人工智能系统十分复杂，就连设计它的工程师都难以分辨某个具体行动背后的逻辑。
最初，关于可以理解、可以解释的人工智能应该是什么样子，出现了两派观点。
很多人认为，最有意义的机器应该根据规则和逻辑做出判断，这样一来，任何愿意了解代码的人都可以理解它的内部工作原理。
还有人认为，如果机器从生物学领域获得启发，通过观察和经验来学习，就更容易实现智能。这就意味着把编程任务交给机器自己来完成。解决问题时，不再需要程序员编写命令，而是由程序根据样本数据和渴望的输出结果来自主生成算法。已经成为当今最强大人工智能系统的机器学习技术就遵循了后一条道路：本质上是由机器自主编程。
这种算法起初的实际应用范围非常有限，在1960和1970年代，还仅限于一些边缘领域。之后，很多行业的电脑化普及和大型数据集的涌现重新点燃了人们的兴趣。这也推动了更加强大的机器学习技术的发展，尤其是新一代的人工神经网络。到1990年代末，神经网络已经可以自动对手写字母进行数字化处理。
如今的人工智能爆发都要归功于深度学习，它为计算机赋予了无与伦比的力量，包括实现与人类相似的口语能力，这种技术非常复杂，根本无法通过手动编程来实现。深度学习还改变了计算机视觉，并大幅提升了机器翻译效果。它现在可以用于引导医疗、金融、生产等各个领域的关键决策。
分享到:
