德国《国际政治与社会》杂志网站3月11日发表瑞典于默奥大学计算机科学院教授维尔吉尼娅·迪格努姆的文章称，将发展人工智能视为一场竞赛的论调是错误和危险的。它只看到了竞争，而且唤起了人们的沮丧情绪。发展这项技术的目标不是赢得竞赛，而是要确保人类以及环境的福祉。
文章认为，关于竞赛的这种论调是错误和危险的。它只看到了竞争，而且唤起了人们的沮丧情绪。对此有必要看到两点:首先，并不存在任何竞赛；其次，即使存在，人们也不应参与。
为什么说不存在任何竞赛?文章指出，因为从定义上看，这个概念并不合适——人工智能的发展没有终点线。某人何时何地选择加入这场竞赛是无法决定的。
文章称，能够赢得这场“赛跑”的假设，前提是有一个人们可能要停止进一步发展技术和推动人类进步的时间点。也许会有能够赢得的竞争，但当某人取胜后，还远不意味着他已经完成了这一竞争。
文章称，更重要的是，这是一场错误的竞争。为了发展人工智能，机器学习十分受重视，尤其是深度学习。这样的工具能够处理大量数据并拥有高速计算能力。在其帮助下，机器能够辨别并学到某一领域的典型特征。人们可以将此用于人脸识别、借款人的可信度判断或者在CT扫描和X光中检测癌细胞。
文章称，以上都是非常重要的应用，近年来取得了可观的进展。然而，这些方法侧重于人工智能的一个方面，即检测不规则行为的能力，并且基于这些认识作出预测。但人工智能真正的作用远不止于此，包括得出结论、互动以及基于较少的不完整和矛盾的信息作出决策的能力。因此，迫切需要探索统计学习方法的替代方案。
文章介绍，近期，一项长达25年的对人工智能的研究得出结论:深度学习时代正接近尾声。传统上，欧洲在符号人工智能以及(社会)机器人领域掌握优势。社会机器人是用于按照社会规则与人类互动和交流的(半)自动机器。符号人工智能也被视作基于规则的人工智能，它旨在用电脑模仿逻辑、演绎推理和计划等认知成果。
文章认为，当前，人们恰好必须在符号人工智能以及社会机器人领域投资，因为在不久的将来这些技术会推动人工智能的发展。因此，在美围绕机器学习的竞赛中盲目跟风是错误的。
文章称，不专注于数据密集型工具的另一个原因在于它对人类健康和环境福祉的负面影响。无法建立信任的研发终将无法成功。人们难以理解并解释基于深度学习和人工神经网络的结论和决策系统，因此在许多用户和专家的信任不可或缺的领域，这些结论和决策系统是无法容忍的。
文章也指出，为此人们需要转变思路，经济世界和决策过程必须更具包容性。基于伦理原则对人工智能负责任地再发展，对研究和投资而言不是负担，而是一项继续推动这项极具影响力的技术的决定性步骤。
文章称，发展人工智能的目标不是赢得一场竞赛，而是要确保人类以及环境的福祉。
