回答一：

今天大多数人工智能的进步都是由深度学习驱动的，深度学习由深度神经网 神经网络由其架构定义，最重要的是，浮点数的集合（即，它们的权重矩阵和偏置向量）。

所有AI开发人员都会创建（并实现）算法，以发现特定任务的最佳数字集合。Ergo，AI系统=一堆数字。

我知道你在说什么 - “你只是将抽象推向极端，使人工智能系统变得无足轻重，因为在一天结束时，计算机所做的一切都可以简化为数字（0和1）。哈！”

首先，不要在他们说话时打断他人。：P而且没有。我们以AlphaGo为例。要认识到围棋是很重要的都可以做。选择那一堆数字只是为了玩Go。在国际象棋的游戏中，它对于无玷污的安全套来说是无用的。

使用数千个业余和专业Go游戏中的移动来选择浮点数，使得AI系统输出对于大多数这些移动是最佳的。（后来的AlphaGo版本通过自己玩耍来训练，但这并不重要）。发现了最好的数字集合，因此创建了AI系统。

想象一下：雕塑家是否在一块石头中创造雕塑或发现它？

Sculpture =数字集合（权重矩阵和偏差向量）。

钉子上的每一击都是一个训练的例子。

这=自命不凡的比喻。

回答二：

很酷的问题！关于人们是否“发现”或“发明”数学，我听过类似的相关辩论。也许它只是两者兼而有之。就专利法而言，在“发现”类似于自然法（不能获得专利）和“发明”某些东西（可以获得专利）之间存在着区别。由于在AI领域有许多专利，根据美国专利局，至少有一些AI是发明。一路上，我想我们也发现了各种各样的事情; 例如，如何解决问题，表示如何影响问题解决的容易程度，如何通过空间移动使AI有机会收集大量相关数据。这些是关于可能适用于人类和人工智能的思想原则的发现。然后，人类认为可能适用于AI，也可能不适用于AI。而且，出于同样的原因，我们发现了有关算法的其他内容，这些算法对机器有用，但对人类无法直接使用。所以，我认为这是一种混合，但我认为它更多的是发明而不是发现。这绝对适用于我们人类如何个人和集体与人工智能相关的重要问题。它是否只是由一些极其强大的个人控制的统治工具？或者它是一种令人难以置信的解放和民主化的力量，最终会让人类生活在和平与繁荣之中？这取决于我们。

回答三：

都不是。人工智能开发几乎都是一些数值和数学模型和方法的创新。除了在图像和语音处理应用中对蒙特卡罗模型的深度学习模型的巨大成功外，该领域还没有任何关于“智能”的客观知识。

大多数从业者都意识到人类的认知，创造力和智力尚未被科学研究完全解释，而人工智能（AI）系统却试图模拟人类认知的某些方面（Sowa，2011）。

在过去的五十年（左右）中，重点是让硬件加速; 运行六十年前发明的算法或更多。到目前为止，从业者已经做了足够的工作（例如，在图像和语音识别中），以了解他们的模型和方法是不完整的，他们对现实的近似只能得到它们，即近似值。

每个人都使用近似值，为什么AI工程师不应该？对？人工智能制作人甚至没有触及近似的表面，人工智能有足够的理由来覆盖。这一进步提高了人们对某些东西缺失或模型出现问题的认识。您可以阅读区分A类和B类AI的文章。这是一个标志，表明它不足以区分一般AI与GOFAI或符号AI。现在我们必须区分两种类型：一种是“聪明的”，另一种只是“好”，就像将兰花与另一种兰花区别开来一样。

如果你能想到一个图像处理应用程序：有一个人工智能。有很多创新的空间。

为什么我们不能像星际迷航的数据这样的机器人为我们工作？什么地方出了错？

简而言之，任何明智的理解都可以运用智慧来学习所有存在主义命题都需要从对其无条件现实的概念中综合出真实经验的每一种感知，其中规则性原则来源于更简单但必要，客观或“ 结构 ”的基础。现实 - 引导我们去明显的原因，身份和认知过程来控制这种感知，这反过来又帮助或提供了一个移动或完成现实的机会（以达到某种结果，结果，结果）。

为了提升游戏性，注入独创性并创建 通用 AI，工程师需要的不仅仅是数值和统计方法，他们需要了解如何阅读（不创造或发现）概念或认知结构，以发现规则性原则实际发生的事情。

认知似乎依赖于词​​义的处理。如果你曾经使用过像SIRI，Alex或Google Home这样的语音处理器，你可能会对他们对实际意义的掌握感到不满意，并对机械上难以理解的认知感到沮丧。

研究人员一直在尝试（几个世纪以来）理解词义和认知过程之间的关系。有证据表明，词义与认知心理结构有关，可以用图表来表示。这些认知结构通常被称为概念结构（Sowa，2011）。有人将它们称为框架（Petruck，1996; Fillmore，1982）。

不幸的是，在寻找概念结构时，研究人员只依赖浅层语义学，研究整个语素的意义（最小的语法单位：词根，代词，介词等），而不考察个体的意义贡献。构成那些语素的声音。例如，Sowa对“坐在垫子上的猫”（Sowa，2011），以及Petruck和Fillmore关于框架的讨论（Petruck，1996; Fillmore，1982）的讨论中，这是显而易见的。

浅层语义是基于个别声音根本没有任何意义的学说，语言学家索绪尔在长期寻找声音意义之后建立的学说以失败告终（Saussure，1916）。

与浅层语义相反，深层语义学检验了单个声音对语素意义的贡献。需要明确的是，该语义在“深的语义”是指规则用于处理的声音（辅音和元音）成词素，词根等的含义虽然“ 深 ”指的是对应的进程间控制（规范原则），其条件（外部）主观性和词义的（明显）分布。这些原则似乎是衍生出来的 从固有的象征意义 - 内在的或无条件的现实 - 已经从可观察到的声音结构的基础中被抽象和概括（它是语言和知识的基础以及世界的物质基础的一部分）。

大多数语言学家和符号学家，包括着名的查尔斯皮尔斯（1960年），都认为索绪尔（Sussure，1916）听起来不是意义的标志。换句话说，他们相信浅层语义。本杰明·沃尔夫（Benjamin Whorf）将语言调查视为具有揭示人类思想特征方面能力的代码破坏活动时是错误的（Whorf，1956）？

浅浅的语义就像是在说：“我只需要知道糖是甜的。我不在乎碳，氧和氢如何引起这种味道。“也许索绪尔的追随者应该只说：”我们无法找出单个声音与单词含义的关系，“而不是：”听起来毫无意义！“最近，一项跨越世界6000多种语言中三分之二的统计研究证明，声音和意义之间存在关联（Blasi，Wichmann，Hammerström和Christiansen，2016），因此这些科学家要求重新审视这一假设。声音的任意性作为标志。

如果科学家无法理解单词意义与声音的关系，那么他们真的可以告诉我们语言是如何被处理的以及单词如何与认知结构相关联的？最近一项关于认知科学，神经科学和计算语言学四分之一世纪的研究表明答案是“不”（Sowa，2011）。因此，浅层人工智能根本不起作用：尽管花费了数千亿美元和数百人的工作，但人工智能系统不能通过阅读教科书“阅读，书写或说话与孩子一样”或获取新知识（Sowa，2011）。

Sowa，J。（2011）。概念结构的认知架构。在Andrews，S.，Polovina，S.，Hill，R。＆Akhgar，B.（Eds。），Proceedings of the 19th Conference on Conceptual Structures，LNAI 6828，（35-49），Heidelberg：Springer。

Fillmore，CS（1982）。框架语义。在早晨平静的语言学，编辑。由韩国语言学会，111-137。Soeul：Hanshin。

Petruck，MRL（1996）。框架语义。在JO。Östman，J。Verschueren和J. Blommaert（编辑）“语用学手册”。阿姆斯特丹和费城：John Benjamins。

Peirce，CS（1960）。Charles Sanders Peirce的论文集。剑桥：哈佛大学出版社。

索绪尔，F。（1916年）。Cours delinguistiquegénérale。巴黎：Payot。

Whorf，BL（1956）。语言，思想和现实：Benjamin Lee Whorf的精选着作

Blasi，DE，Wichmann，S.，Hammerström，H.，Stadler，PF＆Christiansen，MH（2016）。声音意义上的联想偏见证明了成千上万种语言。美国国家科学院院刊，113（39），10818-10823。

回答四：

发现它到我们不知道我们在做什么的程度。

智能是一个非常复杂的算法，因为它本质上是一个问题，我如何在内存结构中编码信息，告诉我应该如何在内存结构中编码信息。

您可以将其视为计算与内存，或算法与结构，结构需要告诉结构如何在给定任何输入的情况下更改结构。换句话说，这是两种现象的融合。

今天在您的计算机中，您可能有一些关于礼物的信息计算机程序，这是一组指令，您通常不会在程序的媒体文件中提供如何运行程序的说明，或者在整个程序中分发这些指令硬盘。但是大脑没有中央处理单元。它没有一个单独的存储和计算位置，所有这一切都是算法中的所有一个系统，以改变系统工作方式，并在内存系统本身中进行扩散。它的工作方式非常自我指导。

无论如何，所有这一切的要点就是说，更高级的AI变得更加互联并融合在一起，它的存储系统应该如何改变的算法以及它应该如何存储存储器的算法。

这是一件非常复杂的事情，我们可能只需要发现它的最佳运作方式

回答五：

“在我们看来，我们自己创造了自己的继承者;我们每天都在增加他们身体组织的美丽和精致;我们每天都给予他们更大的力量，并通过各种自我调节，自我调节的巧妙设计来提供对于他们来说，对人类有什么样的智力......对机械意识的最终发展没有任何保障，因为机器现在几乎没有意识的事实。软体动物没有太多的意识。反思机器在过去的几百年里取得了非凡的进步，并注意到动物和蔬菜王国的发展速度有多慢。更有组织的机器是昨天的生物，而不是最近的五分钟，可以这么说，与过去的时间比较。“{Samuel Butler（1863）}

已经有一段时间了..

技术意义上的“奇点”一词最初是由约翰·冯·诺伊曼在1950年在技术进步的背景下创造的，引起了加速变化：“技术的加速发展和人类生活方式的变化，给人一种逼近的面貌在我们所知道的人类事务不可能继续的种族历史中，一些必不可少的奇点......技术进步将变得难以理解地迅速而复杂。“

一年后，在1951年，艾伦·图灵在他的论文“智能机械：异端理论”中写到了这一点。

艾伦图灵，智能机械：异端理论“（1951）

“一旦机器思维方法开始，不会花费很长时间来超越我们的微弱权力。......在某个阶段，我们应该期望机器能够控制，就像撒母耳巴特勒的Erewhon所提到的那样。“ - （图灵，1951）