在關於人工智能和制度的辯論中，有一種重要觀點：人工智能可能是新一代經濟的技術基礎。例如，人工智能很重要的一個應用是在金融領域。在人工智能中，所謂智能的核心部分是算法。迄今爲止機器人只能是由設計者爲它設置有限範圍的目標函數，所以目前的人工智能還屬於弱人工智能，從人工智能的科學技術基礎和人工智能發展兩方面對人工智能有一些思考。
一、人工智能的科學技術基礎
人工智能的基礎之一是算法。人工智能的核心是算法。大數據是資源基礎，無論使用深度學習還是統計算法，都必須有大量的數據。在許多意見不能表達的情況下，大數據的性質就是這些表達的缺失。
因此，有數據纔有訓練，纔有智能；沒有數據就沒有訓練，就沒有智能。
在各種算法當中，如今應用方面發展得最突出的是所謂的人工神經模型。這種模型使機器可以在人的指導下學習，包括所謂的深度學習。
第二個基礎計算能力。大數據是一部分人工智能發展的基礎。人類的智力活動涉及大量直覺。AI系統嚴重依賴數據。如果這些數據包含任何的偏見，那麼AI系統在現實世界的應用型就會大打折扣。IBM相信，通過開發一種能判斷公正性的獨立評價系統，就能編寫“無偏見”的AI程序。藉助這一程序，AI將更加可靠，從而引導人類更好地作出決策。
二、人工智能革命
人工智能可以發展到什麼程度，取決於傳感器、算法和數據。這是我從李銘博士NVIDIA自主機器人與強化深度學習解讀得來的感受。由於感知的不可度量性，我們沒有辦法訓練機器人本身產生它自身的偏好或動態的目標函數。深度學習賴以學習的是已知環境中收集的數據，一旦脫離了訓練它的環境，沒有原始動力的人工智能就喪失了基本能力。所以，深度學習的人工智能只限於模仿人在已知環境（場景）裏的行爲。
人工智能革命將集中在可明確規定目標的任務方面。一旦有了清楚的目標，通過機器學習，人工智能的計算和存儲能力可以大大超過人類。比如，下棋，無論多複雜的棋，目標都很簡單，就是贏對方。與此相似，開車、開飛機，開船等交通工具，目標同樣簡單，就是安全到達目的地。爲此，需要知道目的地，需要知道路線，不能撞人等。還有根據規定的目標，設計機器人制造產品，包括成體系地製造產品，達到製造業的全面自動化。當工廠裏只需要很少或者沒有人時，經濟學和管理學討論的企業內部的激勵機制問題就消失了，因爲激勵機制問題時人的問題，而機器沒有自己的激勵機制問題。就此而言，這會是一場真正的革命。