就个人而言，我喜欢用数学定理与物理模型来解释和解决问题——这是建立在透彻理解、合理抽象与逻辑推理的基础上的。人工智能虽然看似可以解决复杂问题，但并不提供定量解释和严格证明，就连它的开发者都无法清晰阐释其运作机制并预测其行为。另一方面，与基于理性推导的数学和物理理论不同，人工智能算法对具体问题的有效性靠的是基于大量样本的“蛮力”训练，且人们无法切实控制而只能间接影响其分析结果。在这一点上，同样是基于样本数据的概率论、统计学也要比人工智能靠谱。因为，虽然概率描述的是不确定性，但概率本身的推演却是确凿的。可即便如此，用于分析实际问题的统计方法也有很多的模型假设，其真实性和适用范围仍有待验证。再者，受限于训练样本，人工智能无法外推和处理异常情况，而数学定理与物理理论则是普适的，做外推与预测毫无问题。例如，简洁的麦克斯韦方程就分毫不差地蕴含了所有电磁现象的复杂性。

需要澄清的是，机器学习并不是真正意义上的学习，人工智能也不是人类拥有的那种智能。虽然从市场的角度来说，受益于计算速度的提升和硬件成本的降低，人工智能定会迅速走进人们的日常生活，解决传统方法难以解决的诸多常规问题，但更为本质与原理性的问题依旧在那里尚未被触碰。这便有赖于新的数学理论的提出，物理规律的发现以及量子计算的实用。当然，根据哥德尔不完备定理，人类和其智能作为上帝创造的自然的一部分，应该永远无法理解自然的全部。

总而言之，人工智能是人们的理性与智力无法应对现实复杂性时的替代解决方案，是退而求其次的办法。我个人的选择是宁可在挑战人类自身理性极限的过程中步履维艰，也不会屈就于所谓人工智能带来的种种方便。