人工智能的目标是推动机器智能的前沿

人工智能的目标是推动机器智能的前沿

这些话直接来自对我提交给NeurIPS（神经信息处理系统）会议（机器学习研究的顶级场所）的论文的评论。我在论文的评论中一再看到这种限制，我和我的合著者提出了一种受应用程序启发的方法，而且我也听到过无数其他人的类似故事。

这让我感到奇怪：如果社区认为以机器学习解决高影响力的现实世界问题的意义有限，那么我们要努力实现什么？

这是一个问题，因为机器学习在促进健康，农业，科学发现等方面具有广阔的前景。黑洞的第一个图像是使用机器学习生成的。蛋白质结构的最准确预测是药物发现的重要步骤，它是使用机器学习进行的。如果该领域的其他人优先考虑现实世界的应用程序，那么到现在我们还会做出哪些突破性的发现？

错误的问题

边缘化应用研究具有真正的意义。基准数据集（例如ImageNet或COCO）是推进机器学习的关键。它们使算法能够在相同数据上进行训练和比较。但是，这些数据集包含可以建立到结果模型中的偏差。