大量公司都宣称人工智能、机器学习或深度学习会让一切变得更快，更好，更便宜，更公平等等。这种令人窒息且不可避免的炒作以及对其的热情是由于人们对人工智能缺乏足够的了解。实际上，如果没有适当的背景，就无法对人工智能的未来潜力做出明智的判断。

Martin Ford是一位未来主义者和作家，专注于人工智能和机器人技术对社会和经济的影响。在他的新书“Architects of Intelligence: The Truth About AI from the People Building It”中，作者成功地采访了全球23位最有经验的人工智能和机器人研究人员，向他们询问人工智能的现状，人工智能如何应用于解决有用的问题，以及这对于机器人和计算的未来意味着什么。

这本书几乎完全由采访记录组成，作者的角色就是简单地提出正确的问题，他擅长于此。他把事情做得足够专业，以确保我们从每位受访者那里了解到整个故事，但谈话仍以一种令人愉快的方式自然进行，没有过多的技术背景，几乎所有事情都很容易理解。

除了帮助我们了解人工智能外，访谈还涉及与人工智能如何改变我们现在的世界有关的各种主题，以及它在不久的将来如何可能更改事物，他们还讨论了AGI，什么时候会有能够自己思考并像我们一样了解世界的系统？

最有意思的是，对于人工智能的含义和发展方向，专家们几乎没有达成共识。虽然可以肯定地说，大多数的态度通常是乐观的，但对于人工智能发展的步伐引起了相当激烈的争议。但这正是这本书如此优秀的原因：正是这些存在分歧的领域，以一种你永远无法从某种概括提炼或总结中得到的方式，最好地定义了人工智能当前的状态。如果你想准确地了解人工智能的现状，这本书是必读的。

下面是一部分内容摘录。这只是对智能建筑师提供的一点品味，它偏向于机器人技术而不是普遍的人工智能，但它应该让你了解这些采访所达到的深度。

摘录

1.Daniela Rus

MIT电子工程与计算机科学教授，CSAIL主管

“我想成为一名技术乐观主义者。我认为技术具有巨大的潜力，可以团结人而不是分裂人，赋予人们权力而不是疏远人。但是，为了实现这一目标，我们必须推进科学和工程，以使技术更强大，更易于部署。”

“我们还必须接受能够实现广泛教育的计划，并允许人们熟悉技术，以便他们可以利用技术，并且任何人都可以通过使用技术来使生活变得更好。这是人工智能和机器人技术无法实现的，因为这些解决方案需要大多数人没有的专业知识。我们需要重新审视我们如何教育人们以确保每个人都拥有利用技术的工具和技能。我们可以做的另一件事是继续发展技术方面，使机器开始适应人，而不是相反。”

2.Gary Marcus

纽约大学心理学和神经科学教授；优步收购的机器学习初创公司Geometric Intelligence的首席执行官和创始人

问题：你认为进入AGI的主要障碍是什么？我们什么时候可以使用现有的工具？

回答：我认为深度学习是进行模式分类的有用工具，这是任何智能体需要做的一个问题。我们应该保留它，或者用更有效地完成类似工作的东西替换它，我认为这是可能的。”

与此同时，智能体需要做的其他事情，深度学习目前还不是很擅长。它不是很擅长抽象干扰，它不是一个很好的语言工具，除了你不需要真正理解的翻译之类的东西，或者至少不做近似翻译。它在处理前所未见的情况以及信息相对不完整的情况下也不是很擅长。因此，我们需要用其他工具补充深度学习。

人类对世界的了解很多，可以通过数学或语言中的句子来象征性地编纂。我们真的希望将这些符号信息与其他更具感性的信息结合起来。

心理学家谈论自上而下信息和自下而上信息之间的关系。如果你看一个图像，光线会落在你的视网膜上，这是自下而上的信息，但你也可以利用你对这个世界的了解以及你对事物行为的体验，为你对图像的解释添加自上而下的信息。

深度学习系统目前专注于自下而上的信息。它们可以解释图像的像素，但是不了解图像包含的对象。要进入AGI，我们需要能够捕捉到这个等式的两个方面。另一种说法是人类有各种常识推理，而这必须是解决方案的一部分。深度学习并没有很好地捕捉它。在我看来，我们需要将具有强烈人工智能历史的符号操作与深度学习结合起来。它们已被分开太久了，是时候将它们组合在一起了。

3.Rodney Brooks

MIT机器人教授（荣誉退休）；Rethink Robotics的创始人，董事长兼首席技术官；iRobot创始人，前董事会成员，前首席技术官

iRobot机器人已经在战区工作了9年，被使用成千上万次。他们并不迷人，人工智能的能力几乎一无是处，但这就是现实。我花了很长时间告诉人们，当他们看到视频，并认为重大的事情即将来临，或者由于机器人接管我们的所有工作，明天将会出现大规模失业，他们这样想都是多余的。

在Rethink Robotics，如果30年前没有实验室演示，那么现在就认为我们可以把它变成一个实用的产品还为时过早。这是从实验室演示到产品实际应用所需的时间。

比如自动驾驶，现在每个人都对自动驾驶感到非常兴奋。人们忘记了第一辆在高速公路上以每小时55英里的速度自行驾驶10英里的汽车，是在1987年。一辆汽车第一次驶过美国，而1995年时又有自动驾驶汽车穿过美国海岸。那么我们明天会看到大规模生产的自动驾驶汽车吗？并没有。开发这样的东西需要很长很长的时间，我认为人们仍然高估了这项技术的部署速度。

4.Cynthia Breazeal

麻省理工学院媒体艺术与科学教授，媒体实验室个人机器人小组主任，Jibo创始人兼首席科学家

我认为想了解人类的智慧，并试图理解人类智慧的一种方式就是用模型和可以表现为现实的技术，并试图了解这些系统模仿人的行为和功能的程度。

那么，真实世界的应用问题是这些系统应该给人们带来什么价值？对我来说，问题一直是关于如何设计这些与人们相吻合的智能机器，以便通过与这些机器一起工作，建立更美好的生活和更美好的世界。这些机器人必须完全像人类吗？我不这么认为。问题在于什么是协同作用，什么是互补性，什么是增强，使我们能够扩展我们的人力资源，使我们能够真正在世界上产生更大的影响。

这是我个人的兴趣和热情，了解如何设计互补的合作伙伴关系。所以这并不意味着必须建造完全像人类的机器人。事实上，我觉得团队既然已经拥有的人力部分，现在要弄清楚如何构建团队中的机器人部分，这实际上可以增强团队的人力部分。

当我们做这些事情时，我们必须考虑人们需要什么，使生活更充实，并感到有向上的流动性，有尊严地生活。因此，无论我们设计和应用这些机器，都需要以支持我们的道德和人类价值观的方式来完成。人们需要感到他们可以为社区做出贡献。

5.Josh Tenenbaum

MIT计算认知科学教授

问题：你认为我们会成功确保人工智能利大于弊吗？

回答：我天生就是一个乐观主义者，所以我的第一反应就是肯定的，但我们不能认为这是理所当然的。这不仅仅是人工智能，而是技术，无论是智能手机还是社交媒体，正在改变我们的生活，改变我们彼此之间的互动方式。它确实在改变人类经验的本质。我不确定它总是向更好的方向发展。当你看到一个家庭，每个人都只关注他们的手机，或者当你看到社交媒体带来的一些负面消息时，你会很难保持乐观。

我认为，对我们来说，了解和研究这些技术对我们做出疯狂事情的所有方式非常重要！他们以一种非常明显不仅仅是正面的方式攻击我们的大脑，我们的价值体系，我们的奖励系统和我们的社交互动系统。我认为我们需要更积极的即时研究来试图理解这一点并尝试考虑这一点。在这里，我觉得我们无法保证技术能够带领我们取得良好的成果，而现在的AI，机器学习算法，并不一定都是好的。

我希望社区能够以非常积极的方式思考这个问题。从长远来看，是的，我乐观地认为我们将建立各种平衡力量的人工智能，但我认为对于我们在这个领域工作的所有人来说，这真的是一个关键的时刻。

调查

除了采访，作者还做了个调查，他要求他采访的每个人进行猜测，到什么时间至少有一半的概率实现AGI？

2029（11年后）（Ray Kurzweil）
2036（18年后）
2038（20年后）
2040（22年后）
2068（50年后）3人
2080（62年后）
2088（70年后）
2098（80年后）2人
2118（100年后）3人
2168（150年后）2人
2188（170年后）
2200（182年后）（Rod Brooks）

平均值：2099年，81年后

正如Martin所指出的，“与其他已经完成的调查相比，2099年的平均日期相当悲观，大多数其他调查已经产生的结果集中在2040至2050年。”

这就是为什么这本书值得一读的原因。这本书里包含了最了解人工智能的人，开发它的人，继续推进它的人，以及将它应用于实际问题的人的看法和观点。

购买：

www.amazon.com/Architects-Intelligence-truth-people-building/dp/1789131510/