人工智能（AI）尽管缺乏许多成熟学科的概念和科学基础，却取得了非凡的能力。与传统科学不同，可靠技术通常源于理论理解，而现代AI主要通过性能驱动的迭代和“炼金术”实验进展。这种紧张关系促使我们通过严谨性的视角对AI进行系统分析。
我们提出了一个三部分框架，包括：
- 概念严谨性（clarifying foundational concepts）
- 认知严谨性（establishing scientific understanding）
- 操作严谨性（ensuring reliable performance and deployment）
利用这一框架，我们分析了对智能和理解的竞争性概念，深度学习的经验方法的优缺点，基准测试的力量与陷阱，以及现代AI系统对理论发展的障碍。
我们认为，AI的独特发展轨迹源于不同范式之间严谨性的互动，导致在现代深度学习中操作严谨性占主导地位。这一观点有助于解释AI的快速进步及其持续的不确定性，同时阐明将AI转变为成熟科学和可靠技术所面临的挑战。
博主点评： 该文章深入探讨了AI发展的基础与挑战，强调了严谨性在推动AI技术成熟中的重要性。通过明确的框架，作者为理解AI的复杂性提供了有力的工具，值得AI研究者和从业者关注。