据美国《华尔街日报》网站8月4日宣布，这场辩论归根结底在于目前创建AI的方法是否足够。
经由一些微调和拥有足够的非理性运算能力，人们现在拥有的技能能否能够做到真正“智能”，即存在于动物或人类身上的那种智能？

宣布称，这场辩论的一方，是“深度学习”的推戴者——这种方法自2012年多伦多大学三位研究职员揭橥了一篇具有里程碑意义的论文之后便迅速盛行开来。
只管这绝非是AI的唯一方法，但是其展示出了超越以前AI技能实现程度的能力。

“深度学习”中的“深度”指的是人工神经网络中人工神经元的层数。
与其生物等效物一样，带有更多层神经元的人工神经系统也能够进行更繁芜的学习。

为了理解人工神经网络，想象一下空间中的一串相互连接的点，就像大脑中的神经元一样。
调度这些点之间的连接强度，就粗略仿照了大脑学习时发生了什么。
其结果是一个带有实现期望结果最佳路径的神经接线图，例如精确识别一个图像。

宣布称，本日的深度学习系统与人们的大脑不同。
充其量，它们看起来就像是视网膜的外层，在这里只有很少几层神经元对图像进行初步处理。

这样一个网络不太可能完成人类大脑有能力完成的所有任务。
由于这些网络并不像一个真正智能的生物那样理解这个天下，它们很薄弱，并且随意马虎稠浊。
在某种情形下，研究职员可以通过仅仅改变一个像向来“欺骗”一个盛行的图像识别算法。

宣布称，只管存在局限性，深度学习推动了图像和语音识别以及机器翻译领域“金标”软件的发展，并且帮助其在棋类游戏中击败了人类。
这也是谷歌的定制AI芯片和AI云做事以及英伟达公司的无人驾驶汽车技能背后的主要推动力。

AI领域最具影响力的人物之一、谷歌大脑和百度公司AI部门前卖力人吴恩达说，有了深度学习，打算机应该能够完成普通人在1秒钟或是更短韶光内能够完成的任何脑力事情。
自然，打算机应该能够乃至比人类完成得更快。

宣布称，这场辩论的另一方，是包括优步科技公司AI部门前卖力人、现任纽约大学教授的加里·马库斯在内的一些研究职员。
他们认为深度学习远远不敷以实现人们被承诺的结果。
例如，其永久不可能夺走所有白领的饭碗，或是引领我们走向一个实现完备自动化的辉煌未来。

马库斯说，得到“一样平常智力”（哀求具有思维、自主学习和构建对天下生理模型的能力）超出了当今AI的能力范畴。

马库斯说，想要令AI更进一步，“我们须要从自然中汲取灵感”。
这意味着须要提出其他类型的人工神经网络，以及在某些情形下，授予它们内在的、预定程序的知识——就像所有生物与生俱来的本能一样。

多伦多大学机器学习专业助理教授戴维·杜弗诺说，许多研究职员都赞许这一点，并且正在致力于补充深度学习系统，以战胜其局限性。
一个集中研究的领域正在确定如何从一个征象的一些事例中学习——而不是深度学习系统常日哀求的数百万个事例。

宣布称，研究职员也试图授予AI构建对天下的生理模型的能力，婴儿乃至在他们的第一年就能完成这样的事。
因此，只管一个曾经“看”到过100万辆校车的深度学习系统可能会在第一次看到一辆颠倒的校车时无法辨认，但是，一个对付校车构成（即车轮和黄色底盘等）有着生理模型的AI系统，将能够更随意马虎的辨认出一辆颠倒的校车。