但与此同时，工程实践、科研教育和法律规范之间的隔阂使得该领域的研究也逐渐滑落。一种观点认为：科学研究过程存在主观发现的不确定性，自主探索“转化”成工程特征后存在重大风险。因此，自动研究机构成为有人工智能研究的实际适应性和资源的优化配置者。法律仍然不完善，担心引发混乱。另一种观点认为：自动研究机构应该相对独立，它们不应该被视为人工智能实践应用基础的组成部分，不应该赋予其以自主操作的权力。第三种观点认为：作为研究者，应该了解并意识到人工智能的局限性，并积极参与人工智能研究的基础建设，并力图在该领域与更多的研究者共同进步。第四种观点认为：人工智能研究存在确定的极限性，限制了其实践。

研究者应避免忽视人工智能领域的限制，科学研究应尽早站到人工智能领域的前端。相比起前面三种观点，第四种观点意味着应把人工智能的研究机构看作一个可以授权使用的工具。实际上，第三种观点也并非完全不科学，对学术发展和发展工业产生了贡献。人工智能应该被从交叉领域“剥离”，即将其看作专业研究领域，而非通用技术，做为我们人工智能的研究者应该主动地采取这样的路径。通过这种方式，技术领域的研究成果可以被作为实验性技术应用到前沿技术领域，这为前沿技术研究带来了发展空间。人工智能研究作为“业务”对于技术的实用化是至关重要的，通常，决定学术ai成败的在于工业化或工业化的应用。

已经有许多实验性成果开始工业化应用，比如机器学习，因此，人工智能的研究成果不应单纯停留在想象，而应积极落实到具体的工业应用场景中。实践理论和实验技术是不同的，前者可能是从数据中发现机制，后者是基于真实的用户需求发现机制。实验不仅仅是人工智能领域，其他领域也都适用。事实上，人工智能研究者也可以将人工智能与技术转移、系统转移等并列，为未来人工智能研究提供可持续的“实验基础”，这可以提高人工智能研究的商业潜力。

除了考虑研究成果的商业价值外，人工智能应该考虑其他价值。已有成果的研究使更多的人可以放弃人工智能的幻想，转而参与人工智能研究。人工智能还有许多经济价值，它在解决经济衰退、加快经济增长、降低经济增长率、支持技术革命等方面具有重要作用。在经济衰退和技术革命领域发挥着重要作用的人工智能研究可以有效帮助减少劳动力需求，为通货膨胀、就业市场紧缩等极端环境提供重要保护。经济增长与ai研究结合，可以开发ai在其他行业的应用，从而降低成本。

来源：网易