如果它的方向盘不稳的话?”