神经网络库Keras的创建者，《 Python深度学习》的作者François Chollet认为：我们的领域并不完全是“人工智能”，而是“识别自动化”：是人类生成的抽象/行为/技能的可编码化和可操作化。“智能”标签是分类错误
识别自动化可以通过对人类生成的规则进行明确的硬编码（GOFAI），或者通过收集标记输入的密集采样并在其上训练某种形式的局部敏感哈希表（例如深度学习模型）来实现。
第二种形式特别强大，因为对于各种历史上棘手的问题，仅通过带有标签的训练示例对隐式抽象进行编码要比手工对显式编程进行抽象编程要实用得多，而且用途更广泛。
识别自动化虽然非常有用，但是如果像人类一样能够进行自主抽象则完全是另一种生物。例如识别自动化类似动画卡通人物，是一种人物抽象形式，无论这些卡通人物是手工制作的还是通过模仿现实中人物。您可能会问：“如果动画片以足够的真实感绘制并且涵盖了足够多的场景，那和真实人物有什么区别呢？”，区别还是有的，区别在于对未知事物的适应性，真正的生命形式（而非卡通人物）将自动适应不断变化的未来；识别自动化（卡通/人工智能）只能执行您计划的场景。
智能是适应未知任务和领域范围内未知未知因素的能力。自动化充其量只能有效地处理已知任务中的未知问题（在现实世界中，无论是工程还是数据，这已经非常困难且资源密集）
自然地，资源密集性来自缺乏适应性：您需要为每个可能的未知因素进行计划，无论是显式的还是通过对可能情况的密集抽样（假设固定分布）
众说纷纭：
同意，人工智能只是属于识别认知自动化！AI是分类错误，因为“智能”是类别错误。如果您查看有关智商的争论，您会发现它是虚假的。智力从来都不是有效的个人属性，而是将代理和决策权合法化的社会属性。
全部都是曲线拟合。在广阔的领域空间内进行多维曲线拟合。
让我们忘记这些严重的人为偏见的定义！智能是一种具体化的认知主体根据其知识本体推断出最佳行为的能力，该行为能够熟练应对其相关领域的变化，从而实现其目标。
归根结底，“ AI”只是夸张的统计信息（在功能越来越强大的计算机上运行）
banq注：人工智能能识别出猫和非猫，假设前提是你让它识别“猫”，给它指引了识别的目标方向，它不会在帮你识别猫的过程中，告诉你它还找出了狗、人和万物，后者才是真正智能。当然，可以将识别猫和识别狗以及万物的算法卷积重叠在一起实现识别万物，但是如果出现一个从未出现的事物，它就无法识别，只能判断为“非XXX”！