英语实际上是世界的第二语言。鉴于世界上许多文化中科学先驱的许多伟大贡献，英语最终成为工程和控制系统的语言。这并不奇怪，因为英语也是商业的主要语言，即使在中国也是如此。
在大多数情况下，这不是问题。然而，随着自动化世界的发展，在我们使用用于描述技术的语言中隐藏着许多问题。在技术世界中，我们用来描述事物的术语与我们对周围事物的理解和误解有很大关系。
最近一个非常有争议的短语是人工智能。它不是完全人工的，是否智能还有待观察。世界上最先进的软件IBM的深蓝，最终是由人类编写的。正如沃森的发明者所说，它只是一个“连接到数据库的文本搜索算法”。沃森的优点不在于它的“智慧”，而在于它能够快速地探索数以百万计的选项，并得出正确的答案。
“深度学习”也是如此。有很多统计上重要的关系，比如相关性。深度学习只是一套算法，用于测试不同变量之间的重要关系。让这种“深度学习”看起来像智能的是计算机的蛮力能力，它可以进行数百万次计算，并根据人类程序员编写的一套规则确定哪些结果是重要的。
所以我们使用像学习和智力这样的术语是隐喻性的，而不是字面上的。这些术语不是按字面意思使用的，也不应该这样解释。但这就是我们的工作。这导致了一个完全错误的观念，即电脑能够展示人类的智慧。电脑和人唯一的相似之处就是编写程序的人。
计算机将以人类所做和获得技能的方式“学习”？到目前为止，这并没有出现非常有前途。DARPA已经在十年内运行了自动车辆导航的大挑战。成千上万的程序员已经花了数千个人的年度发展这种能力。谷歌，特斯拉，苹果和其他技术巨头正在花费数十亿美元和数百万的男子小时改善DARPA开始的工作。
这是计算机表现出智能的情况吗？并不真地。
了下:机电整合的建议
