智慧領域是人類科學發展到今天，徹底擺脫簡單機械的分水領，儘管許多地方己經廣泛應用，但對於人類龐大的智慧需求方向，包括，工作，學習，管理，研究等來說只是九牛一毛，何況A|還是個剛剛學會走路的孩子，剛剛脫離機械母體，走上自主操作的第一步，反真實驗，驗證，測試 ，探索，最佳化，提升，是它成長的漫長過程，由於它沒有最好，只有更好的無限發展空間，註定它的未來一直會在實驗中進步，實驗中積累，實驗中提高。

A1是極其複雜的工人智慧系統，向人一樣一點一點進化完善，一步一步的加強探索，發展壯大，人類演化了數萬年，Al發展再快也需千年大計，但是更高的目還在遠處。

所以說A|是實驗科學，完全正確

“實驗科學”已經變成了一個貶義詞。所謂STEM中的四個字母指的就是科學（Science），技術（Technology），工程（Engineering），數學（Mathematics）。而區分Mathematics和science的標準，就是有沒有實驗。

所有歸類為數學的，是研究抽象的概念、定義以及其理論。包括演算法、理論計算機等等，都可以分類為數學。

而所謂科學，就是研究能夠由實驗檢驗的理論。物理學、化學、生物學都是科學，都離不開實驗。再優美的物理學理論，如果和實驗資料不吻合，都是要扔掉的垃圾。

機器學習、深度神經網路本來就是實驗科學。用做實驗科學的嚴謹態度來推進這些方向的研究根本就無可厚非。

人工智慧更多的是交叉學科，自然遵循實驗科學。同時AI走向實驗室之外。

算力、演算法、資料缺一不可。人工智慧學科又分理論研究和技術演進。博士生階段以研究理論為主的才可能摘得學術桂冠。而技術演進則是各大企業或院校研究所主要做的，其中校企合作被認為是最有效的研究方式。

技術的進步是在一定理論基礎上的，所以源於實驗室，但不能僅僅留在實驗環境。要解決實際問題，特別是企業問題才是最好的著力點。

AI技術應用更多的依靠演算法工程師，博士教授重在創新理論和基本演算法，演算法工程師更多注重工程方法和實際應用經驗。