美剧《西部世界》的火爆再一次引发了大众对于人工智能的讨论，到底人工智能未来的走向如何？让我们来看看这些大咖是怎么说的。
![]()
● ● ●
奥巴马谈人工智能：社会契约与经济模式要与科技与时俱进
![]()
随着机器学习让计算机无师自通，从医学诊断到自动驾驶汽车，技术领域的突破如雨后春笋。不过，是谁在把控着人工智能？它会取代我们的工作吗？机器人威胁论又是否会成为现实？
作为美国总统，奥巴马同样也对这些问题充满关注。
奥巴马提到：虽然每次说到这个话题大家都会定很高的基调，但事实上我们必须考虑它对于经济的影响。毕竟在大多数人眼中，不会在意奇点是否会来临，他们更担心机器是否会抢了他们的饭碗。
对此问题，我倾向于持积极态度，因为从历史角度来看，人类曾无数次地对技术进行更新换代，但最终结果显示，我们没有被饿死，新技术反而创造了更多的就业岗位，我们的生活质量也得到了提高。当然，有些人的担心也不是无缘无故的，毕竟当 AI 大潮袭来，真正能快速从中获益的还是那些高技能人才，他们可以利用自己的才干，借助机器延伸自身的市场、销售、产品和服务。
那些低薪水低技能的人可能会显得越来越多余，他们的饭碗可能会保住，但薪水恐怕会有所降低。如果我们想要完成平稳的过渡，那么全社会应该广泛对话，讨论到底如何处理这一过渡期的尖锐矛盾，如何通过培训来保证经济持续包容性增长。我们的生产效率是越来越高了，但如果任其自流，那么大部分产品还是会流到上层一小部分的群体口袋中。因此，我们要如何解决这一问题，并保证每个人都能拿到一份有尊严的收入呢？另外，AI“统治”一切后，人类的艺术和文化该如何保留？那些为国奉献的退伍军人谁来管呢？我们引以为豪的社会契约需要与时俱进来包容这些新技术，而我们的经济模式也要随之发生相应转|变。
● ● ●
百度IDL负责人林元庆：告别蹒跚 AI大幕已启
![]()
林元庆在演讲以及会后采访的过程中，一直在强调AI大幕“已经启动”这个关键动作，虽然“人工智能”这个概念最早从1955年8月31日就开始提出，但从当时的诞生，到中间的两起两落，一直像个蹒跚学步的孩子一样经历了60年才迎来了第三次复兴的浪潮。
1956年到1974年，全球第一次人工智能浪潮出现。
1974年到1980年。第一次人工智能冬天出现。
80年代出现了人工智能数学模型方面的重大发明，第二次浪潮出现。
1987年到1993年现代PC的出现，让人工智能的寒冬再次降临。
不过这一次，随着硬件，数据，算法三板斧的默契配合和发展，AlphaGo与世界顶级围棋高手李世石的人机世纪对战，人工智能已经从基本的语音识别，图像识别，向着自动驾驶，视频，AR，医疗，金融等各种领域无声地渗透，也引发了全民关注AI复兴的热潮。
老骥伏枥，志在千里。如果说过去60年是它从孕育到踌躇的“蹒跚”周期，那往后60年，将会是它揭开“无穷大”大幕的周期。
● ● ●
Deepmind 开发可微分神经计算机： 我们离会推理的机器人还有多远
![]()
为了提高深度学习的能力，谷歌的 DeepMind 团队创造了这种新型机器学习算法“ 可微分神经计算机”DNC，它将“神经网络”计算系统与传统计算机存储器结合在一起。
神经网络是一个互联的系统，它模仿生物神经网络运行，比如大脑的工作模式。在最近取得的各项人工智能成就中，神经网络扮演了关键角色。例如，在数字助手，如 Google Voice、Siri 中增强语音识别能力。在之前的研究中，神经网络只能连接自有网络所包含的数据。而最近，DeepMind 团队宣布，在 DNC 的支持下，神经网络可以接入之前不相容的外部数据，比如以传统数字模式编码的文本。这也就是说，我们离会思考的计算机更近了一步。
● ● ●
解密 AI 发展现况，探寻未来智能真谛
![]()
现今，随着 AI 和机器学习技术快速发展，越来越多的工具和解决方案都开始使用认知能力。但这些工具和解决方案是否真正反映出了 AI 的意义所在？
IBM Watson 的平台经理 Jonas Nwuke 认为：
AI / 认知计算的目标是辅助人类更好的做出决定。系统在规模上进行学习，吸收经验变得更强大，并以一种更自然的方式与人类进行交互。
Progress 的首席布道官 Todd Anglin 说：
目前，软件开发业存在的问题是，AI 是个总称，它经常被误用或滥用，其本质在某些方面就被滥用。它代表了很多东西，但很多时候我们都用之不当。例如，AI 是个伟大的营销术语，开发商往往只是强行将其插入解决方案之中，以达到脱颖而出的目的。App 的用户会普遍认为，具备人工智能，那么其肯定是款智能化、强大的 App 。
在其它情况下，开发人员会使用术语，以表示该应用程序试图为用户做一些事情。例如，Tesla 使用术语“自动驾驶车”称呼自己开发的车辆，这样更易于大众理解，但事实上他们的车辆并非完全自动驾驶，因为它还需要人类在一旁照看以防万一。简单的图像识别、目标检测、挑战和响应系统都做到了一定程度的 AI ，但开发商在给他们的应用程序打标签时，还需要更明智一些。
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来观察这些东西，以及它们是如何被利用或在软件中使用的。
当我们谈论 AI 时，我们真正讨论的东西是什么？
![]()
