1. 深蓝1.1. “深蓝”的胜利虽然令人印象深刻，但它只是延续了几十年来显而易见的趋势1.2. 国际象棋算法的基本设计是由克劳德·香农在1950年提出的1.2.1. 这一基本设计在20世纪60年代初实现了重大改进1.2.2. 最优秀的国际象棋程序的等级评分稳步提高，这主要是因为计算机速度更快，让程序能够算到未来更远处1.2.3. 从1994年开始推算，系统预测计算机将会在1997年击败卡斯帕罗夫，而这与现实完全相符1.3. 在深度卷积网络开始成为头条新闻的20多年前，它就已经存在了，所有的数学问题都完全解决了2. 想法2.1. 好的想法，即真正的突破，往往在当时没有被注意到，可能直到后来才会被认为给人工智能的重大进步提供了基础2.1.1. 或许是当有人在更合适的时间重新改造它的时候2.2. 想法是经过试验的，它最初往往在简单的问题上证明了基本直觉的正确性，然后在更困难的问题上，我们才能观察到想法的延伸效果2.3. 一个想法本身并不能提供能力上的实质性改进，它必须等待另一个想法的出现，二者结合才能证明价值2.4. 在实验室之外的世界里，只有当想法逐渐积累，当其有效性的证据超越一个阈值时，人工智能才会被看到：在这个临界点上，人工智能值得投入资金开展技术工作，创造新的商业产品或令人印象深刻的演示了2.4.1. 然后，媒体宣布我们取得了突破2.5. 随着商业投资率的提高，以及世界对人工智能应用的接受程度越来越高，这种情况将会越来越频繁地发生3. 人工智能生态系统3.1. 最初，大多数计算机的运行环境基本上是空洞无形的3.1.1. 唯一的输入来自穿孔卡片3.1.2. 唯一的输出方法是在行式打印机上打印字符3.2. 20世纪90年代，万维网的出现为智能机器开辟了一个全新的天地3.2.1. 人们创造了一个新词“Softbot”，用来描述完全在Web等软件环境中运行的“软件机器人”3.2.2. Softbot（后来被称为bot，即机器人）可以感知网页，并通过发出字符序列、网址等来执行动作3.3. 人工智能公司在互联网繁荣时期（1997—2000年）迅速发展，为搜索和电子商务提供了核心能力，包括链接分析、推荐系统、信誉系统、比较购物和产品分类3.4. 21世纪初，配有麦克风、摄像机、加速计和GPS的手机普及开来，为人工智能系统进入人们的日常生活提供了新的途径3.4.1. 亚马逊Echo、谷歌Home和苹果HomePod等“智能音箱”已经完成了这一过程3.5. 到2008年左右，接入互联网的物体数量已经超过了接入互联网的人数，这一转变被一些人认为是物联网（IoT）的开端3.5.1. 汽车3.5.2. 家用电器3.5.3. 交通灯3.5.4. 自动售货机3.5.5. 恒温器3.5.6. 四轴飞行器3.5.7. 照相机3.5.8. 环境传感器3.5.9. 机器人3.5.10. ⑩在制造、分销和零售系统中的各种物料3.5.11. 这为人工智能系统提供了更强大的感知能力和对现实世界的控制途径3.6. 最后，随着感知能力的提高，人工智能机器人得以走出工厂，进入真实的、非结构化的、混乱的世界，在工厂里它们依赖于严格约束的对象排列，而走出工厂之后，它们的摄像机可以看到一些有趣的东西4. 无人驾驶汽车4.1. 开发的重点早已从学术研究实验室转移到大公司4.2. 为什么要花如此长的时间才能实现安全的无人驾驶？4.2.1. 性能要求非常严格4.2.1.1. 在美国，人类司机大约每行驶1亿英里会遭遇一次致命事故，这设置了一个很高的标准4.2.1.2. 无人驾驶汽车要想被人们接受，就需要表现得比这更好，也许要每行驶10亿英里出现一次致命事故才行4.2.1.3. 无人驾驶汽车如果每周行驶40小时，则25 000年才会出现一次致命事故4.2.2. 当交通情况混乱或超出其安全操作条件时，将控制权交给人类，根本行不通4.2.2.1. 当汽车无人驾驶时，人类很快就会脱离当前的驾驶环境，无法足够迅速地重新了解周围环境，安全地接管汽车4.2.2.2. 如果出了什么问题，坐在后座的非驾驶员或出租车乘客将无法驾驶汽车4.3. 目前的项目目标是达到美国汽车工程师学会（SAE）的L4级自动驾驶4.3.1. 这意味着车辆必须在任何时候都能够自动驾驶、安全停车，但是它受地理条件和天气条件的限制4.4. 一些项目正在尝试采用更直接的方法，这些方法基于强化学习（当然主要是模拟）和监督学习（从数百名人类驾驶员的记录中学习），但是这些方法似乎不太可能达到所需的安全水平4.5. 由于每位乘客每英里的运输成本低至3美分，大多数城市可能会选择免费提供这项服务，而让乘客承受没完没了的广告轰炸4.6. 人类驾驶技能可能会退步或消失，而由人类驾驶汽车这种鲁莽和反社会的行为可能会被完全禁止5. 智能个人助理5.1. 基于固定的刺激—反应模板5.1.1. 这种方法可以追溯到20世纪60年代中期的Eliza（人工智能软件）5.1.2. 系统有三大缺陷5.1.2.1. 访问缺陷5.1.2.1.1. 即它们对正在发生的事情缺乏感官意识5.1.2.1.2. 它们可能能够听到用户在说什么，但看不到用户在和谁说话5.1.2.2. 内容缺陷5.1.2.2.1. 即它们根本无法理解用户所说的话或发送的短信的含义，即便它们可以访问这些内容5.1.2.3. 语境缺陷5.1.2.3.1. 即它们缺乏跟踪和推理日常生活的目标、活动和关系的能力5.2. 人工智能的“特洛伊木马”5.2.1. 智能音箱和手机助手5.2.2. 比为19世纪贵族家庭工作的管家或为如今的CEO（首席执行官）工作的行政助理获得的信息还要多5.3. 知识使智能助手能够跟踪它没有直接观察到的东西，这是智能系统的一项基本技能5.4. 到目前为止，由于所涉及的成本和不确定的回报，常识类的建模项目通常还没有开始5.4.1. 可能在情报分析和军事计划的分类系统中除外5.5. 人们有望看到的智能助理是，用户每月只需付几美分就可以让它帮助自己管理越来越多的日常活动5.5.1. 日程5.5.2. 旅行5.5.3. 家庭购物5.5.4. 支付账单5.5.5. 辅导孩子作业5.5.6. 发电子邮件和打电话5.5.7. 提醒5.5.8. 膳食计划5.5.9. 人们“做梦都想找到的”钥匙5.6. 智能助手的通用设计模板5.6.1. 关于人类活动的背景知识5.6.2. 从感知和文本数据流中提取信息的能力5.6.3. 使智能助手适应用户的特定环境的学习过程5.7. 相同的通用模板至少可以应用于其他三个主要领域：健康、教育和财务5.7.1. 在健康领域，我们所有人的生理状况大致相同，关于人体如何工作的详细知识已经被编码成机器可读的形式5.7.1.1. 系统将适应你的个人特点和生活方式，提供疾病的预防建议和疾病的早期预警5.7.2. 在教育领域，智能教学系统的前景早在20世纪60年代就得到了承认，但真正的进步还需要很长时间5.7.2.1. 主要原因是内容和访问上的缺陷：大多数教学系统不理解它们声称要教授的内容，也不能通过语音或文本与学生进行双向交流5.7.2.2. 概率推理技术现在可以跟踪学生的知识掌握情况，并优化教学内容，最大限度地提高学习效果5.7.3. 在个人金融领域，系统将跟踪个人的投资、收入流、强制性的支出和可自由支配的支出、债务、利息、紧急准备金等，就像金融分析师了解公司的财务情况和前景一样5.8. 隐私问题5.8.1. 如果你的个人助理对你一无所知，那么它真的有用吗？5.8.1.1. 没用5.8.2. 如果个人助理不能从多个用户那里采集信息，从而更多地了解普通人和与你类似的人，那么它真的有用吗？5.8.2.1. 没用5.8.3. 这两件事是否意味着我们必须放弃我们的隐私，才能在日常生活中受益于人工智能呢？5.8.3.1. 否定5.8.3.2. 原因是学习算法可以使用安全多方计算技术对加密数据进行操作，这样用户就可以在不损害自身隐私的情况下从资源池中获益5.9. 只有当个人助理的主要职责是为用户服务，而不是为开发它的公司服务时，用户才会信任它6. 智能家居和家用机器人6.1. 智能家居的概念已经发展了几十年6.2. 配备了摄像头、麦克风，拥有必要的感知和推理能力的真正的智能住宅，可以理解居住者在做什么6.2.1. 做客6.2.2. 吃饭6.2.3. 睡觉6.2.4. 看电视6.2.5. 阅读6.2.6. 锻炼6.2.7. 为长途旅行做准备6.2.8. 跌倒后无助地躺在地板上6.3. 虽然更简单的系统（定时恒温器、动作感应灯和防盗报警器）对环境不那么敏感，但它们可以用更可预测的方式提供许多相同的功能6.3.1. 智能家居不能叠衣服、洗碗或拿报纸6.3.2. 它的确需要一个物理机器人来执行它的指令6.4. 实用家用机器人需要三种基本能力6.4.1. 感知能力6.4.2. 机动性6.4.3. 灵活性6.4.4. 其中，灵活性最成问题6.4.4.1. 触觉感知问题6.4.4.2. 制造问题6.4.4.2.1. 目前，制造一只灵巧的机械手成本非常高6.4.4.3. 算法问题6.4.4.3.1. 我们还没有很好地理解如何将感知和控制结合起来，以掌握和操纵家庭中各种各样的常见物体6.5. 第一个真正受益于家庭机器人的群体是年老体弱的人6.5.1. 实用的机器人可以提供一定程度的独立性，这种独立性在其他情况下无从得到