书: https://pan.baidu.com/s/1A6ZLSPMbCiZ-L4eRucUvXQ?pwd=kt7i
- “人工智能的‘智能’与人类智能不同，它更擅长特定任务，但缺乏通用性和适应性。”
- “深度学习在图像识别、语音处理等领域表现出色，但其‘黑箱’特性使得决策过程难以解释。”
- “当前的AI系统更像是‘高级模式识别器’，而非真正具备理解能力的智能体。”
- ‘符号接地问题’（Symbol Grounding Problem）指AI如何将抽象符号与现实世界意义关联起来——这仍是未解难题。”
- “AlphaGo的胜利并非通用智能的突破，而是在封闭规则系统中的优化结果。”
- “人类常识的缺失是AI发展的主要瓶颈，比如机器无法理解‘水杯倒了’意味着‘水会洒出来’。”
- “对抗样本（Adversarial Examples）揭示了深度学习模型对输入数据的脆弱敏感性。”
- ‘图灵测试’是否真能衡量机器智能？许多研究者认为它过于依赖人类的主观判断。”
- “迁移学习（Transfer Learning）是让AI系统跨任务泛化的关键方向之一。”
- “AI的伦理问题不仅关乎技术，更涉及社会制度、法律和人类价值观的重新定义。”
- “自动驾驶汽车面临的‘电车难题’本质上是人类伦理困境的代码化投射。”
- “GPT-3能生成流畅文本，但它并不‘理解’自己写的内容，只是统计规律的产物。”
- ‘框架问题’（Frame Problem）说明AI难以像人类一样忽略无关信息，专注关键因素。”
- “生物智能的进化经历了数百万年，而AI的进步则依赖算力、数据和算法的暴力叠加。”
- “具身认知（Embodied Cognition）理论认为，智能需要与物理世界的互动才能发展。”
- “目前的AI缺乏‘元学习’能力，即学习如何学习的能力。”
- “AI在医疗诊断中的应用需警惕‘过度拟合’——模型记住了数据，但未掌握真正的医学逻辑。”
- “人工通用智能（AGI）的实现可能需要完全不同于当前深度学习的新范式。”
- “人类对AI的恐惧常源于‘拟人化投射’，实际上机器既无意识，也无欲望。”
- ‘AI 3.0’的核心挑战是：如何让机器具备人类般的抽象、类比和因果推理能力？”