目前，大数据驱动的人工智能在产业落地中遇到了许多问题。在31日开幕的2019年北京致远大会上，相关专家学者提出，人工智能的发展应避免过度依赖大数据，未来应更加重视知识和经验的研究。
中国科学院院士张博在会上说，培养人工智能主要依靠两种资源:一是数据；第二，知识和经验，尤其是常识目前，人工智能的成功应用大多是基于大数据的深度学习，但这种方法存在着“不可靠、不可信、不安全、难以推广”等缺点
cymbals表示，在许多应用场景中，单靠数据驱动无法解决实际问题。例如，在智能翻译领域，仅数据培训就会产生重大错误。机器不能理解很多基本常识，比如“你真行”的“线”将被认为是“人行道”的“线”的同义词因此，要构建通用人工智能，我们必须将数据、知识和经验结合起来。
贺还认为，发展人工智能的目标不是要成为和人类完全一样的机器，而是要优势互补，开发出在某些方面优于或劣于人类的机器。只有这样，才能创造和谐的人机关系。
加州大学洛杉矶分校教授朱松纯在会上说，目前人工智能的工作有点像“鹦鹉学舌”，只能学习对话而不能理解内容。结合了大数据、计算能力和深入学习的人工智能模型，在行业落地时暴露了许多问题。例如，它只能完成人类预先定义的特定任务，而不能完成一般任务。需要海量数据，成本高；这个模型是不可解释的，人类无法理解它的决策过程
朱松纯引入“大任务”驱动的通用人工智能研究方向他从两岁前婴儿以任务为中心的学习路径中吸取经验，探索物理世界，获得社会常识，从而增强人工智能从一个实例中推理和得出推论以及从另一个实例中得出推论的能力。该团队开发了一款桌面机器人，名为“眼睛里的生命”，当杯子空了的时候，它可以主动给人加水。
本次会议由北京致远人工智能研究所主办，为期两天。来自美国斯坦福大学、英国曼彻斯特大学、清华大学、北京大学和国内外其他机构的100多名人工智能专家讨论了智能芯片、自然语言处理和人工智能伦理等主题。(记者彭倩)