機器學習的泰斗級人物邁克爾·喬丹（Michael I.Jordan）的聲音或許是最洪亮的一位。他是美國科學院、美國工程院、美國藝術與科學院三院院士，現執教於 UC 伯克利大學電子工程與計算機學院和統計學院，是統計學與機器學習交叉融合的主要推動者之一，也是貝葉斯網路、機率圖模型、層次隨機過程等多個重要方向的主要奠基者之一。
AI 領域諸多知名學者是他的學生，如人們所熟知的前百度首席科學家吳恩達、深度學習領域的領軍人物 Yoshua Bengio、貝葉斯學習領域有名的劍橋大學資訊工程學教授 Zoubin Ghahramani 等。
喬丹教授對當下人們對 AI 的定義和認知可以說進行了不遺餘力的批判，無論是在公開文章還是在演講中，他都要固執的對“AI”這個詞不斷進行註解，好像這樣就能改變人們對“AI”這個詞的固有印象。
當然，他更多的不滿來自於人們對 AI 的過分吹捧。
在近日的 GMIC 大會的 panel 環節，不同於李開復對 AI 發展的一番美好暢想，喬丹教授一如既往措辭嚴厲，要給目前人們對 AI 的理解和技術發展降溫。
在他看來，AI 還不能太過誇大，智慧其實並沒有完全建立起來。“現在我們在地圖等很多領域可能實現了一些智慧的功能，但那只是一種對映，語義等方面的智慧還不存在。”
他的核心觀點是，我們需要讓每一個系統都達成智慧，而不只是單個個體的智慧。比如，其實無人駕駛所要完成的最終目標也不是“無人”，而是要讓它“像人一樣駕駛”，讓它實現更好的連線，而不只是一個簡單的機器。
“在無人駕駛或者無人店這些領域，需要自主做出決策，並且一些決定可能還有優先順序別。有時還需同時做出多個決定，比如在經濟、金融等方面的各種決策。”
他認為人們對所謂的 AI 不能有太大期待，最大的願景不過是建立一個智慧的自動化系統。那現在的人工智慧應用實際的技術能力與這一願景之間差距幾何？
他拿亞馬遜和阿里巴巴的推薦系統舉例。很多時候亞馬遜向人們推薦一本書時，人們感到非常高階，背後的 AI 技術也開始不斷進行部署。不過，在交通系統推薦最優出行路線時，很多時候機器向人們推薦的都是同一條路線。這種體系就有問題，他說，我們必須要負起責任，包括資料、決策以及其他可能出現的錯誤都要考慮進去。
但建立這種自動化體系並不容易。他再次強調，你可以用 AI 這樣一個詞來表述背後的技術，但是千萬不要誇大。
在喬丹教授的措辭中，你不會聽到太多有 AI 字眼的表述。他甚至討厭將機器學習稱為 AI，前者不過是其中的一部分，IA（智慧增強）或許更適合定義如今智慧技術的發展。這一點在他後來接受包括 AI科技大本營等媒體採訪時也有所體現，儘管他看上去相對溫和，但記者在提及 AI 這個詞彙時卻謹小慎微，“——I mean，not AI”。
儘管身處學界，但喬丹教授近年來也開始活躍在業界。去年 5 月，喬丹教授正式受聘成為螞蟻金服新成立的科學智囊團（Scientific Advisory Board）的主席，也是螞蟻金服首位技術顧問。
當初他接受螞蟻金服的邀請，主要是因為普惠金融待解決的技術難題，而他能在此充分發揮自身的技術價值。一年之後，他向 AI科技大本營介紹了他在螞蟻金服的工作。他表示，學界教授作為科技公司的技術顧問在美國很常見。他主要和螞蟻金服工程師進行交談，試圖瞭解他們遇到的問題和困難（包括涉及欺詐、情報、保險、研發新產品等方面，它們背後的核心都是機器學習），然後給出建設性的意見和方向。
機器學習技術也是自動駕駛技術的核心之一，當 AI科技大本營問及在當前機器學習的發展下，十年之內是否能實現完全自動駕駛技術時，喬丹教授繼續回答稱，這個年限只是自動駕駛發展的一個過渡期。
“在這期間，自動駕駛汽車可能會在高速公路上行駛，但速度會非常慢，它們會與附近的其他車輛實現無線連線。當一輛車發現前方有障礙物時，它就可以告知周圍的其他汽車。而這不需瞭解 AI 或者人類智慧就能做到，但目前還處於除錯階段。”
他最近擔任的職位之一是作為 AI@The House 的合作伙伴和創始人，這是一家位於伯克利的風險基金和加速器。該基金旨在不僅支援AI專案，而且支援 IA 和 II（智慧基建）專案，並且支援在大學環境的背景下研究這些專案，不僅包括工程學科，還包括社會科學、認知科學和人文學科。
對於目前 AI 產業發展的大環境，喬丹教授告訴 AI科技大本營，現在大多數公司都開始非常認真對待，學界和業界也有了更多溝通，由於機器學習等技術的推動，一些實際問題也在逐步得到解決，但現在 AI 的發展並非處在“重大突破期”。
AI 的發展要想有所突破，最重要的還是要搭建一個智慧體系。他說，達成這一目標，其實並不需要了解 AI 的所有方面。
“AI 本身是一個電腦科學，但它也與經濟學相關，而在此之間，我們還需要搭建橋樑。”他認為，電腦科學要為經濟學服務，“如果在生產者和消費者之間搭建一個體系，他就會產生經濟效益。”
例如在餐廳推薦時，如果機器向所有的人都推薦同樣一個餐廳，那麼這個餐廳就會人滿為患。最好的方式是建立一個相應的競爭體系，把座位按照一座一價或對一些座位進行打折的方式來進行競標，從而實現相應座位合理的分配，餐廳也會得到很好的上座率。
喬丹教授最近研究的最佳化理論與解決此問題相關。但整體上，所謂的 AI 體系還有很大的侷限性，讓他感到遺憾的是，身處浪潮中的很多人甚至還沒意識到這一點。