诺姆·乔姆斯基，在研讨会上发言，就不是那么热情。，乔姆斯基批评了人工智能领域采用的做法让人联想到的行为，但在更现代，计算复杂的形式。乔姆斯基认为，该领域的大量使用统计技术在大量的数据中挑选规律是不可能得到解释的洞察力，科学应该提供。乔姆斯基的“新AI” - 专注于使用统计学习技术，以便更好地矿和预测数据 - 是不可能产生智慧生物的性质或有关认知的一般原则。
这种批评引发了一个详细的答复，以乔姆斯基从谷歌的研究，并指出AI研究员，彼得·诺维格，谁辩护利用统计模型和认为，AI的新方法和定义的进步是不遥远从其他科学 发生的事情。
乔姆斯基承认，统计方法可能有实用价值，只是作为一个有用的搜索引擎的例子，能够处理海量数据的快速计算机的问世启用。但作为一门科学，乔姆斯基会认为这是不够的，更严厉的，浅种。我们不会教的电脑什么短语“物理学家艾萨克·牛顿爵士”的真正含义，即使我们可以建立一个搜索引擎，返回合理的点击率用户输入的短语英寸
事实证明，有关的分歧已按生物学家试着去了解传统的生物系统乔姆斯基比喻为语言能力的排序。正如计算革命，使燃料的“新AI”，大量的数据分析，测序引起盛开的基因组学和系统生物学领域的现代生物学的革命。高通量测序技术，这种技术可以读取快速，廉价地以百万计的DNA分子的基因组测序转向了十年之久的昂贵的企业可以承受的，普遍的实验室程序。而不是刻意研究基因的隔离，我们现在可以观察到系统的基因细胞作为一个整体，在不同条件下的数百或数千的行为。
测序革命才刚刚开始，一个已获得的数据量惊人，它会带来新的人类疾病的治疗和诊断的承诺和炒作。例如，当一个传统的抗癌药物无法工作的一组病人，得到的答案可能在于基因组的患者中，可能有一个特殊的属性，防止药物作用。有了足够的数据，从这些癌症患者和正确的对照组相关的功能基因组进行比较，可能会发现，定制药物，从而导致一种“个性化药物。” 隐在这方面的假设是，有足够的先进的统计工具和足够大的数据集合，感兴趣的信号可以被淘汰，大，知之甚少的生物系统中的噪声。
个性化医疗及其他分支的测序革命和系统生物学的方法取决于我们乔姆斯基所说的“群众”未经分析的数据处理能力等领域的成功 - 把生物学中的一个类似的辩论的中心自20世纪60年代以来，发生在心理学和人工智能。
系统生物学不升不持怀疑态度。一次伟大的遗传学家，诺贝尔经济学奖获得者生物学家悉尼·布雷内定义的“低投入，高通量，无输出科学领域。“ “布伦纳，一个当代的的乔姆斯基谁也参加了AI在同一个研讨会上，新系统的方法来了解大脑也同样持怀疑态度。当描述一个有前途的系统方法，称为连接学的脑电路，这要求所有的神经元在大脑中（即图表连接到其他神经细胞），对应的接线，布伦纳称这是一个“精神错乱。 “
布伦纳经常挂在嘴边的一句话咬在系统生物学和神经科学的相关技术在不远处的AI从乔姆斯基的批评。对一个不太可能的，系统生物学和人工智能都面临着相同的基本任务逆向工程一个高度复杂的系统，其内部的运作在很大程度上是一个谜。然而，不断改进的技术，产生大量的数据与系统相关的，只有一小部分，这可能是相关的。我们依靠强大的计算和统计方法区分信号从噪声中，还是我们的更多的系统背后的基本原则，并解释其实质吗？的迫切需要收集更多的数据是不可阻挡的，但它并不总是很清楚什么理论框架，这些资料可能适合。这些辩论提高在科学哲学的和一般的老问题：是什么让一个令人满意的科学理论或解释，以及如何成功应该被定义为科学？
我坐在诺姆·乔姆斯基（Noam Chomsky）日下午，在有些蓬乱的会议室，藏在一个隐蔽的角落，弗兰克·盖里（Frank Gehry）的令人眼花缭乱的麻省理工学院的Stata中心。我想更好的理解乔姆斯基的批判人工智能和为什么它可能会走向错误的方向。我也想探索其他部门的科学，如生物学，神经科学和系统的影响，这种批评都面临着逆向工程的复杂系统-那里的研究人员经常发现自己在一个不断扩大的海上海量数据的挑战。部分接受我们的采访动机是乔姆斯基很少问及现在的科研课题。记者也占领了美国的外交政策，在中东，奥巴马政府和其他标准的主题得到他的意见。另一个原因是，乔姆斯基属于一种罕见的，特殊品种的知识分子，很快成为灭绝。曾经因为以赛亚柏林的著名文章，它已经成为一个最喜欢的消遣学者，以将不同的思想家和科学家的“刺猬的狐狸”连续：在刺猬，一个细致和专业的工作人员，在一个明确定义的领域相对于通过循序渐进的驱动福克斯，华丽的驱动，思想的思想家，谁跳得回答的问题，而忽略了领域界限，将他或她的技能，他们似乎适用。乔姆斯基是特殊的，因为他使这种区分似乎像一个疲倦的老俗套。乔姆斯基的深度不来的多功能性和广度的费用，但在大多数情况下，他投入了他的整个科学生涯中定义的主题，语言学和认知科学的研究。各种他自己以外的领域，包括计算机科学和哲学，乔姆斯基的工作有很大的影响，他并没有回避讨论和批评这些思想的影响，使他成为一个特别有趣的人采访。在接受记者采访时的视频可以在这里找到。