著名的研究员机器学习和人工智能认为他的领域偏离了科学和工程的范围，并进入了”炼金术。”他正在提供一条返回路线。
为Google为AI工作的Ali Rahimi说，他认为自己的领域取得了惊人的进步，但建议它的发展方式腐烂了。在机器学习中，计算机通过反复试验的过程“学习”。在AI会议上提出的演讲中的问题是，在该领域工作的研究人员（由于反复试验的过程而“学习”时，不仅不仅不了解其算法是如何学习的，而且他们不了解这些算法是如何使用这些算法的方法，Rahimi在AI会议上介绍了该算法，这也是如此。马修·赫特森（Matthew Hutson）用于科学杂志。
早在2017年，Rahimi就在人工智能的神秘方面发出了警报：“我们产生了令人印象深刻的结果，”他在博客中写了。 “自动驾驶汽车似乎临近；人工智能标签在照片中面对，抄录语音邮件，翻译文档并为我们提供广告。十亿美元的公司建立在机器学习的基础上。从许多方面来看，我们比10年前更好地点。在某些方面，我们在某些方面处于更糟糕的位置。” [超级智能机器：7机器人期货这是给出的
正如赫特森（Hutson）所报道的那样，拉希米（Rahimi）表明，许多机器学习算法都包含粘性功能，这些功能本质上是无用的，并且当这些功能被剥离时，许多算法会更好。其他算法从根本上破裂并起作用，只是因为在原始程序之上堆积的临时修复厚实。
Rahimi在该博客中说，至少部分是一个习惯了一种随机，反复试验方法的领域的结果。在此过程中，研究人员根本不明白为什么一个尝试解决问题而另一个尝试效果失败。人们实施和共享他们不遥不可及的技术。
赫特森在他的文章中指出，可能会想起跟随AI的人们的“黑匣子”问题 - AI计划以人类创造者不了解的方式解决问题的趋势。但是当前的问题是不同的：研究人员不仅不了解他们的AI程序解决问题的技术，但他们首先也不了解他们用来构建这些程序的技术。换句话说，该领域是更像炼金术他说，比现代的研究体系。
拉希米写道：“有炼金术的地方。炼金术工作。”
“炼金术士发明了冶金，制造药物，对纺织品的技术和我们的现代玻璃制造过程发明了。然后，炼金术士还认为他们可以将基础金属透射成黄金，而水ches是治愈疾病的好方法。”
在他最近的演讲中（以及随附的纸）在加拿大温哥华的国际学习表现会议上，拉希米（Rahimi）和几个同事提出了许多方法和协议，这些方法和协议可能会使机器学习超越炼金术世界。其中：根据其组成部分评估新算法，一次删除其中一个部分，并测试整个程序是否仍然有效，并对算法产生的结果进行基本的“理智测试”。
这就是因为AI在他的2017年博客中认为AI在社会中变得太重要了，以至于无法以这种方式开发。
他写道：“如果您正在建立照片共享服务，炼金术很好。” “但是我们现在正在建立管理医疗保健和参与民事辩论的系统。我想生活在一个建立在严格，可靠，可靠的知识上而不是炼金术的世界上。”
最初出版现场科学。
