小编

1. 人工智能正在经历一场复兴，这是科技界最热门的领域之一1.1. 大多数科学进步都建立在被广泛接管的理论框架之上。
这种理论框架称为“科学范式”1.2. 人工智能的未来将与大多数人工智能从业者如今的设想存在实质上的不同1.3. 人工神经网络与人类大脑中的神经元网络截然不同，但是人工神经网络领导了当下的人工智能领域1.4. 未来的人工智能将以与现在不同的事理为根本，新的事理更加靠近于仿照人类大脑1.5. 人工智能向基于大脑的事理的转变也是一定的2. 并不智能的人工智能2.1. 每一波浪潮都建立在某项新的技能之上，它们都试图为我们指明创造智能机器的方向2.1.1. 终极都功亏一篑2.2. 深度学习2.2.1. 在图像分类、语音识别、汽车驾驶等任务上取得了惊艳的效果2.3. 在包括大多数人工智能研究者在内的人看来，这些机器并不具有真正的智能2.4. 当下的人工智能在诸多方面还达不到人类智能的水平2.4.1. 最紧张的缘故原由是它们只会做一件事，而人类可以做各种各样的事情2.4.2. 一台用于下围棋的打算机大概能在围棋对弈中降服所有人类，但是它并不能做其他事2.4.3. 人工智能研究的长期目标是创造展现类人智能的机器，它们能够快速学习新任务，创造不同任务之间的相似性，灵巧地办理新的问题2.4.3.1. 通用人工智能（Artificial General Intelligence）2.5. 实现通用人工智能的两条路2.5.1. 第一条路正是该领域目前的研究方向，那便是让打算机在某些详细任务上超过人类，如下围棋、检测医学图像中的癌细胞2.5.1.1. 唯一主要的是，这样的人工智能打算机在实行特界说务时比其他人工智能打算机更强，并终极超越最强的人类2.5.2. 第二条路是重点关注灵巧性2.5.2.1. 人工智能就不必具备比人类更强的性能2.5.2.2. 目标变成了创造可以做各种事情并且可以将从某个任务中学到的东西运用于另一个任务的机器2.5.2.3. 在此根本上终极制造出与人类能力相称或超越人类的系统2.5.2.4. 我们并不知道这些知识如何存储于大脑中2.5.2.4.1. 对付人类而言，学习“球如何反弹”这种知识不费吹灰之力2.6. 知识表征2.6.1. 知识表征是人工智能研究唯一主要的问题2.6.2. 创建了巨大的人工神经网络，并利用大量的文本来演习这些网络2.6.3. 如果人工神经网络不能像大脑那样对天下建模，那么任何深度学习网络都无法实现通用人工智能的目标2.6.4. 深度学习网络目前取得了不错的性能，但这并不是由于它们办理了知识表征问题2.6.4.1. 相反，它们完备避开了这一问题，转而依赖于统计信息和大量的数据2.6.4.2. 深度学习网络不具备知识，因此，它们的能力并不会达到5岁孩子的水平3. 将大脑视作人工智能模型3.1. 我们能够创造智能机器之前，我们必须理解大脑是如何事情的3.2. 大脑是我们所知的唯一具有智能的东西3.3. 千脑智能理论办理了知识表征的问题3.3.1. 表征知识的方法会导致研究者列出无穷无尽的定义和规则3.3.2. 纵然可以列出所有的规则，打算机仍旧不会知道订书机是什么3.4. 大脑则采取截然不同的办法存储关于订书机的知识3.4.1. 它会学习一个模型3.4.2. 模型是知识的表示3.4.3. 大脑新皮质中的细胞学习了一个起到相同浸染的虚拟模型3.4.4. 知识并不是存储在笔墨或规则中的3.4.4.1. 模型才是知识3.5. 人工智能的未来将建立在大脑的事情事理之上4. 从专用到通用人工智能的办理方案4.1. computer一词最初指的是从事数学打算事情的人，为创建数值表或解码加密信息，数十名人类打算者须要手动进行必要的打算4.2. 险些所有的打算机都知足图灵设想的通用形式，我们称其为“通用图灵机4.3. 未来的智能机器也会有各种形状和大小，但险些所有的智能机器都遵照同一套事理4.4. 像大脑一样的通用学习机器将成为人工智能的主流4.5. 数学家已经证明，有些问题在理论层面是无法办理的4.5.1. 并没有真正“通用”的办理方案4.6. 现在的人工神经网络已经是通用的4.6.1. 我们可以演习一个神经网络来下围棋或开汽车，但同一个神经网络并不能同时做到这两点4.6.2. 为了使神经网络实行任务，还必须通过其他办法对它们进行调度和修正4.6.3. 通用智能机器该当像人类一样，能够在无须抹去影象并重新开始的情形下，学会完成许多事情5. 两种机器人5.1. 第一种机器人在工厂里给汽车喷漆5.1.1. 这种机器人须要快速、准确和稳定地完成事情，而不须要每天都考试测验新的喷漆技能5.1.2. 功能单一、无须具备智能的机器人5.2. 第二种火星建筑机器人5.2.1. 一组建筑机器人送上火星，为人类建造一个宜居的栖息地5.2.2. 将碰着不可预见的问题，须要通过互助随机应变地完成修补和对设计的修正5.2.3. 人类可以处理这类问题，但现在还没有任何机器能够做到这一点5.2.4. 须要具备通用智能5.3. 在21世纪后半叶，通用人工智能将主导机器智能5.3.1. 由于本钱大大降落，尺寸也不断缩小，通用打算机成为20世纪规模最大、本钱最低的技能之一6. 智能的判断标准6.1. 一台合格的通用打算机，即通用图灵机，须要内存、CPU、软件等特定的部件，而我们无法从机器表面看到这些部件6.2. 一台智能机器须要具备一套运行的原则6.3. 四种特性6.3.1. 持续学习6.3.1.1. 学习并不是一个独立于感知和行动的过程6.3.1.2. 人类会不断学习6.3.1.3. 灵巧性哀求这些系统不断适应变革的环境和新的知识6.3.1.4. 神经元是能让大脑持续学习的最主要的部分6.3.2. 通过运动学习6.3.2.1. 人类通过运动来学习6.3.2.2. 在日常生活中，人类会移动身体、四肢和眼睛。
这些运动在学习的过程中是不可或缺的6.3.3. 多重模型6.3.3.1. “投票”是多重模型发挥浸染的关键6.3.4. 利用参考系存储知识6.3.4.1. 人类的知识存储在大脑的参考系中6.3.4.2. 为了实现智能，机器须要学习天下模型6.3.4.3. 该模型必须包含物体的形状、物体在与人互动过程中的变革，以及物体彼此之间的相对位置6.3.4.4. 机器须要参考系来表征这类信息6.3.4.4.1. 参考系是知识的“骨架”6.3.4.5. 机器人设计者对利用参考系并不陌生6.3.4.5.1. 他们用参考系来跟踪机器人在世界上的位置，并方案机器人从某个位置移到另一个位置的方案6.3.4.6. 只管人工智能和机器人两门学科之间的界线开始变得模糊，但二者在很大程度上仍旧是两个独立的研究领域6.4. 不能依据机器实行一项或几项任务的情形来衡量智能6.4.1. 智能是由机器如何学习和存储关于天下的知识决定的6.4.2. 人类之以是聪明，不是由于我们能把一件事做得特殊好，而是由于我们能学会做险些任何事7. 意识7.1. 如果机器故意识，那么可能从道义的角度来说，我们不该关掉它7.1.1. 如果某物故意识，纵然是一台机器，它就拥有道义上的权利，关掉它等同于行刺7.2. 人们纵然完备理解了大脑是如何事情的，也不能阐明意识7.2.1. 意识是“困难的问题”，而理解大脑的事情机制是“大略的问题”7.3. 意识肯定是可以阐明的7.3.1. 大脑学习天下模型的办法与我们的自我意识和形成信念的办法密切干系7.4. 意识的核心7.4.1. 你洗车的时候实在是故意识的7.4.2. 只有在删除了当天的影象后，你才会坚信并声称自己没有洗过车7.4.3. 这个思想实验表明，故意识哀求我们形成即时的关于动作的影象7.4.4. 故意识还哀求我们形成即时的关于思维的影象7.4.4.1. 思维便是大脑中神经元的连续激活7.4.4.2. 如果我们不记得自己的想法，就意识不到做任意事情的缘故原由7.4.5. 昔时夜脑正常事情时，神经元会对我们的思维和动作形成持续的影象7.4.6. 大脑中生动的神经元有时期表我们当前的履历，有时期表以前的履历或想法7.4.6.1. 这种机制既可以立时跳跃到过去，也可以向前滑动到现在，它授予了我们存在感和意识7.4.6.2. 如果不能回顾起最近的想法和经历，那么我们就无法意识到自己还活着7.4.6.3. 我们无法永久保留每个时候的影象，常日会在几小时或几天内忘却它们7.4.7. 我们的知觉和存在感是意识的核心部分，它依赖于不断形成对照来的思想和经历的影象，并在日常生活中回放它们7.4.8. 存在感，即感到我是天下上正在活动的智能体，是意识的核心8. 感想熏染质8.1. 感想熏染质的来源是意识之谜8.1.1. 从眼睛、耳朵和皮肤连入大脑的神经纤维，看起来是一样的，不仅看起来千篇一律，它们还利用相似的脉冲来传输信息8.1.2. 通过不雅观察大脑的输入，你并不能分辨出它们代表什么8.1.3. 视觉和听觉是不同的，而且这两者都不是脉冲状的8.1.4. 当你看到田园风光时，你觉得不到传入大脑的电脉冲8.1.4.1. 你看到的是山丘、色彩和阴影8.1.5. 感想熏染质（qualia）是指觉得输入被感知的办法，以及它们带来的觉得8.2. 感想熏染质是大脑学习的天下模型的一部分8.2.1. 感想熏染质是主不雅观的，这意味着它们是内在的履历8.2.2. 颜色的感想熏染质不纯粹是客不雅观天下的属性8.2.3. 如果颜色的感想熏染质只与客不雅观天下干系，我们都会对裙子的颜色持一样的意见8.2.4. 衣服的颜色是我们大脑学习的天下模型的一种属性8.2.4.1. 如果两个人对相同输入的感想熏染不同，那么他们大脑中的天下模型便是不同的8.2.5. 赤色与光的特定频率干系，但我们所感知的赤色并不总是对应于相同的频率8.2.5.1. 消防车的赤色是大脑的产物，它是大脑关于消防车表面模型的特性，而不是光本身的特性8.3. 通过运动学习某些感想熏染质8.3.1. 人们通过类似的运动办法来学习感想熏染质8.3.2. 在改变纸张的角度时，进入你眼睛的光的频率和强度就会改变，输入到大脑脉冲的模式也会随之改变8.3.3. 绿色的曲面参考系与咖啡杯等物体的参考系有一个主要的差异8.3.3.1. 咖啡杯的参考系表示大脑在杯成分歧位置感知到的输入8.3.3.2. 绿色的曲面参考系表示大脑在表面不同方向上感知到的输入8.3.4. 并非所有的感想熏染质都是习得的8.3.4.1. 险些可以肯定，疼痛感是天生的，它由分外的疼痛感想熏染器和旧脑构造调节，而不是由大脑新皮质调节8.3.4.2. 我们不能像理解绿色一样来理解疼痛，绿色是在大脑新皮质中习得的9. 关于意识的神经科学9.1. 一些神经科学家认为意识很可能无法通过常规的科学进行阐明9.1.1. 他们研究大脑是为了探求与意知趣干的神经活动，但并不相信神经活动可以阐明意识9.1.2. 人类大概永久无法理解意识，或者它可能是由量子效应或未创造的物理定律创造的9.2. 我们可以像理解其他物理征象一样理解意识9.2.1. 意识之以是看起来很神秘，只是由于我们还不理解其机制9.2.1.1. 大概我们还没有精确地思考这个问题9.2.2. 大脑新皮质的一个特定区域对把稳力建模，类似于大脑新皮质的躯体神经对身体建模9.2.3. 普林斯顿大学的神经科学家迈克尔·格拉齐亚诺（Michael Graziano）9.2.3.1. 大脑中的把稳力模型使我们相信自己是故意识的，就像大脑中的身体模型使我们相信自己有一只胳膊或一条腿9.2.3.2. 他的理论以学习把稳力模型的大脑新皮质为根本9.2.3.3. 如果他是对的，这个模型是利用和网格细胞一样的参考系建立的10. 故意识的机器10.1. 与大脑事情事理相同的机器将会具故意识10.2. 人类每天晚上睡觉时都是“关机”的，我们醒来的时候会再次“开机”10.2.1. 这和拔掉一台故意识机器的电源，然后再把电源插上没什么差异10.3. 我们对去世亡的恐怖是由旧脑产生的10.3.1. 旧脑中的神经元在产生恐怖和情绪时，会向体内开释激素和其他化学物质10.3.2. 大脑新皮质可能会帮助旧脑决定何时开释这些化学物质10.3.3. 如果没有旧脑，我们就不会感知到恐怖或悲哀10.3.4. 对去世亡的恐怖和对失落去亲人的悲哀对付具故意识和智能的机器而言并不是必要的10.3.5. 除非我们特地授予机器同样的恐怖和情绪，否则它们根本不会在意自己是否被关闭、拆卸或报废10.4. 人类有可能与智能机器产生感情10.4.1. 我们对智能机器本身并没有道德上的责任10.4.2. 并不支持特地为智能机器授予恐怖和情绪，但智能和意识本身并不会造成这种道德困境11. 生命与意识之谜11.1. 无生命的物质在具有生命的冲动后便具有了生命11.1.1. 1907年，哲学家亨利·柏格森（Henri Bergson）11.1.2. 生命的冲动（élan vital）11.1.2.1. 像生命的冲动这样的观点已成为历史11.1.3. 生命的冲动并不是物理性子，无法通过常规的科学研究来理解它11.2. 随着基因、DNA和全体生归天学领域的研究创造，我们不再认为生物是无法阐明的11.2.1. 科学家不再辩论生物是否可以阐明11.2.2. 可以从生物学和化学的角度来理解生命11.3. 任何学习了天下模型的系统，会不断记住该模型的状态，并回顾起被记住的状态，这些系统都将是故意识的