人类历史上反复出现过实践应用先于理论体系的情况，就像人类很早开始冶金和制造瓷器，却很晚才发明化学；很早就进行河道治理和水利建设，却很晚才出现水利工程学。很多实践经验和工程知识，长期领先于科学研究，所以很多时候人类其实是 知其然，不知其所以然。近代科学体系的完备似乎在改变这一情况，大多数情况下，我们是研究好理论，再拿去工程化实用化。
但是在这一波大数据和人工智能革命，情况似乎又有点回去了。我们开始在思维，学习机制的认知灰色区域里再次摸索，不过这次我们有了一个强大的工具叫计算机，有了一个并不能完全控制的导盲犬叫人工智能。人类已经发现并实现了诸多人工智能应用，但对深度网络思考和推理的机制，却还是缺乏深入理解，对某些AI模型的构建，还是基于难以解释的实践经验。通俗点说，我们为人工智能提供了工具运算算力，提供了学习素材 训练数据，给了一些指导 算法，主要还是如何达到一些数学目标的规则和方法，然后…… ……我们就直接看到结果了，AI如何理解消化得出结论的细节，很多还是一个黑盒。
所以我们惊叹AlphaGo可以击败世界最强的围棋手，赞叹AI居然可以惟妙惟肖地模仿出莫扎特和伦勃朗风格的作品，而我们自己甚至还不知道怎么尽快做到。这也是为什么各国现在都在强调AI伦理风险管理和算法可解释性。超前使用自认为完全解释和控制的技术带来的惨痛教训，出现过在切尔诺贝利和福岛核电站这种场景。而人工智能的领域，比以前任何一项技术应用可能都更有风险，以前的技术应用，终归还是人类将技术带入我们的主场物理世界，而这一次，人类的探索空间，却主要是在人工智能的原生地 数字宇宙。
仅代表尹智个人观点 KEN's personal view only
