科技袁人：人人都在吹人工智能，那我们就来认真谈谈 

袁真是个智者，看了很多集，他的学习和总结的能力超强。尤其是深入浅出的例子，说明了对问题的理解，也非常适合科普。

很少能有人把科技的事情说的这么生动有趣 对于我们这些门外汉来说真是受益匪浅

看完这期视频后，我把朱松纯老师的浅谈人工智能看了一遍，受益匪浅。

非常受用！因果关系=多个世界，可被介入而改变。相关关系=一个世界，介入也改变不了。

袁老师一个外行，总结、学习不错，可见科学素质！

最喜欢看袁 老师的视频了。

智者的谈话就是这么有前瞻性。。佩服

剧组能给袁博士拨点做头发的经费吗？

谢谢袁教授的视频！

因为写关于AI的论文就刷到了这个video，真的讲解的很明白易懂，受益匪浅！分分钟就关注了！真的全部是干货！感恩！真是希望这样“踏踏实实”的节目能够多一点，有理有据，透彻❤️

满满的干货，喜欢这种思想的激荡

哎，真的说得太好了。袁老师本身不是做人工智能的但是这一期通过中文说透了。我在做NLP的相关研究，也知道自己的模型能力。在他说的例子里，其实我的模型也还是处于鹦鹉的等级，虽然我现在在考虑它怎么能变成乌鸦。从阿尔法狗变成阿尔法热。其实目前为止我读的论文里一篇一直很显眼的文章是介绍REINFORCE William92的那片文章，但在NLP的世界里，绝大多数的研究还是在通过鹦鹉模型去研究数据本身：相对于NLP是字符，相对于图像处理是图像信息。但是我们还是可以看到一些介于乌鸦和鹦鹉之间的模型近年都在出现，比如GAN。我承认鹦鹉模型还是漂亮并且能让我们认识数据和世界的，但我每时每刻对乌鸦无比向往！

嗯呐 风趣幽默 条理清晰 自信淡然

不错，涨知识了，目前的人工智能确实是鹦鹉学舌

生动有趣清淅简明的讲解。经典之作。衷心感谢袁老师。

感谢袁老师科普，很受启发

这期讲的太好了

喜欢这个老师 😍

讲的真是太棒了！！！

学习了，非常感谢

这集讲的真好

讲得很好

说的真好

说的非常好！

讲得非常好～

深表赞同。做了六年相关应用项目， 博士也快读完，很认同视频里对现状和未来发展领域的看法。

讲的好，科技发展很需要这样冷静客观的思考着。

讲的很好，浅显易懂。

完全同意。其实一直觉得人工智能下棋，和人类棋手下棋，根本玩的是不同的游戏。只是刚好两个游戏判定胜负规则一样而已。 例如象棋 人类棋手的规则是下棋-吃掉对方的将-赢。核心目标是吃掉将。而计算机的思路是下棋-赢。 同理，人类是下棋-圈更多的地-赢。核心目标是圈地。而alphago是下棋-赢。 本质上已经不是同一个游戏了。

科学的前身是哲学，哲科思维是一种至上而下的思考方式，先找到探索事务的边界，一个方向是往边界内发展不断充实丰富完善对事务的认识，还有一个个方向是往外发展，不断突破一个事务的边界跟其它事务形成联系，包括因果律本身也是有这2种形式，向内充实很多事情都满足因果律，向外突破有些事情不在因果律之中

感谢袁老师的讲解，目前的大部分应用都还是数据统计，但一旦真的让机器有思考能力的时候，还真担心电影里的桥段发生哦。

人的思维是量子化的，基本处于各种纠缠叠加态，而目前的经典计算机是确定态，所以以经典计算机为基础的人工智能技术，无论怎么先进，都只能做到计算，而做不到思考。要等量子计算机应用化，人工智能技术才可能出现质的飞跃，甚至有可能因此使人类搞明白思维的本质。令人欣慰的是，我国的量子计算机研究已有多项突破。

非常受用！ai方面专家+应用领域专家=当前能创造出来的价值

説的太好了

说的真好， 学物理真好，

老师说的好牛,世界上很多问题是没有解的,比如地址预测,因为太复杂了,所以计算机能做到的事情是有极限的.

在AI方面，袁教授的叙述是清醒的👍，如果说距离达到人工智能，还有100步要走的话，现在跟30年前比，基本还在原地。

乾貨滿滿

Chris Well from Waterloo Univ had an idea to use Quantum Computing to assist AI. Maybe there are a lot similar idea too.

发型很酷 关注了

我们要的就是这种人工智能，如果真的有理性有思想的人工智能出来了，那人类的末日也不远了

真厉害

讲得太好了，这一波人工智能有些应用突破，上一波80年代专家系统没有实用化，本质上都不具备智能，其实人类还没搞清智能是怎么产生及进化的

老师是三体迷～

最后才是重点，基础物理很久没突破了。

教会计算机思考，把各行各业的专业知识输入计算机，让它以此为框架去“思考”，给它一个思考的动机，再把它连接上互联网，它也许就能够进化成为一个超级智慧体了。

节目不错

🆙。谢谢

老师可以讲下 量子力学 吗?这次视频不错，例如，朱松纯教授的研究

哈哈，袁老师感觉和Hinton有点神似

学过编程的人都知道,现在的人工智能无非就是大数据分析,算法针对优化,真正的人工智能我觉得从编程方式上还有硬件设计和运行规则上有质的变化才有可能实现..

老哥，讲的不错（我就是那千千万万研究生之一）

Wow! the science of intelligence

聽袁博士一夕話, 多年的認知馬上開竅, 原來多年來人工智能的原地踏步是大方向的不正確.

很有科学家的范儿

希望在瘟疫肆虐的当下，中国企业能够充分提高、利用人工智能。

觉得人工智能在图形识别方面还是不错的，像商汤科技

很高兴知道 Pearl在中国有传人

目前还只是大数据重复练习，做到独立思考应该不可能也不需要

发型不错。

人工智能的大部分工作其实就是调参数。

最近的科大讯飞的同传事件应该是一个证明，人工智能还没有到有些人想象的那么发达，毕竟魔法是不存在的，而科学有自己的规律。

曾经用过的词“专家系统”, 比“人工智能” 更表达准确

袁老师戴上头箍竟然有一点可爱

十几年前我当学生时还真学过几门AI相关课程，统计学习模式时别神经网络什么的，没想到现在的进展已经到了我完全无法理解的程度。

看来袁博士也是三体迷啊，刘慈欣太牛逼了，哈哈

怪不得很多做计算机的朋友告诉我，人工智能的本质就是大数据，学会大数据，就理解人工智能了。

乌鸦聪明，简直是奇迹，看马路上乌鸦潇洒，轻松地避开车辆，再看看路上经常出现的松鼠，而且松鼠每次穿马路速度都非常快，有时候直接往车轮底下钻。

人这种生物体是符合科学规律的，通过对这些科学规律的研究和发现，一定能造出和人一样智能的东西，我坚信这一点

物理规律+人的动机是必须的，但是忽略了人脑的复杂性。

一旦有思想，估计法律也会明确像正常人思想一定智商的可能定义为’人‘了

[好文舉例 一點即通] 烏鴉與鸚鵡的智能差別 大數據與小功能的因果關係 勝過4萬字論文分析 最後還是有看半懂 感謝 加油

应该看看人人书推荐“未来简史”，人工智能产生的影响是深刻的，

还是科大师兄说的清楚。只是这种声音太少啦

终于！换相机！了！

目前的人工智能离全人工智能还差的很远很远，再过几年等目前算法和数据达到应用极限的时候，人工智能的寒冬可能还会来的。

其实就想第二次工业革命时期一样，汽车的发明使得很多马车夫感到担忧，那些马车夫担心汽车会抢走他们的生意，工作，但是时间会证明一切，大部分反对人工智能的人是现阶段的既得利益者和集团，但是无论他们怎么反对，历史会证明一切，人类科技技术的进步是任何国家，个人以及各种集团无法阻拦的。

霍金是从哲学的角度思考的，Elon Musk则是Open AI项目的直接召集人😉

人類最難的是記憶大量數據，電腦最難的是層層堆疊的因果關係！兩者互動合而為一。可行嗎？AI因果協定。

我觉得人类的智能也是靠大数据。一个小孩子可能认不出现代和古代的厨房，但是大人就可以，因为大人接触的东西多了，相当于有一个庞大的数据库，在看到照片的时候搜索数据库得出两个都是厨房的结论。

永遠不用擔心人工智能可以超越人類。他們和人類一樣，面對同樣的三大難題：黑天鵝議題，偽命題，偽訊息。黑天鵝議題思考，會耗盡他的所有能量。偽命題氾濫會使他無法凝聚能量，偽信息會提高他的誤判率。

我觉得最本质的问题是机械和人脑结构性的区别。机械是纯理性的思考方式，而人除了理性思考，更重要的是感性的思考。除非以后有人脑计算机，否则人工智能很难实现真正的像人脑一样的学习能力。但是现在人类对大脑的认识太少了，人工智能的发展必须要建立在脑神经科学的发展之上。袁老师说牛顿加达尔文才是真正的人工智能，我认为这个观点很好，但是不是很全面，牛顿是对自然界理性的认识，达尔文是对人体理性的认识，这些都是理性的，我觉得人工智能除了理性认识，还必须要拥有感性认识，才能算真正的人工智能。

受教了。

老师好。。。。。

朱松纯在UCLA的名气很大，我去年在UCLA访学时就听过计科系的老师谈起他，但他是在统计学院，而没在萨穆尔工程学院。

我觉得人其实也不懂因果同样是从所接触的数据得出最优解，现在的人工智能之所以不能达到人类想要的效果，是因为人工智能接触的信息和人有本质的差别，人需要把人所接触的信息转换成计算机语言才能被人工智能所接收，这中间差别很大，但是我相信人工智能一直发展下去超越人类并不遥远。

难怪觉得现阶段市面上的人工智能总觉得少了些什么，听老袁这么一说如梦初醒

我对人工智能的定义是--假以时日，如果机器能够自己不断做if...else...return...，然后将n个if else变成一个if，并且通过这种学习不断优化自己的算法，最后可以自我升级，不管是增加晶体管数量还是缩小逻辑门的size，我擦...好像太变态了

鹦鹉也可以做加减法,这个是培训时间和方法的问题

我对于人工智能的想法和视频里说的朱松纯的想法基本一样，我也认为目前的人工智能基本等价于机器学习，而真正的智能则应该基于逻辑推理。一个思考的过程就像是堆积木一样，有了一个基础，然后通过逻辑关系一层一层往上加，最后得出结论。乌鸦的例子也是如此，基础就是汽车可以把坚果碾碎，红灯能让车子停下来，于是基于这个基础得出，如果把坚果扔在地上，然后等红灯再去捡，就能吃到坚果。再比如说在数学里面，1+1=2就是基础，所有的加减乘除都是从1+1=2里面得来的，所以我们只要有了基础和逻辑关系，我们就可以进行任何形式的数学计算。而现在的难点就是，逻辑的基础是什么还不清楚，而且研究起来短时间内也不会有收益，所以应该还有很长一段路吧。

生成图片或者棋谱也是用同样的神经网络去做的，应该是某种GAN，我觉得技术本质上并没有太大差别，类似给了个框架体系。神经网络可以模拟任何一个复杂的算法，包括创造某种东西的能力（广义上也可以看成算法）。但是目前无法造出没有标准的东西，必须朝着一个方向努力。另外不是所有的算法都需要大量的数据，比方VAE可以对一张图片训练多次来提高准确率。

是的 那句话是丁仪自己说的. 大史也是个很有意思的人

那叫“哲学”。

据说中国也进入新时代，建议创造新时代传统“大衣、正式会议新时代传统服装，新时代传统婚礼服装”，要比西方大衣 婚礼服更加大气好看，人人喜欢的新传统服装。一般人的衣服，如果有印字体，也要有文化自信印上“优美中文艺术字”。那些优越高质量品牌 商品也要有自信有“中英名字”，不要只剩下英文。

有一定的道理，但很多东西并不像围棋，因果关系说不通。只能依赖数据。比如再聪明的小医生往往需要时间经验积累才可能成为名医。因此如果立足发明一个通晓因果关系的“聪明”医用机器人可能就会走进死胡同。

第一次覺得男人帥竟然不是看臉

我还是对人工智能充满希望的，想想看，古代必须靠奴役别人来完成一些你做不完的工作，而现在如果这些人不乐意做的重复劳作可以交给机器人，每个人都可以做很多有意思的事情啊

人工智能已經經歷過兩次寒冬，這次將會是第三次

框架性思考就是要突破人的智能对智能定义的束缚。人工智能不是仿人智能，只要能实现功能，它有它自身的底层逻辑。

不能不点赞，非常有帮助，非常感谢。