人工智能先驱人物篇之约翰·麦卡锡
今天的人工智能先驱人物篇的主角是约翰·麦卡锡（JohnMcCarthy），在1955年的达特矛斯会议上，麦卡锡与马文·明斯基共同提出的“人工智能”这个概念，标志着人工智能的正式诞生。
麦卡锡将人工智能定义为：“研制智能机器的一门科学与技术”。所以，研制智能机器始终是人工智能研究的核心问题。
科学与政治1927年9月4日，麦卡锡出生于美国波士顿一个共产党家庭。父母的工作性质决定全家需不断搬迁，从波士顿迁到纽约，然后又到了洛杉矶。
信仰爱尔兰天主教的父亲当过木匠、渔夫和工会组织者，同时也是一位发明家，拥有捻船缝机和桔汁冷冻机两项专利。
他的母亲是立陶宛犹太人，最初在联合通讯社当记者，后来在一家共产党报社工作。夫妻俩都曾参加过美国给出的，受父母的影响，麦卡锡从小就把自己对科学的兴趣与家庭的政治倾向结合起来。
麦卡锡认为自己的青少年时期平淡无奇，但事实证明并非如此。在上高三时，他得到了一份加州理工学院的课程目录，上面列出了该校一年级和二年级的微积分课本。
他买了这些书，完成了所有的练习题目。这使得他最终在1944年进入加州理工后得以免修头两年的数学课程。
1948年，他获得了加州理工学院数学学士学位，在1951年又获得了普林斯顿大学数学博士学位。
改变一生的会议约翰·麦卡锡的学术人生如何步入人工智能领域，还要从一次会议说起。
1948年9月，他参加了加州理工主办的希克森脑行为机制研讨会，大数学家、计算机设计大师冯·诺依曼在会上演讲了一篇关于自复制自动机的论文，这是一种可以对自身进行复制的机器。
尽管当时的与会人员并没有明确地将机器智能与人类智能联系起来，但冯·诺依曼的讲话却激发了麦卡锡的好奇心。
麦卡锡敏锐地将机器智能与人的智能联系起来，打算从事更深入的研究。第二年，在普林斯顿大学数学系做博士论文时，麦卡锡幸运地与冯·诺依曼一起工作。
在冯·诺依曼的鼓励和支持下，麦卡锡决定从在机器上模拟人的智能入手，主要研究方向定为计算机下棋。
此后，为了减少计算机需要考虑的棋步，麦卡锡发明了著名的α-β搜索法，这一关键问题的解决有效减少了计算量，至今仍是解决人工智能问题中一种常用的高效方法。
自动机模拟是随着时间从一个状态转入另一个状态的机器；而交互式自动机则是根据其自身状态以及它所观察到的其他自动机的状态从某个状态转入另一状态。
麦卡锡曾在冯·诺依曼理论的基础上，把有智能的东西看做是一个有限的自动机，与同样是自动机的环境项链。
冯·诺依曼听后十分赞同并敦促他把这篇论文写出来，但麦卡锡觉得自己的想法还不够成熟，于是便放弃了对利用自动机模拟人类智能的首次尝试。
不过，在十几年后，当他从事情景演算方面的工作时，有关状态和状态转换的思想再一次浮现在了脑中，制造一台像人类一样的机器的想法再一次被激起。
成就一生的会议1952年，普林斯顿大学的一个研究生向麦卡锡建议，可以找一些对机器智能感兴趣的人去收集一些该领域的文章。麦卡锡找到了贝尔实验室的克劳德·香农——“信息论”的创始人。
在人工智能方面的若干深入探讨之后，他们萌生召开一次研讨会的共识。在洛克菲勒基金会的一笔微薄的赞助下，他们邀请到当时哈佛大学的明斯基和IBM工程师罗彻斯特等几位学者，参加这次会议。
1956年，在达特茅斯学院举办的这次夏季人工智能研讨会是计算机史上的一座里程碑。这项涉及10人，耗时2个月的雄心勃勃的计划基于“我们能够精确且全面地描述人类智能中的学习以及其他特征并制造出机器以对其模拟”的构想并继续阔步前进。
2006年，会议五十年后，当事人重聚达特茅斯。左起：摩尔，麦卡锡，明斯基，赛弗里奇，所罗门诺夫
麦卡锡在提案中写道，他将研究语言和智能二者间的关系，希望通过程序计算机能“进行棋类游戏并完成其它任务”。
达特茅斯会议历时两个多月，首次提出“人工智能”这一术语，并确立了可行的目标和方法，这使得人工智能成为电脑科学一个独立的重要分支，获得了科学界的承认。
虽然大多数与会者在会后并未继续从事该领域的研究，但另外那少数人中却产生了一批在该领域影响深远的成就。这次会议给人工智能奠基人相互交流的机会，并为未来人工智能的发展起到了铺垫的作用。
在此之后，人工智能的重点开始变为建立实用的能够自行解决问题的系统，并要求系统有自学能力。
Lisp语言与分时概念1958年，麦卡锡组建了世界上第一个人工智能实验室。同年，麦卡锡发明了Lisp语言，这是人工智能界第一个最广泛流行的语言，至今仍有着广泛应用。
Lisp是一种函数式的符号处理语言，其程序由一些函数子程序组成。在函数的构造上，它与数学上递归函数的构造方法十分类似，即从几个基本函数出发，通过一定的手段构成新的函数，不仅如此，Lisp还具有自编译能力。
其实，麦卡锡只是Lisp当做一个工具，他的目标是制造具有人类智能的机器，他并未预料到它会有如此长的寿命。
该领域的编程人员都十分喜欢Lisp的最初语法，因此，Lisp语言与后来于1973年实现的逻辑式语言PROLOG并称为人工智能的两大语言。
随着工作的深入，麦卡锡希望改进这种语言的表达能力。1959年，为了展示Lisp可以明确地表达任何计算函数，他加入了一个叫做“求值”的功能。
“求值”允许程序定义新的函数或者过程，然后将其作为程序的一部分来执行。而大多数语言在执行新函数之前都会强制程序终止运行，并且“重新编译”。
由于求值函数可以带动并执行任何函数，它扮演了一种“通用图灵机”的角色，是其他计算机的通用模拟器。
如今的很多程序都必须每时每刻地运行，人们对求值这种特性的需求越来越迫切，因此大多数实验性语言都包含了求值或类似的功能。
麦卡锡另一个卓越贡献是1960年左右第一次提出将计算机批处理方式改造成分时方式，这使得计算机能同时允许数十甚至上百用户使用，极大地推动接下来的人工智能研究。
由此，他被尊称为“计算机分时系统之父”，他的研究成果最终实现了世界上最早的分时系统——基于IBM7094的CTSS和其后的MULTICS。
结语如今，人工智能已经从实验室走进日常生活，成为一门严肃经验科学，引发了计算机使用方式的一场变革，其中约翰·麦卡锡功不可没，他深刻地改变了人们与电脑和互联网的互动方式，为人工智能奠定了坚实的基础。
厉害了！细数中国人工智能十大领军人物！
第九名：徐伟-百度杰出科学家
在百度这样一个拥有大量高水平科学家、研究人员和工程师的公司里，徐伟是唯一获“杰出科学家”称号的人。徐伟在研发PaddlePaddle时做出了卓越的科技贡献受到了高度评价。PaddlePaddle是一个全新的深度学习开源平台，已于2016年下半年对外开放。PaddlePaddle经历了三年的研发，现可用于搜索排名、定向广告、图像识别、机器翻译和无人驾驶汽车等多个方面。
徐伟拥有清华大学学士学位，卡内基梅隆大学硕士学位，加入百度前曾在NEC实验室和Facebook担任研究员。
第八名：朱频频-小i机器人总裁兼CTO
小i机器人是中国领先的人工智能对话平台，为全国大部分机器人和虚拟助手提供支持。小i机器人于2001年在上海成立，为大中型企业、政府机构及5亿用户提供技术服务。
朱频频在空间领域拥有众多专利——聊天机器人系统、SMS机器人系统，使得小i机器人在对话界面方面占据技术优势。除运营小i机器人外，朱频频也是中国科学院的科学博士，任职于多个人机交互治理委员会，获奖无数。
第七名：林元庆-百度深度学习实验室主任
林元庆是百度深度学习实验室(IDL)主任，实验室旗下包括硅谷人工智能实验室、大数据实验室、增强现实实验室及深度学习研究所。他与徐伟一起代表百度牵头筹建了深度学习技术及应用国家工程实验室。该实验室由中国政府出资，清华大学、北京航空航天大学共建。
在加入百度之前，林元庆曾任美国NEC实验室媒体分析部门主管，带领团队致力于计算机视觉研究，开发移动搜索和无人驾驶汽车。林元庆拥有清华大学光学工程硕士学位和宾夕法尼亚大学电子工程博士学位。
第六名：何晓飞-滴滴研究院院长
滴滴出行是中国的Uber，每天产生的实时数据多达50TB，驾驶路线超90亿条。滴滴研究院被称为滴滴出行的“大脑”，是由滴滴公司成立的机器学习研究所，用于预测用户需求，减轻不良影响，同时也开发自动驾驶技术。
何晓飞本科毕业于浙江大学，获计算机科学学士学位，后取得芝加哥大学博士学位。在加入滴滴研究院之前，他曾在雅虎搜索实验室担任研究科学家，后在浙江大学任教，专注于应用数学和数据分析，解决图形识别、多媒体和计算机视觉方面的重要问题。
第五名：周靖人-阿里云首席科学家兼副总裁
阿里云于2009年成立，是目前阿里发展最快的业务。与亚马逊云计算服务类似，阿里云运用其强大的计算能力处理数百万次线上购物交易。
周靖人带领团队在阿里巴巴云数据科学技术研究所进行大数据和人工智能研究，推动阿里巴巴在语言、自然语言、图像与视频处理及大规模机器学习等人工智能技术开发。
在加入阿里巴巴之前，周靖人在微软担任工程经理，负责开发大数据平台，为Windows、Office和Bing提供支持。他拥有中国科学技术大学学士学位，哥伦比亚大学计算机科学博士学位。
第四名：张潼-腾讯人工智能实验室主任
人工智能领域的顶尖人才十分抢手。张潼去年从百度离职去往腾讯，负责新成立的人工智能实验室。此前他是百度大数据实验室负责人，也曾在IBM和雅虎工作过，在罗格斯大学担任过教授。
张潼旗下拥有超过50名科研人员与250多名工程师团队，致力于拓展腾讯在机器学习、计算机视觉、语音识别、自然语言处理等方面的能力，并将人工智能新技术运用于微信等大众产品。
第三名：王海峰-百度副总裁，人工智能技术平台体系负责人
吴恩达从百度离职后，王海峰接任成为了百度AI技术平台体系(AIG)的负责人。该平台包括深度学习实验室、大数据实验室、硅谷AI实验室、增强现实实验室、自然语言处理部、人工智能平台部等部门。
王海峰的技术专长在于自然语言处理和机器翻译。他撰写过100余篇有关人工智能的学术论文，并将自己的专业知识运用于百度在神经语言程序学、计算机数学、语音识别、知识图谱、个性化推荐和深度学习等多个方面的开发。王海峰在哈尔滨工业大学获得计算机科学学士学位、硕士学位和博士学位后，同时现在是哈尔滨工业大学的兼职教授。
第二名：陆奇-百度集团总裁兼COO
陆奇加入百度后领导公司的AI战略工作，推动公司内部的整合与协作。每个百度业务部门，包括自动驾驶的AI团队都向陆奇汇报。百度发言人表示：“在陆奇带领下，我们有信心顺利推进公司战略实施，百度有信心成为世界一流的技术公司和人工智能的领导者。”
加入百度之前，陆奇经史蒂夫•鲍尔默(SteveBallmer)亲自招聘加入微软，最终成为应用与服务集团的执行副总裁。陆奇在IBM研究实验室开始职业生涯，之后加入雅虎，升任搜索广告集团的执行副总裁。他在复旦大学完成计算机科学学士学位，并被卡内基大学教授埃德蒙•克拉克(EdmundM.Clarke)邀请在卡内基大学(CMU)攻读博士学位。
第一名：李开复-创新工场联合创始人，谷歌中国前总裁
李开复曾就职于苹果、微软和谷歌，是全球公认的科技领导者。他拥有哥伦比亚大学计算机科学学士学位和卡内基梅隆大学博士学位。2009年9月从谷歌离职后他创办了创新工场，积极投资中美科技和人工智能领域的创业公司。
李开复在中国深受推崇，在中国社交网站上有五千多万粉丝，他已经成为中国科技发展趋势的标志性“预言家”。李开复近日向CNBC记者表示，人工智能是“比电力、工业革命、互联网、移动互联网等所有人类科技革命加起来都更伟大的奇迹”。返回搜狐，查看更多
人工智能历史十大里程碑
人工智能得名缘由-1955
“人工智能”这个名词正式出现，最早是1955年8月31日由美国计算机科学家JohnMcCarthy和他的同事MarvinMinsky、NathanielRochester和ClaudeShannon提出的，那是确立了人工智能这一研究领域的Dartmouth学院暑期人工智能研讨项目经典提议的一部分，这个提议名为《2个月，10个人的人工智能研究》（2month,10manstudyofartificialintelligence）。
1956年Dartmouth会议被后世广泛承认为人工智能诞生的标志。会议上提出的断言之一是“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟。”这次会议上人工智能的名称和任务得以确定，同时出现了最初的成就和最早的一批研究者。
反向传播算法的出现—1969
反向传播（backpropagation）有时缩写为BACKPROP，是一种与最优化方法（如梯度下降法）结合使用的，用于训练神经网络的常见方法，在机器学习史上是重要的算法之一。它最早是1969年MarvinMinsky和SeymourPapert在《感知机》（Perceptrons）中提出，但直到20世纪80年代中期，才成为机器学习的主流。
反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法，虽然它也用在一些无监督网络（如自动编码器）中。它是多层前馈网络的Delta规则的推广，可以用链式法则对每层迭代计算梯度。反向传播要求人工神经元（或“节点”）的激励函数可微。
人机对话—1966
近年来，人机对话交互技术成为人工智能的热点领域。众多业界公司相继推出了人机对话技术相关产品，如个人事务助理、手机助理、虚拟情感陪护机器人、娱乐型聊天机器人、智能音箱等等，并将人机对话交互技术作为其公司的重点研发方向。目前比较知名的产品有：Amaze的Alexa、Google的GoogleAssistant、Apple的Siri等等。
人机对话最早可追溯到1966年，麻省理工学院JosephWeizenbaum在ACM上发表了题为《ELIZA，一个研究人机自然语言交流的计算机程序》（ELIZA-acomputerprogramforthestudyofnaturallanguagecommunicationbetweenmanandmachine）的文章。文章描述了这个叫作ELIZA的程序如何使人与计算机在一定程度上进行自然语言对话成为可能。Weizenbaum开发了最早的聊天机器人ELIZA，用于在临床治疗中模仿心理医生。ELIZA的实现技术是通过关键词匹配规则对输入进行分解，而后根据分解规则所对应的重组规则来生成回复。简而言之，就是将输入语句类型化，再翻译成合适的输出。虽然ELIZA很简单，但Weizenbaum本人对ELIZA的表现感到吃惊，随后撰写了《计算机的能力和人类的推理》（ComputerPowerandHumanReason）这本书，表达他对人工智能的特殊情感。ELIZA如此出名，以至于Siri也说ELIZA是一位心理医生，是她的启蒙老师。（“Shewasmyfirstteacher!”、“…Shewasabrillantpsychiatrist.…”）
奇点理论-1982
想必你一定时不时在媒体上听到过“奇点”。何谓奇点？就是机器变得比人类更聪明的那个点。奇点的概念，最早是1982年VernorSteffenVinge在卡内基梅隆大学召开的美国人工智能协会年会上首次提出“技术奇异点”这一概念。1993年，他在美国国家航空航天局路易斯研究中心举行的一次讨论会上发表了论文《技术奇异点即将来临：后人类时代生存指南》（TheComingTechnologicalSingularity）再次简述了这个观点，论文同年刊载于《全地球评论》（WholeEarthReview）杂志上。在这篇论文中，VernorSteffenVinge系统地阐述了自己的“技术奇异点”的理论，并声称超越人类智能的计算器将在50年之内问世，并把这次变化好比200万年以前人类的出现一样重大。正是这篇文章，使“奇点”的观点流行开来。
自动驾驶终于来临-1989
自动驾驶似乎在这几年才频繁出现媒体上。世界上第一辆自动驾驶骑车是Google公司开发的吗？非也。自动驾驶汽车的展示系统可追溯至1920年代及1930年代间，但要到1950年代从出现可行的实验，并取得部分成果。第一辆能真正自动驾驶的汽车则出现于1980年代。1984年，卡内基美隆大学推动Navlab计划与ALV计划，这个被人搁置多年的想法又卷土重来，再到1987年，梅赛德斯-奔驰与德国慕尼黑联邦国防大学共同推行尤里卡普罗米修斯计划。从此以后，许多大型公司与研究机构开始制造可运作的自动驾驶汽车原型。
1989年，美国卡内基梅隆大学的研究人员DeanPomerleau就花费了8年的时间，研发出了一套名叫ALVINN（AutonomousLandVehicleInaNeuralNetwork)的无人驾驶系统，并用在了NAVLAB货车上，从宾夕法尼亚州匹兹堡到加州圣地亚哥行驶了2797英里，成功实现了自动驾驶，成为自动驾驶的祖师爷。虽然它的技术在今天来看非常原始，但是它证明了自动驾驶是可以实现的。
人脑的最后战役-1997
1996年2月10日，超级电脑DeepBlue首次挑战国际象棋世界冠军Kasparov，但以2：4落败。比赛在2月17日结束。其后研究小组把DeepBlue加以改良，1997年5月再度挑战Kasparov，比赛在5月11日结束，最终DeepBlue电脑以3.5：2.5击败Kasparov，成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。IBM在比赛后宣布DeepBlue退役。
这是一场人类大脑和机器大脑的决战。尽管无疑DeepBlue处理信息的速度比Kasparov更快，拥有每秒超过2亿步的惊人速度。但DeepBlue的缺陷是没有直觉，不能进行真正的思考。这场比赛过程表明，DeepBlue无穷无尽的计算能力在很大程度上弥补了这些缺陷，这也反过来让人们思考，什么是思维的本质？思维是神秘莫测的吗？
这一结果尽管可能并没有证明AI除了在有明确定义的规则的问题上表现出色之外，在其他问题是否也表现出色，但这仍是人工智能领域向前迈进的一大步。
AI在Jeopardy！节目大获全胜-2011
就像DeepBlue与GarryKasparov的对弈一样，2011年，IBM的AI面临着另一个巨大的挑战，IBMWatson在挑战Jeopardy！（美国一档电视智力竞赛综艺节目）的前优胜者BradRutter和KenJennings——冠军奖获得100万美元奖金。比赛结束后，被Watson碾压的KenJennings打趣说：“我，作为一个人，欢迎我们的新机器人霸主。”（I,forone,welcomeournewrobotoverlords.）
Watson是能够使用自然语言来回答问题的人工智能系统，由IBM公司的首席研究员DavidFerrucci所领导的DeepQA计划小组开发并以该公司创始人ThomasJ·Watson的名字命名。IBM介绍时说“它是一个集高级自然语言处理、讯息检索、知识表示、自动推理、机器学习等开放式问答技术的应用”，并且“基于为假设认知和大规模的证据搜集、分析、评价而开发的DeepQA技术”。
AI的认猫事件-2012
以前，如果没有人类和大量现成数据的帮助下，人工智能甚至都不能分辨出猫的照片。但在2012年6月，Google的研究人员JeffDean和AndrewNg用1.6万块电脑处理器构建了全球最大的电子模拟神经网络，并通过向其展示自YouTube上随机选取的1000万段视频，考察其能够学到什么。结果显示，在无外界指令的自发条件下，该人工神经网络自主学会了识别猫的面孔。该成果表明Google在人工智能领域已取得重大进展。
AI打败围棋世界冠军-2016
2016年3月，GoogleDeepMind的AlphaGo在四场比赛中击败了围棋世界冠军李世乭。全世界有6000万观众观看了这场比赛。这是一个具有里程碑意义的事件，因为围棋中可能的落子位置数目比宇宙的原子总数还要多，把围棋所有的状态用穷举法全部列出大概需要10¹⁷⁰（相比之下国际象棋只有10⁴⁶），因此，围棋也被认为是人工智能攻克信息完全博弈游戏最后的堡垒。相比1997年IBMDeepBlue的暴力博弈树遍历而言，DeepBlue的胜利只是硬件速度的胜利和计算机的胜利。AlphaGo今天的胜利才真正是人工智能的胜利，它标志着真正人工智能时代的开启。返回搜狐，查看更多
关于人工智能的十二条名人名言
[[321443]]阿兰·图灵(1912至1954)是最早重视人工智能概念的思想家之一。他的开拓性工作，为我们如今熟知的数字计算与AI领域奠定起发展基础。
要从最简单粗暴的角度来理解，人工智能就是一项工程挑战。当前最先进的AI算法，无一例外都基于非常复杂的数学原理。训练这些先进AI模型需要巨大的计算资源量，而AI的发展本身也在推动新一代芯片的研发与创新。
然而，人工智能又远非工程技术所能概括。伴随着关于广泛自动化的坚实承诺，AI技术同时也迫使我们重新考虑经济组织与社会结构设计等根本性问题。对AI的追求让我们不得不面对关于意识、智能与创造力的核心挑战——更具体地讲，人何以为人?
因此，任何希望在二十一世纪真正把握人工智能发展脉搏的朋友，都必须广泛接纳来自工程学、心理学、经济学、社会学以及哲学领域的问题与观点。
下面，我们将援引世界上众多最伟大思想家的名言，了解他们如何看待人工智能这一意义深远的主题。希望这些名言有助于阐明AI主旨、涵盖范围、潜在挑战以及蕴藏于其中的巨大能量。
“真正的问题并不是智能机器能否产生情感，而是机器是否能够在没有情感基础的前提下产生智能。”——马文·明斯基(MarvinMinsky),1986
“技术日新月异，人类生活方式正在快速转变，这一切给人类历史带来了一系列不可思议的奇点。我们曾经熟悉的一切，都开始变得陌生。”——约翰·冯·诺依曼(JohnvonNeumann),1958(在技术快速发展的背景下，他首先提出了「奇异性」一词)
“250多年以来，经济增长的基本动力一直是技术创新。其中最重要的，正是经济学家们提出的所谓通用型技术，包括蒸汽机、电力与内燃机等等。而我们这个时代下最重要的通用型技术正是人工智能，特别是机器学习。”——埃里克·布林约尔松(ErikBrynjolfsson)与安德鲁·麦卡菲(AndrewMcAfee),2018
“虽然还没人提及，但我认为人工智能更像是一门人文学科。其本质，在于尝试理解人类的智能与认知。”——塞巴斯蒂安·特伦(SebastianThrun),2013
“我们不得不面对的最大难题，并非来自人类大脑是否属于机器的哲学问题。毫无疑问，大脑就是机器，而且是包含大量严格遵循物理定律的零件的机器。众所周知，我们的思想仅仅是一系列复杂处理过程的产物。而最重要的问题是，我们对这样一台复杂的机器并不够了解，因此我们还没有做好应对这台机器的准备。”——马文·明斯基(MarvinMinsky),1986
“如果人类的大脑简单到我们可以理解，那么我们就将愚蠢到无法理解大脑。”——爱默生W.皮尤(EmersonM.Pugh,)1977
“有些人担心人工智能的出现会令人类感到自卑，但任何有头脑的人单是观察花朵就应该能感到自己的渺小。”——艾伦·凯(AlanKay)
“人类很容易让自己陷入对机器的依赖，以至于不得不接受一切都交给机器处理的现实。随着整个人类社会及其面临的问题越来越复杂，机器也将变得越来越智能。人们将让机器为自己做出更多决策，这单纯是因为机器做出的决策能带来比人类决策更好的结果。这最终会发现到某个特定阶段——在这一阶段中，保持系统运作所需要的决策将变得极为复杂，导致人类再也无法有效做出决策。届时，机器将在实质上掌控一切。”——泰德·卡钦斯基(TedKaczynski，「大学炸弹客」),1995
“从表面上看，经过编程的计算机似乎明白什么是汽车、什么是加法器——但事实上，它什么也不明白。”——约翰·塞尔(JohnSearle),1980
“人们总喜欢活在舒适区内，用粗暴的断言安慰自己，例如机器永远无法模仿人类的某些特性。但我给不了这样的安慰，因为我认为并不存在无法模仿的人类特性。”——AlanTuring,1951
“在我们交谈时，你怎么能确定我的内心深处正在进行所谓「思考」?图灵测试将成为解决这类问题时的一种重要探针——类似于物理学领域的粒子加速器。如同物理学当中，如果我们希望了解原子或者亚原子层面的情况，由于无法直接观察，我们必须将经过加速的粒子散布到目标周围以观察其行为，最终推断出目标的内部性质。图灵测试将这一基本思路扩展到了意识领域——它把思维视为不可直接观察的「目标」，并通过更为抽象的方式推断其内部结构。通过将问题从目标思维中「分散」出去，我们就能了解其内部工作原理，正如物理学领域的作法一样。”——道格拉斯·霍夫斯塔特(DouglasHofstadter),1981
“人工智能是我们人类正在从事的最为深刻的研究方向之一，甚至要比火与电还更加深刻。”——桑德尔·皮猜(SundarPichai),2020