为什么说目前的人工智能更像是炼金术？

将目前的人工智能比作炼金术，主要是基于以下几个方面的考虑：

炼金术曾试图通过神秘和未经验证的方法将普通金属转化为黄金，这在当时缺乏科学依据，充满了不确定性和试验性。同样地，当前的人工智能，尤其是深度学习领域，虽然取得了显著进展，但在很多方面仍然依赖于大量的试验和调参。尽管有坚实的数学和统计学基础，但如何在实际应用中有效地应用这些理论仍然是一个挑战。许多成功的AI应用都建立在经验和实践的基础上，而非完全基于理论推导。

炼金术士依赖于各种神秘的材料和配方，试图通过它们实现转变。人工智能则依赖于大量的数据来训练模型，而数据的收集、清洗和标注过程往往复杂且耗时。此外，即使使用相同的数据集和模型架构，由于初始化参数、训练策略等因素的差异，最终的训练结果也可能大相径庭，这使得AI系统的性能变得不可预测。

炼金术的配方和过程往往复杂且难以解释，同样地，现代深度学习模型也变得越来越复杂，包含数百万甚至数十亿个参数。这些模型在训练过程中学习到的特征往往难以直观地解释，这使得AI系统的决策过程变得不透明。虽然研究人员正在努力开发更具解释性的AI模型，但目前的进展仍然有限。

炼金术曾因其潜在的风险和不确定性而受到质疑，包括经济上的浪费和对社会的影响。同样地，人工智能的发展也面临着诸多风险和挑战，如数据隐私、算法偏见、伦理问题等。这些问题使得AI系统的应用变得复杂且敏感，需要谨慎对待。

综上所述，将目前的人工智能比作炼金术，不仅是因为两者在探索未知和追求突破方面的相似性，还因为两者在理论与实践的差距、数据的依赖性和不可预测性、模型的复杂性和解释性以及潜在的风险和不确定性等方面存在共同之处。然而，随着科技的进步和理论的深化，我们有理由相信人工智能将逐渐摆脱炼金术的阴影，走向更加科学、实用和可持续的发展道路。