丽莎老师讲机器人之AI发展现状

我们总会对陌生的事物产生抵触心理。
所以有不少人担心未来自己会不会丢饭碗，不过人们过分担忧，我们会受到国外科幻电影的影响，认为机器人无所不能，甚至他们一定会毁灭人类。其实在现实中，能做到像电影中的高科技还是有一定很长的路要走，另外，有恐惧说明我们对人工智能还不完全了解。
何为人工智能？
在一个酒吧里，男孩发现不远处有一个美女，于是他准备上前搭讪，很幸运他加上了女孩的微信，成为好友后他们不断的聊天、约会，他们谈起了恋爱。这个过程，一个男孩被女孩吸引，他首先感受到了女孩的美，于是大脑产生思考的过程，再做出搭讪的行为，执行了大脑的反应，对于机器来说也是类似的，机器在训练后，也可以做到，简单总结一下这个循环便是便是“感知－认知－决策－执行－学习－感知”这样一个闭环。让机器依据这个闭环并且做一切符合社会核心价值观的行为，这样的机器或者系统就叫人工智能。
所以这样看，人工智能是一个很大的概念，这包含多种领域：计算机视觉、自然语言理解与交流、认知和推理、机器人学、博弈与理论、机器学习。
因为我们人在认知这个世界靠的最主要的还是眼睛，所以今天说计算机视觉会多一些。
计算机视觉能做什么？对我们有什么影响？
就目前来看它已经渗透到我们生活的方方面面，常见的比如公司日常刷脸打卡、手机刷脸解锁、支付。如果说2015年的时候我采访的公司还在谈概念，但在今年，可以看到有很多项目有具体落地。
说到计算机视觉，我们现在日常能看到的应用比如肤质检测、手势识别、证件识别、银行卡识别、文字识别、人脸对比、情绪识别、颜值评分，大一点方面在公共应用上比如监控旅游景点人数、监测交通拥堵情况等等，所以计算机视觉可以渗透到安防、生活娱乐、金融、农业、教育等多种行业。
以上的例子比较宽泛，以具体的零售为例，看看计算机视觉技术如何赋能零售。
以前我们逛街进到实体店，绝大部分的营业员不了解潜在顾客的喜好，只能强推。现在，消费者经过商店，商店门口如果摆放摄相机，通过机器捕获人脸，店员第一时间知道你是不是商场VIP会员，判断你的性别和年纪，通过机器学习若干与你相似年龄女孩的喜好数据，会分析推断你可能会喜欢产品。如果你看到屏幕的时候，机器会从头到脚自动推荐该店适合你的商品。目前，科学家正在研究如何让机器读懂人的情绪，希望顾客进门后服务员通过人脸识别，或者表情识别可以知道你对哪件商品满意，让店员提供细致入微的服务。反过来对于商家，通过摄像头汇总消费者大数据比如性别，年轻分布，流动性、停留时间、消费者看了什么样的商品，通过大数据的分析告诉他们这个店的物品怎么样摆放最优的，商品如何摆放销售量最高，让商家更好做决策。但是也有保守者认为这种做法多此一举，或者担心自己泄露了隐私。
说白了，大数据起到了巨大作用。在线上我们国内有引以为豪的阿里、京东、小米这样的公司，但在线下目前来看7-11便利店利用大数据是做的最好的。他们如何搜集数据呢？原来，每个用户在完成购物后，电脑上有专门的按键提供给店员，让其来选择消费者的性别和年龄等信息，7-11会有专门的数据分析人员，用数据去辅助运营做商品或者店铺的优化。
其它领域，比如汽车，研究人员现在也在试图让汽车了解自己的驾驶员，比如他们喜爱的音乐、习惯的座椅角度等等。
存在的问题
不过，技术虽然发展特别快但是对于商业落地需要磨合调试的，目前还有一些值得探讨的边界问题，比如算法是否具有可行性，因为机器接受人的指令目前还没有推理的能力，所以机器参与的工作仍需要人去做决策，另外作为人工智能至关重要的就是数据量，小型创业公司可能虽然有技术，但是可能遇到缺少数据的问题影响产品的准确性。还有就是行业的边界，比如在医疗领域，计算机视觉是否真的是有助于医生在影像分析上有绝对的帮助，因为对于医院来说最本质的需求是影响分析的准确性，要减少或避免误诊，而不是快速每天完成成百上千的病人的影像分析。

丽莎老师讲机器人之AI十大趋势

1到2020年，平均每个人都会与机器人有更多的对话
2虽然51%的工作活动可以自动化，但是完全由机器替代的工作不到5%
3 71%的B2B客户在购买后被忽视，只有1%的B2B营销人员在售后管理客户关系
4自动驾驶卡车正在澳大利亚运输铁矿石，并将出现在全球的道路上
5到2020年，1亿消费者将在增强现实（AR）中购物
6汽车共享可以在2035年将所需车辆的数量减少90%
7到2019年，75%使用企业应用的员工将使用智能个人助手扩展技能和体验
8中国消费者在春季进行近30亿次旅行，花费超过1100亿美元
972%的客户希望企业在一小时内对他们社交媒体上的投诉作出回应
10到2018年，90%的人口将在云服务存储数据

丽莎老师讲机器人之AI同传

今年的博鳌亚洲论坛上，第一次出现了AI同传。值得注意的是，这是博鳌论坛创办17年首次采用人工智能同传技术。然而，在如此重要的场合，现场配备的腾讯AI同传却掉了链子。词汇翻译不准确、重复、短语误用等“乌龙”引来各方“嘲笑”。
人们总是把AI跟人类职位对立起来，各种“取代论”层出不穷。博鳌论坛会议前，就出现了许许多多的“取代论新闻”引起了各界关注。最终，AI同传“翻车”，引来外界一片唏嘘。
一．AI同传进阶之路：变智能问题为数据问题
很多人都觉得人工智能如果要处理自然语言，就必须理解自然语言。实质上，AI翻译靠的是数字，更准确地来说，是统计。AI同传出错，并不是“智能”不够，实质上，是数据和模型出了问题。
1.AI同传还需要理解力
首先，AI同传要去理解场景。在博鳌论坛上，会议现场专业度高、覆盖度广，AI对特殊场景的理解还不够。场景对于语义具有至关重要的影响，相同的一句话在不同的场景里有不同的意思。举个例子，“好 ”这个字在百度汉语显示有多种语义，既可以表示称赞，也可以表示状态，还可以表达问好……诸如此类，语义的表达和理解都要结合具体的场景。在具体的句子中，这种语义与情景的结合就更为紧密，更需要机器理解学习。
其次，AI要理解口语的模糊逻辑。口语翻译是不会百分百传译的，根据 AIIC（国际会议口译员协会）的规定，同传译员只要翻译出演讲者内容的80%就已经算是合格了（90 %~100 %的“同传”几乎是不可能的）。这意味着AI工作量减少吗？当然不，正是这种模糊的东西使得AI同传更加困难，除此之外，口语没有标点符号来标志句子，缺少了必要的声调和停顿，就很容易造成句子的歧义。而模糊的指令极有可能出现的是满屏的错码。
2.隐马尔可夫模型（HMM）解决统计数据之外的语言问题
然而，在参考腾讯AI同传的失误后，我们发现，仅仅增加数据量还是不够的，在现实生活中，我们也会遇到零概率或者统计量不足的问题。
比如一个汉语的语言模型，就足足达到20万这个量级。曾有人做过这样一个假设，如果刨掉互联网上的垃圾数据，互联网中将会有100亿个有意义的中文网页，这还是相当高估的一个数据，每个网页平均1000词，那么，即使将互联网上上所有中文内容用作训练，依然只有1013。
为了解决数据量的问题，我们提出了隐马尔可夫模型（HMM）。实际应用中，我们可以把HMM看作一个黑箱子，这个黑箱子可以利用比较简洁的数据，处理后得出：
1.每个时刻对应的状态序列；
2.混合分布的均值和方差矩阵；
3.混合分布的权重矩阵；
4.状态间转移概率矩阵。
看起来可能比较复杂，简单点说，这个模型可以通过可观察的数据而发现这个数据域外的状态，即隐含状态。也就是说，我们可以凭借一句话，来探索出这句话后的隐含的意思，从而解决一些微妙的语义问题。
通过你提供的可以明显观察的句子，推断出一个人隐含的心情状态（开心OR难过），并得到最后的行为判断（宅、购物、社交），即通过已知推断出未知。
而如何优化这个模型，得到最优隐含状态？人们提出了许多解决问题的算法，包括前向算法、Viterbi算法和Baum-Welch算法。此中奥妙，难以尽述。但不能否认的是，在深度学习的基础上，数据+模型就能很好地打造出一款AI同传翻译，数据越大，神经网络更好。即使翻译结果不尽如人意，但只要建设足够大的数据库，建立更好的模型，打磨算法，AI同传很快就会有更大的提升。
二．NLP金字塔顶端反哺底端：打造高质量AI同传
除了增加数据库和打磨数据模型，AI同传还可以从哪些方面提升呢？我们不妨借鉴一下其它的技术。下图中，这四个方面代表了人们在 NLP领域的一些进步。用金字塔形来表示这四个技术之间的关系，难度是逐级上升的。
聊天机器人和阅读理解这一块儿已经取得了很大的突破。而AI阅读理解技术的进步不止是NLP的高阶进化，还有一层意义是，科学之间是相通的，技术之间可以互相借鉴，金字塔顶端技术可以反哺底端。
在自然语言处理上，人区别于AI的点在于人有先验知识。即人们在听到某个字时，会自然地联想到后一个字，或者会被一个词触发了一句话的联想。
三、在未来，AI不会挤占人类同声传译员的空间
AI同传会取代人类翻译吗？当然不会。先不说语言本身的复杂，我们可以来看看同传的实际应用场景。
在实际工作中，不论是口译还是直接对话都需要同传来完成，不会有被服务方只聘用其中的一个职能。也就是说，AI同传不仅要学会翻译，还要学会聊天。而在这一块儿，机器还有很大的进步空间。那么,AI同传的用处在哪里呢？
1. AI共享同传，仅针对普通人的市场
人们出国旅游，常常会遇到语言沟通问题，然而，并不是每个人都配得起一个专业的口语翻译。这时候，如果一个可穿戴设备亦或者一部手机就能为你同声传译，想必会减少很多人的出国成本。随身携带一位专属的同声传译，是不是觉得很酷呢？
智能硬件一直是AI的狂热地带。就在去年，微软和华为合作，在 Mate 10 手机中嵌入了微软的神经网络机器翻译，可以算得上是在终端运行神经网络机器翻译的第一例。
如果AI同传的硬件设备出世，更可能的商业模式是出租或者共享。即按需求进行租用，有一个专门的技术公司负责租赁，正如共享单车一样，我们的使用费会降到极低。而这类AI的应用场景并不在复杂的会议现场，而是日常生活，出外旅游等，语料库的建设也会更加简单。
如此，AI同传只是更加惠民而已，却不会取代在某个特殊场景比如金融会议、医疗会议等更加专业的人类同传。
将AI同传与硬件设备相结合，创造切实可用的语音接口，还可以在很大程度上提高用户在移动终端、可穿戴、智能家居、智能汽车等智能设备的体验，真正在交互层面实现智能时代的人机结合。
2.AI同传成为同声翻译的考官
同声传译需求量成倍增加，但是合格的同声传译的数量却增长非常缓慢，据了解，现实市场上能够十句话翻译出十句的同传译员寥寥无几。同时，拥有高级口译资格证书的人并不一定能胜任同声翻译，同声翻译还需要进行专业的技能训练，而有些合格的同声翻译人员也并不一定有口译证书。
目前，我国还没有一个固定的机构来负责同声翻译的相关事宜，也没有一套统一的标准对同声翻译的工作进行考评。
面对这样的困境，我们或许可以在AI同传上开个脑洞。
人们可以利用AI数字化、标准化等特点，以数据库为依托，将AI训练成单一功能性的考核机器，针对不同的应用场景，对同声传译员进行考核和评级，从而规范人才市场。
这里或许可以参考驾驶培训机器人。驾培机器人包含了高精度GPS导航技术、惯性技术和虚拟传感技术、视频检测、数据处理、无线传输、指纹身份识别等高新技术，能够精确记录、判断驾驶人操纵驾驶机动车的真实能力。
同理，AI同传也可以在各种场景里，去观察、判断考生的翻译能力，以及考生对翻译规则的熟悉、理解程度。这个系统可以减少考试员的劳动强度和人为因素，确保考试公平、公正，考核方法科学准确。
简单来讲，我们的目标是通过智能机器，使考核自动化，选拨或者是训练真正的人才，而并非取代人类的翻译能力。
更有意思的是，在考核过程中，AI又能不断吸收新养分，增加口语类文本语料库，何乐而不为呢？

丽莎老师讲机器人之Google最新发布的搜索引擎

为了让你体验人工智能在语义理解和自然语言处理有多强大，Google近日发布了一个新的搜索引擎，以及两个 “文字游戏”。
在 Google新发布的语义体验网站 “Semantic Experience”里，有一个全新的书籍搜索 “Talk to Books”，以及基于机器学习的单词关联游戏。
相比平常我们搜索一本书，主要是通过书名、作者等关键词进行检索，在 Talk to Books里，我们可以像平常讲话一样输入一句话，随后搜索引擎就会对这句话进行解读和预判，从而给出搜索结果。
也就是说，你可以用 “聊天”的方式找到你想要的书籍。
在搜索框输入了一个问题：
What is the best programming language？（什么是最好的编程语言？）

排在第一位的搜索结果，是一本用 C语言编程的书籍，《C Programming for Arduino 》，作者是 Julien Bayle。这本书里有这样一句话，在搜索结果中被加粗：
There is no scientific or universal way to define what is the absolute best style of programming. （目前没有一个科学的或者广义的方式去定义什么是绝对好的编程方式。）
在搜索结果中，能够回答这个问题的句子或者段落被加粗显示，下方还有作者及书籍的信息。给我的体验就是，我们用聊天的方式向 Talk to Books提问，然后它用搜索结果告诉你，这本书里的这段话，可以回答你的问题，这些或许就是你想要找的书。
在另一个名为 “SEMANTRIS”的页面中，有两个基于机器学习的单词游戏 Arcade和 Blocks。
玩 Arcade时，需要在一定时间内输入与某个目标词语最相关的单词、短语或者句子，越相关得分越高，同时目标词语会下移。
Blocks则像是无时间限制的消消乐游戏。输入某个单词、短语或者句子后，游戏会自动判断页面上的哪个单词与之最相关，然后这个单词所在的方块，以及相邻同色的方块就会被消除。每一次消除都会有新的方块掉下来，方块堆积到达顶部，游戏结束。
“Semantic Experience”这个项目呈现的是机器学习中 “词向量”的技术，这项技术能让机器更快、更准确地去理解人类的语言。目前 Google已经在自己家的人工智能开源软件库 TensorFlow上开源了一个预训练语义的模块，开发者可以使用自己的词汇或语句进行实验，训练自己的模型。

丽莎老师讲机器人之AI机器人竞选日本市长

随着科技的发展，人工智能越来越全能。尤其是之前Sophia的问世，引发了很多人的思考，机器人的存在，究竟会不会威胁人类安全？
最近，这个问题或许即将会在日本得到答案。
这两天，位于日本东京都的一个城市多摩，正在如火如荼地竞选下一任市长。今年是这个城市四年一度的换任时间，这本来挺正常一个事情，但是如果你仔细看看这个城市下一任的市长候选人，心里肯定也不免咯噔一下…
今年候选的三个人，除了现任市长阿部裕行以外，还有另外两个竞争者，高桥俊彦和松田道人。
很多人可能在想了，这个人工智能是个什么鬼，cosplay机器人去选举市长，日本什么时候这么不正经了。
其实这不是cosplay，图上的这个候选人，就是个如假包换的机器人。刚开始看到的时候，很多日本市民还以为政府就是皮一下而已，这个照片应该很快就会被撤走了。
但是AI候选人的照片不仅没撤，街头竟然还煞有介事地出了他的候选宣传海报…
开了自己的官方候选人的推特宣传账号。机器人还给出了自己竞选的政见：让政治变得更加公平。
他甚至还给出了自己竞选的几大优点。机器人做市长，这个一般人看起来挺荒唐的事情，他给出的解释却头头是道。
首先，他认为，机器人没有情绪，也没有欲望。他在处理政务时，既不会夹带私人感情，也不会收受贿赂，可以有效的防止腐败行为，提高官员的清明程度。


另外，机器人不用休息，接上电源他就能没日没夜地工作…不仅能很大程度提高政府的工作速度，还能节省财政开支。
最后，市长是一个需要储存大量信息的工作，不过从目前的情况来看，大部分政治家年龄都是40+，记忆力多少会有些衰退，但是他就不同了，无论多少信息，他都能很好地消化…


总之 ，这个机器表示，一旦当上市长，他将能改变市民的生活…
甚至，AI候选市长还组建了自己的竞选团队，这两天，他还像所有正常候选人一样，把选举宣传车开上街头，给自己拉选票…
自从出现了这个候选市长，不仅是多摩地区，甚至在整个日本都引起了热议。很多网友纷纷表示震惊…
一些多摩市民们也完全是吃瓜群众的心态，她们丝毫没有意识到，如果这个市长当选，跟自己以后的生活是息息相关的。
也有一些科技发烧友，对这种在科幻片里才有的情节，心向往之…
甚至有网友做出了市长同款机器人 ，挂到网上去卖。
还有不少名人对松田表示支持。比如日本通信巨头软银移动softbank的高级执行副总裁松本彻三，他就公开表示，AI市长真真是个不错的选择呢。
不过，虽然吃瓜群众看得很开心，但是大部分多摩市市民还是比较清醒的，他们对这个突如其来的科幻未来感到担忧，所以对这个AI市长不太买账，毕竟谁放心把自己的日后的生活交到机器手上。
截至目前，松田的得票率暂时还不是很高，但是，距离竞选结束还有几天时间，感觉也是一切皆有可能…
反正，如果这次松田道人最后能当选市长，那多摩市就将成为有史以来第一个被机器人统治的城市。
虽然这几年还陆续出现了机器人服务员、机器人武士之类的。但是，人工智能涉及政治领域，还是第一次。

丽莎老师讲机器人之2018移动通讯黑科技

2018MWC世界移动通信大会于2月26日至3月1日在巴塞罗那举行，这是全球最具影响力的通信领域展会，向世人展现出移动通信前沿的科技魅力。
维信诺柔性屏
全面屏”手机迎来爆发期，几乎所有手机厂商都拿出自己的全面屏旗舰。国产柔性 AMOLED屏幕的推出则意味着国产柔性手机或将出现，而搭载AMOLED屏幕手机的价格也有望进一步下降。根据维信诺官方的说法：折叠屏弯折次数可超过10万次，技术处于全球最领先水平，已在维信诺昆山5.5代AMOLED生产线全面量产，可创新应用在诸多显示终端及场景中。
华为手机展示无人驾驶
车顶部的行李舱里装了一台摄像机，它会记录车子前方的图像信息，将其传到华为Mate 10 Pro中，手机起到的作用是通过AI算法，帮助车来识别障碍物。除了装摄像头，车子本身也进行了改装，后备箱有负责接收通信信息的，还有收发动力指令的模块改装等一系列复杂的设备。简单来说，通过改装汽车，华为让具备AI功能的Mate 10 Pro手机接管了汽车的控制权限，同时还训练了认出特定目标后控制汽车去躲避的算法，让汽车“学会走最合适的路线”。
物联网智能锁落地西班牙
ofo在大会上宣布，将联合华为、沃达丰在西班牙马德里运行搭载 NB-IoT物联网智能锁的小黄车，这是共享单车企业首次正式在海外落地NB-IoT技术。NB-IoT技术为运营商和企业之间搭建了统一的物联网云，这意味着，当共享单车企业进入新的地区运营，只需接入该云端即可与当地运营商建立网络连接。通过物联网云，共享单车智能锁可以与基础设施进行通讯交互。比如，在不久的将来，当单车与路灯通讯时，夜间路灯可以随着单车运行轨迹点亮、熄灭；当单车与信号灯通讯时，单车会判断用户是否遵守信号灯指示，对用户行为进行相应奖惩。
指纹识别功能再升级：半屏指纹解锁
vivo带来了手机行业内首部量产级屏幕指纹手机——vivo X20Plus屏幕指纹版，不过这部手机的屏幕指纹解锁仅仅在一个“点”上，而vivo APEX则是做了更大的升级，将指纹识别区域扩大到了半个屏幕，“从点到面”让我们的指纹解锁可以覆盖半个屏幕，想怎么解锁就怎么解锁。 
“5G时代”成全场亮点
英特尔在大会上展示了自己第一款支持5G技术的二合一概念PC。英特尔将在2019年下半年之前把5G连接PC推向市场；在本次大会召开前夕，华为正式面向全球发布了华为首款3GPP标准(全球权威通信标准)的5G商用芯片——巴龙5G01和基于该芯片的首款3GPP标准5G商用终端；同样在5G领域深耕多年的中兴也一直致力于推动5G尽早投入商用，中兴通讯在大会上表示，该公司的5G CPE已经在开发中，将在2018年底或2019年初推出5G智能手机和平板电脑。
从“人工智能”到“应用智能”随着无线通信技术的发展以及垂直应用走向爆发期，越来越多“难以置信”的科学技术开始出现在人们的身边，包括人工智能、虚拟现实（VR）、增强现实（AR）、物联网（IoT）和数据分析等在内的数字技术正在颠覆传统的商业认知，以及商品的交易方式，“应用的智能化”无处不在。

丽莎老师讲机器人之AI如何改变未来的手机应用

随着智能手机的不断发展，手机的功能越来越强大。相比去年的全面屏风潮，今年的手机市场可以说是AI的天下。君可见各式各样不同等级的手机AI拍照满天飞？！但是，难道手机AI就只能作为摄影的辅助？
现在，人们已经离不开手机，已经不局限于打电话、发短信。各种手机APP不断出现，听歌、看视频、导航、支付、定机票、游戏、聊天、看新闻。。。。。。
将来，在人工智能、大数据的不断发展下，手机这个终端设备，将会成为距离每个人最近的贴身、贴心的数字助理。将突破硬件的束缚，成为人的数字分身。
虽然目前智能手机上的AI功能还处于起步阶段，但是将来智能手机有了真正意义上的AI功能后，手机将变得更加聪明，能以用户为中心来学习、计划和解决问题，甚至还通过减少认知负担来提升人类的智能。
现在的手机，最大的问题是太被动了，各个APP因为比较割裂，所以用户要想获取服务，需要分别进行操作。眼花缭乱的APP背后，隐藏的是生活被严重碎片化。APP之间的切换交互方式，也似乎成为我们身边的“时间杀手”。
基于AI开始的手机“去应用化”，可以看做是通过让手机像人类，来节省人类操作手机的时间，甚至达成更多目前手机无法达成的应用功能。这一切的前提是服务被抽象出来，各APP之间达成数据共享。那时商家争夺的将不再是用信息占领用户时间，而是用通过直接的建议和沟通，影响用户消费习惯.手机带来的智慧生活的功能将继续扩展，变得越来越强大。
比如，我下周一要去上海出差，就需要去东航APP或者携程APP预订机票，然后去航旅纵横APP选座位，然后再去滴滴预订接送机，出门的时候发现下雨了却没有带雨伞，到了目的地突然发现温差很大衣服不够！是不是很麻烦？
而将来，手机会根据我以往的习惯，自动推荐一个性价比最好的航班，我无需打开APP就完成了预定。然后在合适的时候手机会提醒我选座位，或者根据以往的喜好，直接帮我选好靠窗还是靠走道。前一天晚上已帮我设定好闹钟，提醒我明天出发地和目的地的天气情况。到了目的地前，接机的信息已经发送到了滴滴司机哪里。这一切都无需打开APP，直接是在我日历里标记了下周一去上海出差的时候，早已完成！
未来，AI手机将主动提供给我们服务、信息，为我们提供智慧化、一站式的解决方案，最终改变我们的生活习惯！

丽莎老师讲机器人之人工智能会取代人类吗？

在人工智能发展史上，有关于“人工智能究竟会不会终将超越人类，甚至统治人类”一直是大家争执不休的话题。我们如何看待人工智能与人类的关系，它是否成为天使或恶魔，或许，我们可以从人工智能发展史上四次论争中，寻求更客观的探讨和判断。
01
20世纪60年代之争：机器究竟是不是危险的？
半个多世纪前，天才的计算机科学先驱们，就开始关注机器自动化对人类可能带来的“危险”。1960年，控制论之父维纳发表了著名论文《自动化的某些道德和技术的后果》，在他看来，“机器能够并肯定会超越它们的设计者的某些局限性，当这一天到来时，它们将是高效而又危险的”。
维纳的反对者们，却觉得他纯属杞人忧天，他们乐观地强调，机器没有自己的思想，只能根据事先被编入的内容产生其输出。它不能输出任何未经输入的东西，诸如“下棋机器”之类所谓的“意图”或“结论”，只不过是程序设计者的意图。也就是说，机器不能拥有任何程度的创造力，人类制造的机器必然会持续地受制于人。
到了1962年，前苏联科学院院士索波列夫表示：“尽管没有大脑，人就无法思维，但是人却能够创造能够独立思考的大脑”，之所以这么说，是因为在他看来，人脑的一切活动，包括推理、情感、决策等等，实际上都可以还原为一系列的数字或代码。
索波列夫的“超前”观点，遭到了诸如卢卡斯等人的强烈质疑。在他看来，依靠数学与逻辑进行运算的计算机，是永远无法完成对哥德尔所谓的“不完全性定理”的证明的，这就是机器不可能相同于人的最好的证明之一。他说，“我们不是在讨论机器和人类谁高级，而是它们是否相同。在某些领域机器毫无置疑高级于人类；但永远有另外一些领域机器无法取人类而代之。我们无法想象会有一个机器的模型能够完全的表征人的心灵”。
02
20世纪70-80年代，人工智能进入第一个“寒冬期”
1974-1980年间，人工智能进入第一个“寒冬期”，人们对于AI乐观派“发展拥有人类智慧的人工智能”纲领产生怀疑。
1980年初，约翰•罗杰斯•塞尔（对，就是加州大学伯克利分校被女学生投诉性侵的著名哲学大神级人物）提出“中文屋”思想实验，他以罗杰·尚克等人构想的“故事-理解”程序为依托，批判“程序即心灵”的观点。
“故事-理解”程序的设计目的，是试图模仿人类理解故事的能力。当被问及与故事相关却没有直接提及的信息时，人类可以表现出根据故事情景进行推断的能力。尚克等人设想：如果存在这样一台具有“故事-理解”程序脚本的机器，当人们向它展示相似的故事情节并问其同样问题时，机器如果能够像人类那样给出预期的答案，那么这台程序化的机器就是真实地理解了故事的意义，进而也就具有了真实的认知能力。
不过在塞尔看来，人工智能或计算机不过是基于一系列语法规则进行符号处理的转换机，它无法像生物大脑一样进行语义解释，计算机可以处理符号，但它不能理解这些符号背后的意义。


塞尔的观点引发了大争论。有从人工智能可以间接实现上述手段，正面回应的。更多人苦于符号主义流派的人工智能面临瓶颈与困境，无法直接通过人工智能工程领域的实际发展，用事实来批驳，只能从逻辑严谨性上批评塞尔。
毋庸置疑，塞尔“中文屋”思想实验就科学严谨性上而言漏洞不少，但其直指当时人工智能弱于“reasoning”的观点长矛确实击中对方软肋，否则也不会引起众多讨论。就是2018年的今天，人工智能研究仍在“reasoning”的问题上苦苦思解，业界依然承认其是目前最核心的问题。
03
20世纪90年代中后期：人工智能终究会取代人类吗？
1997年，伴随着IBM公司 “深蓝”计算机的出现，关于人工智能风险的讨论重又兴起，不过，此时讨论的焦点，已经从此前的“是否所有的人类活动均可以形式化”问题，转化为“奇点议题”研究，人们开始发问：人工智能最终真的会超过人类吗？
2000年，尤德考斯基等创建了“奇点研究所”，其使命之一便是保证奇点项目实施过程中充分关注到其所内含的责任并保证让其不偏离责任轨迹，保护奇点的健全性。
波斯特罗姆提出“存在性风险”概念，将人工智能视为“存在性风险”之一，认为人工智能领域的实验已经进入意料之外且后果难以控制的疆域
04
2012年后至今，以神经网络与深度学习为代表的大发展时期
2006年，多伦多大学教授Hinton等人发表论文，首次提出了“深度学习”概念，为解决深层结构相关的优化难题带来希望。在2012年深度学习的运用大大提升了图像识别和语音识别的准确率。神经网络模型在ImageNet竞赛中的突破，引起了工业界强大的兴趣。2017年5月，阿尔法围棋与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。
在人工智能学界和工业界一片大好形势下，乐观派认为奇点将加速来临，雷·库兹韦尔认为随着未来信息技术得到空前发展，人类将超越自身的生物极限——生命。谨慎派则在默认技术发展的趋势同时，提出要警惕人工智能的危害。
2015年初，包括物理学巨匠斯蒂芬-霍金和spacex创始人马斯克在内的一群科学家和企业家签发了一封公开信，公开信警告称，如果智能机器缺乏监管，人类将迎来一个黑暗的未来。随后，关于人工智能研究领域应优先考虑的AI 23条被提议，并形成文字纲领。
过去半个多世纪里，围绕人工智能的几次大论争，实际都可以归纳为人类关注的两个核心问题：
第一，人工智能到底是什么？第二，人们需要警惕的是什么样的人工智能？

丽莎老师讲机器人之国内32所高校人工智能学院

早在2017年7月，国务院发布《新一代人工智能发展规划》，这是我国首部国家层面的人工智能发展规划。

《规划》指出，完善人工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额。鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设。

随着《规划》的推出，目前各地高校已经开始筹建人工智能专业和人工智能学院。

丽莎老师讲机器人之抽血机器人
抽血这事太讨厌了，护士姐姐总是找不到血管，扎好多针还抽不出血，然后就开始各种嫌弃你。未来，这种情况发生的概率应该就会小很多了。
普林斯顿机械工程学系的学生哈里斯(Richard Harris)从大三就开始制造一台机器人Veebot，只要将手臂伸进去，一分钟后机器就可以抽好血，精准度与护理人员差不多。
它装有超声波彩色多普勒成像,红外和超声波成像，自动确定最终的插入位置,针头进入身体后就会调整位置和深度。
还有一个类似于血压计套袖的压脉器，使患者的静脉更加突出，使采血过程更安全、更高效。
通过图像分析软件自动分析影像，检查血管构造，找出最适合抽血的血管。
通过超音波检验血管是否够大，是否有足够的血流通过。机器人会校准针头，将针头插进血管中抽血，整个流程大概只花一分钟。医护人员只需要更换搜集血液的试管。
目前 ，Veebot的抽血精确度达到 83%，基本与医护人员相同，哈里斯希望能将精确度提升到 90%。


不过要在临床推广这款机器人，很可能遇到的最大麻烦会是，说服人们接受这种机器人给自己抽血。