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-persity "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)。