人工智能的名言

人工智能的名言

1. 人工智能语言的名家名言

谈到LISP和PROLOG两种AI语言的重要性，我们可以从美国AI界的权威学者、麻省理工学院教授P.H.Winston（温斯顿）所说的三段话来体会：

(1)温斯顿认为，LISP 语言是AI的数学，不仅对AI的机器实现有重要意义，而且是AI理论研究的重要工具。

(2)“在中世纪，拉丁文和希腊文的知识对所有学者来说，都是必不可少的。只懂一种语言的学者必然是一个残缺不全的学者，他缺乏从两个方面来观察世界所获得的那种理解力。同样地，现代的AI专业人员如果不能同时大致通晓LISP和Prolog，也犹如一个残疾人，因为就广义来说，这两种人工智能的主要语言的知识都是必不可少的。”

“我一直热衷于Lisp,Lisp是在MIT被制造并且在那儿成长起来的。”

(3)概括地说，计算机语言的发展正是一个从HOW型低级语言向WHAT型高级语言进化的过程.在HOW型语言中，程序编制者必须详细说明运算是怎样（HOW）一步一步进行的；而在WHAT型语言中，程序编制者只需简单说明要做的事情是什么（WHAT） 。 …现代的LISP语言是这些语言的佼佼者，因为采用Common Lisp格式的Lisp具有非凡的表现力，但是如何做某件事情仍然是有待于Lisp程序编制者来表达的东西.相反，Prolog是一种明显地冲破了HOW型语言陈规的语言， 它鼓励程序编制者去描述情况和问题，而不是那些用来解决问题的详细步骤。”

由以上论述可以看出LISP语言和Prolog语言对人工智能学科和人工智能学者的重要性。

一般来说，LISP可以称为人工智能的汇编语言， Prolog是人工智能更高级的语言。

2. 急需《人工智能》的经典台词

精彩对白

David: Is it a game？ 大卫：这是一个游戏吗？ Monica: Yes. 莫尼卡：是的。 Monica: You won't understand the reasons but I have to leave you here. 莫尼文卡：你不会明白的，但是我不得不把你留在这儿。 David: Is it a game？ 大卫：这是一个游戏吗？ Monica: No. 莫尼卡：不。 David: When will you come back for me？ 大卫：你什么时候会回来？ Monica: I'm not, David. You'll have to be here by yourself. 莫尼卡：我不会回来，大卫。你将独自留在这儿。 David: Alone?

百科里太少，就只有这些。

3. 为什么有很多名人让我们警惕人工智能

为什么有很多名人让我们警惕人工智能？

回答：人工智能并不是未来人们生活的很好选择，但是是社会发展和信息技术推动下产生的，这个已经开始向这个放心前进，曾经看错美国拍的好几部人工智能，都在讲述人工智能的危害，不得不提醒者人们，人工智能提高人类生活的同时并不能完全取代人类。

弱人工智能 Artificial Narrow Intellingence ( ANI )：擅长单方面工作的人工智能，譬如能下国际象棋的机器人；** 目前我们掌握的智能阶段即在此**。

强人工智能 Artificial General Intelligence ( AGI ) ：智能与人类相当，人能做的它都能做，甚至包括* 抽象思维能力*；

超人工智能 Artificial Superintelligence ( ASI )：在很多方面都比人类聪明许多许多；

4. 为什么有很多名人让人们警惕人工智能

这个问题感觉不只是对人工智能，应该是一个般性问题。

首先，名人不等于专家，不是专业领域的话，一些名人的意见和一般人没有什么区别。反过来一些网红之类的名人的智商大概是在普通人以下，这些人的意见更是不足取。

其次，即使是专家的话，也有可能因为学派或其它原因，对一个问题有不同看法。比如爱迪生因个人利益反对交流电，比如中国特殊时期反对各类牛鬼蛇神。

第三，事物都有两面性，有利也有弊；有的人看到利，有的人放大了弊。像手机实名制，菜刀实名制，有人赞成也有人反动。

最后，一个东西是好是坏，多听专家的意见看法是好的，但是也一样不能搞“两个凡是”，最重要的是自己去了解，去分析利弊。

5. 为什么有很多名人让人们警惕人工智能

智能产品开发，外包服务平台这是因为人工智2113能要进入新阶段了？这些名人是不是可能比较先得到信息，所以向人们预警？或者是每年都有很多人提出这个问题，5261只是今年报道的比较多？有人说在人工智能的发展上存在一个奇点4102，越过这个奇点就能通过图灵测试。

如果人工智能已经越过了这个奇点，这个世界会发生怎样的质变？超体和超验骇客都出现过类似越过奇点后，科技的突然1653爆发。这又让内我想起三体里面，宇宙丛林法则中，由于对对方的不了解，又担心对方文明容的突然爆发，所以选择了摧毁。

如果人工智能突然越过奇点，瞬间产生了意识，可以迅速吸收人类的文明，发展出新的文明。人类跟人工智能之间，会不会出现类似三体里面的博弈？。

6. "；人工智能"；中英文句子,词语各10个.

人英语论文素材（人工智能）adaptive mutation 自适应变异evaluation function artificial neural network,ANN 人工神经网络machine learning 机器学习mating rule 配对规则genetic algorithms,GAs 遗传算法local searching 局部搜索global searching 全局搜索selection operator 选择算子penalty function 罚函数。

7. 为什么最近有很多名人,让人们警惕人工智能

科技发展迅速，名人担心的不是人工智能，而是日后可能出现的人工生命，这就意味着人工智能拥有一定的思维的时候，如拥有生命一样会自我思考的时候，很可能对人类有所不满，而做出反人类的举动，要知道那时就是你用自己的脑子和计算机比智慧的地步了，这是极度危险的。

“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

8. 人工智能语言的人工智能语言的历史

人工智能语言

在人工智能的研究发展过程中，从一开始就注意到了人工智能语言问题。人工智能发展的初期，人工智能语言就得到了研究和开发。实际上四十多年来有一百来种人工智能语言先后出现过，但很多都被淘汰了。它们大抵有三个来源。第一个来源是计算机科学家们对可计算性理论的研究。例如，LISP语言是为处理人工智能中大量出现符号编程问题而设计的，它的理论基础是符号集上的递归函数论。已经证明，用LISP可以编出符号集上的任何可计算函数。Prolog语言是为处理人工智能中也是大量出现的逻辑推理问题（首先是为解决自然语言理解问题）而设计的。它的理论基础是一阶谓词演算（首先是它子集Horn子句演算）的消解法定理证明，其计算能力等价于LISP。OPS5面对的问题也是逻辑推理。不过PROLOG是向后推理，OPS5是向前推理。OPS5的理论基础是Post的产生式系统，其计算能力也等价于LISP。第二个来源是认知科学的研究成果。人们研究出各种各样的认知模型，并为这些模型设计相应的知识表示语言。例如产生式表示、框架表示、语义网络表示等实际上都有其认知模型作为背景。如上所述的OPS5是产生式表示的语言，SRL、FRL、FEST等是框架语言，概念图和SNetI都是语义网络表示语言。面向对象的程序设计是在SIMULA中的类程和Minsky的框架表示两种思想融合的基础上发展起来的（它适用于计算机软件的所有领域，不只是人工智能）。

IEEE Spectrum 2021特刊中AI 报道中令人难忘的名人名言

更多互联网精彩资讯、工作效率提升关注【飞鱼在浪屿】（日更新）

IEEE Spectrum 2021 年 10 月关于人工智能的特刊，散布在该杂志页面中的启发性的引述。这些引述来自多年来与人工智能领域的顶级思想家一起完成的许多问答和文章。以下是引文，并附有完整文章的链接。

“就过去二十年我们在这项工作中取得的进展而言：我认为我们今天的智力水平远不及两岁儿童的智力水平。但也许我们的算法相当于低等动物的感知能力。”

—YOSHUA BENGIO, Mila-Quebec AI Institute创始人兼科学主任。来自“受人尊敬的 AI 架构师 Yoshua Bengio，对下一步要构建什么有一些想法”（2019 年 12 月）。

https://spectrum.ieee.org/yoshua-bengio-revered-architect-of-ai-has-some-ideas-about-what-to-build-next

“深入研究每个行业，你会发现人工智能正在改变工作的性质。”

—DANIELA RUS, 麻省理工学院计算机科学与人工智能实验室主任。摘自“人工智能与工作的未来：人工智能的经济影响”（2019 年 11 月）。

https://spectrum.ieee.org/ai-and-the-future-of-work-the-economic-impact-of-artificial-intelligence

“我们需要考虑如何引导人工智能。我们如何将当今存在缺陷和可破解的 AI 系统转变为我们可以真正信任的系统，并确保它们真的按照我们的意愿行事？我们如何教机器理解我们的目标、采纳我们的目标并保持我们的目标？”

—MAX TEGMARK, 麻省理工学院教授，未来生命研究所的联合创始人。摘自“采访：Max Tegmark 关于超级智能 AI、宇宙启示录和生命 3.0 ”（2017 年 9 月）。

https://spectrum.ieee.org/interview-max-tegmark-on-superintelligent-ai-cosmic-apocalypse-and-life-3-0

“政策目标是让监管机构在算法时代执行他们的法律。你不能因为不了解这项技术而放弃执行反歧视法。”

—CATHY O'NEIL，奥尼尔风险咨询和算法审计的创始人兼首席执行官。来自“确定数百万患者医疗保健的算法中发现的种族偏见”（2019 年 10 月）。

https://spectrum.ieee.org/racial-bias-found-in-algorithms-that-determine-health-care-for-millions-of-patients

“通用智能并不意味着你必须了​解人类。将会有很多不需要知道这些东西的智能机器。[以]火星上的机器人建筑工人为例：我认为他们不需要了解人类的情感和人类的欲望就能建造东西。”

—JEFF HAWKINS，Numenta 的联合创始人兼首席科学家。来自“深度学习不够深入，除非它从大脑复制”（2021 年 3 月）。

https://spectrum.ieee.org/deep-learning-isnt-deep-enough-unless-it-copies-from-the-brain

“人工智能将带走许多单任务、单领域的工作。你可以争辩说，人类拥有人工智能所没有的能力：我们可以概念化、制定战略、创造。而今天的人工智能只是一个非常智能的模式识别器，可以接收数据[和]优化。但世界上有多少工作是可以优化的简单重复任务？”

—李开复，创新工场董事长兼CEO 。摘自“谷歌中国前负责人预见人工智能危机并提出解决方案”（2018 年 9 月）。

https://spectrum.ieee.org/former-google-china-head-foresees-ai-crisis

“人工智能从根本上说是一种应用技术，将为我们的社会服务。人文人工智能不仅提高了对技术重要性的认识。这是吸引不同学生、技术专家和创新者参与的非常重要的方式。”

—李飞飞，斯坦福人类中心的人工智能研究所的联合主任。摘自“计算机视觉领导者李飞飞谈为什么 AI 需要多样性”（2016 年 10 月）。

https://spectrum.ieee.org/computer-vision-leader-feifei-li-on-why-ai-needs-diversity

“我们这些从事机器学习的人非常擅长在测试集上做得很好，但不幸的是，部署系统需要的不仅仅是在测试集上做得好。所有的人工智能……都存在从概念验证到生产的差距。”

—吴恩达，Landing AI 的首席执行官兼联合创始人。来自“ Andrew Ng X-Rays the AI Hype ”（2021 年 5 月）。

https://spectrum.ieee.org/andrew-ng-xrays-the-ai-hype

“虽然关于人工智能和超级智能的科幻讨论很有趣，但它们会分散注意力。对真正的问题没有足够的关注，即构建基于行星规模的机器学习系统，这些系统实际上可以工作，为人类创造价值，并且不会放大不平等。”

—MICHAEL JORDAN，加州大学伯克利分校教授。摘自“机器学习先锋说，停止将一切称为 AI ”（2021 年 3 月）。

https://spectrum.ieee.org/stop-calling-everything-ai-machinelearning-pioneer-says

“缺少的是一个原则，它可以让我们的机器通过观察和与世界的互动来了解世界是如何运作的。学习预测世界模型是我们今天所缺少的，在我看来，这是人工智能取得重大进展的最大障碍。”

—颜乐村纽约大学教授、Facebook 首席人工智能科学家。来自“人工智能学习的未来将更多地取决于先天还是后天？”（2017 年 10 月）。

https://spectrum.ieee.org/ai-and-psychology-researchers-debate-the-future-of-deep-learning

“人工智能和机器人技术的美妙之处在于你永远不会完成。”

—MANUELA VELOSO,，摩根大通人工智能研究主管。摘自“ Manuela Veloso：Robocup 的冠军”（2015 年 2 月）。

https://spectrum.ieee.org/manuela-veloso-robocups-champion

“那些认为 AI 风险可以忽略不计的人未能解释为什么超级智能 AI 系统必然会处于人类控制之下；他们甚至没有试图解释为什么永远不会开发出超级智能的人工智能系统。”

—STUART RUSSELL，加州大学伯克利分校教授。来自“许多专家说我们不应该担心超级智能AI。他们错了”（2019 年 10 月）。