本篇文章2087字，读完约5分钟
美国电视连续剧《西方世界》的流行再次引发了公众对人工智能的讨论。人工智能的未来方向是什么？让我们看看这些大杯咖啡是怎么说的。
|奥巴马谈人工智能:社会契约和经济模式应该与时俱进
随着机器学习使计算机实现了自学，从医学诊断到自动驾驶汽车，技术突破如雨后春笋般涌现。然而，谁在控制人工智能呢？它会取代我们的工作吗？机器人威胁理论会成为现实吗？
作为美国总统，奥巴马也很关心这些问题。
奥巴马提到:虽然每个人在谈论这个话题时都会定下很高的调子，但事实上，我们必须考虑它对经济的影响。毕竟，在大多数人眼里，他们不在乎奇点是否会到来，但他们更担心机器是否会抢走他们的工作。
在这个问题上，我倾向于采取积极的态度，因为从历史的角度来看，人类已经更新了无数次技术，但最终的结果表明，我们并没有饿死，而是新技术创造了更多的就业机会，提高了我们的生活质量。当然，有些人的担心不是没有理由的。毕竟，当人工智能的浪潮袭来时，真正能迅速从中受益的是高技能人才。在机器的帮助下，他们可以利用自己的才能拓展自己的市场、销售、产品和服务。
那些低薪低技能的人可能会越来越多余，他们的工作可能会保留，但他们的工资可能会减少。如果我们想实现平稳过渡，整个社会应该进行广泛的对话，讨论如何处理这一过渡时期的尖锐矛盾，以及如何通过培训确保持续和包容性的经济增长。我们的生产效率越来越高，但如果我们放任不管，大多数产品仍会流入上层的小群体口袋。因此，我们如何解决这个问题，确保每个人都能获得有尊严的收入？另外，在人工智能“统治”了一切之后，人类的艺术和文化应该如何保存？谁来照顾那些为国家献身的老兵？我们引以为豪的社会契约需要与时俱进，以适应这些新技术，我们的经济模式也将随之改变。
百度idl负责人林元庆:告别人工智能大幕已经拉开
在会后的讲话和采访中，林元庆强调了艾幕“开始”的关键动作。尽管“人工智能”的概念最早是在1955年8月31日提出的，但它像一个蹒跚学步的孩子一样花了60年才迎来第三次复兴浪潮。
从1956年到1974年，世界上出现了第一波人工智能。
从1974年到1980年。第一个人工智能出现在冬天。
20世纪80年代，人工智能的数学模型出现了重大发明，第二次浪潮出现了。
从1987年到1993年，现代个人电脑的出现使人工智能的冬天又来了。
然而，这一次，在硬件、数据和算法的默契配合和发展下，alphago和世界顶级go大师李石士打起了人机世纪的仗，人工智能已经悄然渗透到从基础语音识别和图像识别到自动驾驶、视频、ar、医疗和金融等各个领域，也引发了全民关注ai复兴的热潮。
老人骑着马，瞄准了几千英里。如果说过去的60年是从酝酿到犹豫的“惊人”周期，那么接下来的60年将是拉开“无限”帷幕的周期。
|deepmind开发了一种可区分的神经计算机:我们离推理机器人有多远
为了提高深度学习的能力，谷歌的深度思维团队创造了这种新的机器学习算法“微分神经计算机”(Differential Neural Computer)DNC，它将“神经网络”计算系统与传统的计算机内存相结合。
神经网络是一个相互联系的系统，它模仿生物神经网络的运作，如大脑的工作模式。在人工智能的最新成果中，神经网络起着关键作用。例如，在谷歌语音和siri等数字助理中增强语音识别。在以前的研究中，神经网络只能连接包含在自己网络中的数据。最近，deepmind团队宣布，在dnc的支持下，神经网络可以访问以前不兼容的外部数据，例如以传统数字模式编码的文本。也就是说，我们离会思考的电脑更近了一步。
|解密人工智能的发展现状，探索未来智能的真谛
如今，随着人工智能和机器学习技术的快速发展，越来越多的工具和解决方案开始使用认知能力。但是这些工具和解决方案真的反映了人工智能的含义吗？
ibm watson的平台经理Jonas nwuke认为:
人工智能/认知计算的目标是帮助人类做出更好的决定。这个系统在规模上学习，吸收经验，变得更强大，并以更自然的方式与人类互动。
进步的首席福音传道者托德·安格林说:
目前，软件开发行业的问题是人工智能是一个通用术语，经常被误用或滥用，其本质在某些方面被滥用。它代表了很多东西，但我们经常不恰当地使用它。例如，人工智能是一个很好的营销术语，开发人员经常强迫它成为解决方案，以便从人群中脱颖而出。应用程序的用户通常认为，有了人工智能，它一定是一个智能和强大的应用程序。在其他情况下，开发人员会使用术语来表示应用程序试图为用户做些什么。例如，特斯拉使用“自动驾驶汽车”这个术语来指代自己开发的汽车，这对于公众来说更容易理解，但事实上，他们的汽车并不完全是自动驾驶的，因为它需要人类来照顾它以防万一。简单的图像识别、目标检测、挑战和响应系统已经实现了一定程度的人工智能，但是开发人员在标记他们的应用程序时需要更加明智。相反，开发人员应该关注基本概念，如机器学习或深度学习。我们必须花更多的时间观察这些东西，以及它们是如何在软件中被利用或使用的。
当我们谈论人工智能时，我们真正在谈论什么？
