四大文明的研究对象：

研究人与物的关系：古巴比伦、古埃及（是欧洲文明的起源，影响到地中海地区、辐射到欧洲，后促使了科学和技术的诞生）eg：泰勒斯：water is the best 

研究人和神（抽象或不可掌控的事物）之间的关系：古印度

研究人和人、人和环境之间的关系：中华文明（和谐、共生）eg：孔子：逝者如斯夫

人机交互

焦点和趋势：从西方语境转移到东方

本质：being together with human、machine and the environment

2019年百度提出的汽车人机交互基本框架还是人、物、环境，及人和物之间的交互来进行

图片来源：http://aiid.baidu.com/982/

目前人工智能的能力、发展

与人相比人工智能的capacity差异：

1. 人工智能拥有客观存在的事实、但不拥有价值观。eg：不能做到基于自我意识的决策

2.对于事物的可变性和内在不变性的认识存在缺陷。

比如像目标识别的神经网络，在识别位于四个角上的LOGO的时候，会错误识别到画面中的内容，其实就是该神经网络对于不变性和可变性的维度意识会存在模糊的体现。

3.人在处理信息的时候是有隐性知识储备的，且有向显性知识递进演化的可能 We know more than we can tell——Micheal Polanyi《The Tacit Dimension》

4.人的动机具备层次（马斯洛）且能相互转换，且具备有意识动机和无意识动机

5.决策：正在基于人的决策过程，以便机器在特定情形下基于时间和情景的压力建立相对的匹配机制。

人工智能的能力发展（理性）：发展其做出决定、计划和推论的能力（统计学、经济学）

和统计学的交叉比较好理解，经济学的决策过程交叉， 有 Herbert Alexander Simon（人工智能符号主义学派（人工智能基于数理逻辑） ）《关于人为事物的科学》还有作者提到的Friedrich Hayek《感觉的秩序》，其中的重要观点：行为是感觉的表征

关于科学的讨论

Karl Poper《The logic of scientific discovery》提出科学不是证实而是证伪，应有的思路是提出假设、进行反驳、不断试错，创造新科学。而不是观察归纳，因为归纳在一定程度上是不完善的。

很显然很多神经网络的方法是基于归纳法的， 但是大多数论文写作的逻辑确是遵从Karl Poper。其实归纳法在大多数情况下能解决大部分问题，大家会引导用指定数据集来量化AI的性能，在训练数据的准备过程中尽可能的接近所有，但一旦put into really daily practice，因为使用场景是无穷尽的，归纳法总结特征更具备适应性和鲁棒性。

人们对智能的理解

智能的概念：

字典定义：“理解和各种适应性行为的能力” “观察、学习、理解、认知” “智慧和能力”

“知识如何获取表达和存储，智能行为如何产生和学习，动机、情感和优先权如何发展和运用，传感器信号如何转化为各种符号、怎样利用符号进行逻辑运算，对过去进行推理及对未来进行规划，智能机制如何产生幻觉、信念、希望、畏惧、梦幻甚至善良和爱情等现象”——James Albus

这个定义不仅实践派还有点迷人，认证！⧸⎩⎠⎞͏(・∀・)⎛͏⎝⎭⧹

人工智能的各大学派

思维——符号主义学派：基于数理逻辑，用计算机符号模拟人类操作。

人脑——联结主义学派：仿生学，基于人脑模型，神经网络。

身体——行为主义：基于感知和行动。

1、符号主义

认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又再计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表了可以应用计算机研究人的思维多成，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表任务有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。

2、连接主义

认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪60~70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，伟神经网络计算机走向市场打下基础。现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。

3、行为主义

认为人工智能源于控制论。控制论思想早在20世纪40~50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳(Wiener)和麦克洛克(McCulloch)等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，影响了许多领域。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到20世纪60~70年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人的兴趣。这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人，它被看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。

作者所认为的人类和智能发展的最终目标是以发展机器智能、强人工智能从而达到人机融合，在这里贴一个陈天桥的不同观点，即发展脑机接口加强大脑来达到更为理想的人机融合。

故事硬核x谷雨：所以你没有离开寻找下一块石头的竞赛。

陈天桥：当然。我的观点，AI按照现在冯·诺依曼电脑架构往前走，我认为我们此生是不可能创造出一个生化机器人的。如果按照了解大脑（的方向）走，那么我们具备这个能力。

故事硬核x谷雨：也就是说你不会把钱投给在冯·诺依曼架构上做的模拟？

陈天桥：当然了。我一分钱都没给。我投的都是脑科学，很多人说要做芯片，做neuron network（神经网络），我认为这只是一个概念，跟真正的不是一回事儿。

故事硬核x谷雨：在脑科学这个大筐里，了解我们的觉知怎么产生，是你最感兴趣的一个问题吗？

陈天桥：对。终极问题就是了解世界到底是什么，它的真相是什么。我们有两种方法了解真相，第一种是向外寻求，去外太空。第二种是向内寻求，但所有视觉都是由你的大脑感知组成的，所以我认为向内寻求是正确的找真相的途径。找到真相，人就能更加自由。我为什么给加州理工，第一是它的校训打动了我，它说真相使你自由。我觉得我要找到真相，到底什么是我的恐惧。

在这中间，有很多过程目标，有些甚至很世俗化，对娱乐，对教育，但是最终，我和我太太都非常一致，我们就是要找到这个ultimate truth（终极真理）。我不认为我这代能找到，我也不认为下一代会找到。

故事硬核x谷雨：卖掉公司，包括选择做真正喜欢的事，可以避免再次恐惧吗？

陈天桥：可以尽量避免，但不能保证。因为谁知道什么东西又会触发。当你每天认真去学习大脑结构、知识，当恐惧来，你就有自我意识，这是一些化学物质在作用，是生物电信号，并不是真的问题。但是最终你真正发现大脑是怎么运作的那一天，才是人自由和解放的一天。