本篇文章5066字，读完约13分钟
这次会议于1956年举行，持续了一个月，通常被认为是人工智能研究的开始。该提案的三位作者，即lisp的发明者约翰·麦卡锡、信息论的先驱克劳德·香农和后来的图灵奖获得者马文·明斯基，后来在麻省理工学院任教。
麦卡锡和明斯基(55年后，他仍然是麻省理工学院的教师)创建了麻省理工学院人工智能实验室。
到了1967年，计算机技术发展迅速，明斯基在他的著作《计算:有限和无限机器》中大胆地写道:“我确信，在一代人的时间里，智能的很少部分会超出这台机器(计算机)的范围，创造‘人工智能’的问题将从根本上得到解决。”
当然，明斯基的预测过于乐观。早期的人工智能研究人员把赢棋游戏作为智能应用的一个例子，但后来发现它比辨别口语单词或识别面孔要容易得多。
20世纪80年代和90年代，随着复制人类智能的难度逐渐变得清晰，人工智能有了一些非常不同的含义，即实用的专用计算机系统，通常基于“机器学习”，应用于大量训练实例的统计分析。正是这种方法给了我们语音识别和自动文本翻译的功能。
麻省理工学院的研究人员认为，现在是重振人工智能雄心的时候了，因为有希望开发出更好的治疗神经疾病的方法，以及能够用人类直觉预测我们需求的计算机系统。国家科学基金会似乎同意这一点。
去年9月，该基金会宣布向位于麻省理工学院麦戈文大脑研究所的大脑、思维和机器中心捐赠2500万美元。
麻省理工学院为该中心提供了12名主要研究人员，另外6名来自哈佛，5名来自其他机构。
Cbmm由脑科学和人类行为教授、麦戈文研究所和计算机科学与人工智能实验室(csail)首席研究员托马索·波吉欧领导。
他的双重身份表明了新中心的第一个想法:如果我们能把计算、生理和心理方法结合起来，我们就能比孤立的研究更快地理解人类的智力。
Poggio说:“这个中心试图做的是学习更多关于大脑和认知的知识，以便复制人类的智力，而不是像50年前那样仅仅依靠计算机科学。”
电子工程和计算机科学系教授、cbmm研究协调员帕特里克温斯顿(Patrick winston)补充说，近年来，调查问题的技术有了显著提高。
温斯顿说，首先，“计算是免费的，无论需要什么样的计算都可以做到。”他还说，其次，“功能磁共振成像现在是常态。”功能磁共振成像(Fmri)指的是功能磁共振成像，可以用来研究大脑活动。
他还指出了一些技术，如经颅磁刺激，它可以在认知测试中干扰特定大脑区域的活动，以及光遗传学，它利用光选择性激活或抑制大脑中的转基因神经元。
光遗传学的先驱是第99任工程硕士艾德·博伊登，他是麻省理工学院媒体实验室的教授，也是麦戈文研究所和新中心的首席研究员。
该中心的研究集中在几个主题或要点上，包括:视觉智能，它综合了视觉、语言和运动技能；智能电路将包括神经生物学和电子工程的研究；智能开发；和社会智力。
波吉欧是视觉智能的主要研究者之一，他还将领导一个理论平台的开发，旨在将研究与其他领域相结合。
对于每一个关键点，cbmm研究人员都在努力定义一组基准问题，以便他们能够评估自己的进展。
焦波提供了一个与他以前的视觉系统研究相关的例子。面对交互式图像，智能计算机应该能够对五个问题提供合理的答案，从简单到困难:图像中有什么？图像中的所有人是谁？人们在做什么？谁在对谁做什么？接下来会发生什么？
不变的
探索围绕人类智力的所有问题的理论框架是一项艰巨的任务。但是波吉欧关于大脑如何回答他清单上第一个问题的研究提供了这个框架可能是什么样子的草图。
“图像中有什么？”这是人工智能研究的一个蓬勃发展的领域，有必要开发一个用于目标识别的计算机系统来回答这个问题。
通常，物体识别系统使用某种机器学习。人类标记样本图像以指示哪些对象出现在哪里，然后系统将尝试识别所有图像上的对象所共有的一些共同特征。
他说:“这与人类学习或动物学习完全不同。”“当一个孩子学会认识一只熊或一只狮子时，你不必给他看一百万次狮子的照片。大约两三次就够了。”
波吉欧认为，与机器学习系统不同，人脑以一种“恒定”的方式来描述物体:不管物体有多大，它们在视觉区域或旋转的地方，描述都是一样的。他还认为，他有一个关于这种描述的可能构成的似是而非的理论。
波聚焦理论要求大脑或试图模拟大脑的计算机系统存储一些物体的模板，其中包含这些物体的每一个变化——类型、位置和在平面上的旋转。例如，大脑可以存储几十张人脸图像，描绘其360°旋转角度。
一个奇怪的物体将被描绘成其图像和模板之间的一组“点积”。点积是线性代数的标准算法。无论对象的大小、位置或方向如何，集合都将保持原样。
这一理论的说服力在于，点积将两组复杂数据集(如视觉图像)之间的比较简化为一个数字。每一组点积，即使是多个模板，也不会在内存中占据太多空。Poggio说，另一个令人信服的观点是“对于神经元来说，点积是最简单的计算之一，也许是最简单的。”
在实验中，坡脚的系统可能不会超过机器学习系统。但是它需要更少的训练例子，这表明它能更好地复制人脑的操作。对于大多数计算任务，人脑的方法通常更好。
Poggio认为产品点集合也可以锁定更抽象的概念。模板包括不同形状的物体群集，它们像点一样排列在芯片的一侧，或者排成一行或一个圆，这可以加强数字的概念。从不同视角关系观察平行线的模板可以加强平行或视角关系的概念。他说:“可能还有更有趣的事情要探索。”
模糊思维
和波吉欧一样，乔希·特南鲍姆是大脑和认知科学系的教授，也是csail的首席研究员。
他领导的cbmm发展的重点在于直观地掌握儿童能够展示的物理现象，并开展了有助于阿波罗焦的理论工作研究。
特南鲍姆解释说，对人工智能的最早研究集中在数学语言的构建上，例如，它可以对诸如“鸟会飞”和“鸽子是鸟”等判断进行编码。
研究人员认为，如果语言足够严谨，计算机算法将能够整理出写在其中的判断，并计算出所有逻辑上有效的推论。
然而，事实证明，理解语言判断所需的背景信息远远超过预期。例如，不是所有的鸟都会飞。
在不会飞的鸟中，笼子里的知更鸟和翅膀断了的知更鸟是有区别的。另一个区别是不同种类的知更鸟和企鹅之间的区别。
事实证明，手工编写足够多的常识性异常来实现最基本的推理是非常耗时的。
相比之下，通过机器学习，计算机可以自己学习大量的例子，并推断出这些例子的共同点。
例如，通过100万张狮子的图像，机器学习算法可以量化它自己的猜测:77%具有这种视觉特征的图像是狮子的图像。
然而，尽管这种方法可以处理定义明确的问题，例如识别鸟类的图像，但是当处理更抽象的概念时，例如鸟类、直升机、风筝和超级英雄所共有的能力时，它会遇到麻烦。与语法和母性相比，飞行是一个具体的概念。
特南鲍姆和他的学生开发了一种叫做概率编程语言的新工具，它结合了新旧人工智能的最佳特征。
像早期的人工智能语言一样，它包含推理规则。但是这些规则是概率性的。例如，一只火鸡是一种鸟，用Tenenbaum语言编写的程序预计会得出一个结论:一只火鸡可能会飞。
但是如果程序随后被告知这只火鸡重近200磅，它可能会降低飞行的可能性。
特南鲍姆说:“在人工智能的两个早期阶段，最大的区别在于符号对抗统计。”“我们在数学方面的发现之一是如何将这两点结合起来，以及如何将这种符号语言用于统计推理和概率推理。”
阅读人
坡脚五个基准问题中的第二个是“谁都在图像中？”。
这个问题长期以来一直与bcs教授nancy kanwisher的工作有关，其最著名的领域是使用功能磁共振成像来识别和分析大脑中面部感知的特定区域。
Kanweishe领导着cbmm对社会智力关键点的研究，她认为这是她之前研究的自然延伸。她说:“当你看着一张脸时，你不仅对基本的人口统计信息感兴趣，比如它是谁，他们是男是女，他们多大了。”“你能说的不仅仅是这个人是快乐还是悲伤，还有他们是自信还是犹豫，精力充沛还是消极被动。只需很短的一瞥，我们就能从一张脸上看到极其丰富的东西。”
坎维舍说，人类也可以通过肢体语言推断出很多关于人们的情感、意图和与他人的关系。肢体语言具有符合计算建模的优势。
她还引用了已故斯坦福大学社会心理学家纳利尼·安巴迪的研究，他发展了“薄片判断”理论。
Kanweishe说:“在学期开始的时候，她录下了哈佛的助教们在教室前面讲课的过程。”“然后她把这些非常短的视频展示给心理学实验的对象，并说，‘给老师的效率打分’。这些人都看到一个人在教室前面和一个班级交谈了几秒钟，甚至没有听到他们在说什么。她发现这些评分结果与那个人的实际学生的分数非常接近。”
Kanweishe说，cbmm的社会智能点的第一个项目将是设计一套实验任务，使研究人员能够量化人类的社会感知。一旦研究人员建立了一个基线，他们就可以做一些研究，比如儿童时期的任务表现，或者自闭症儿童不同于其他儿童的表现。
他们还可以通过功能性磁共振成像测量神经活动或经颅磁刺激干扰行为来识别参与社会感知的大脑区域。在收集了所有这些数据后，他们将尝试为大脑操作制作精确的计算机模型。
理解这个故事
波吉欧清单背后的问题是“谁在对谁做什么？”和“接下来会发生什么？”这些问题吸引了帕特里克·温斯顿。
在他看来，定义人类智力的特征就是讲述和理解故事。
这种能力甚至在标记图像方面发挥了作用。正如温斯顿喜欢指出的那样，一个人可以认出一个人拿着杯子喝酒的样子。如果这个人把杯子向前举几英寸，他就是在敬酒。然而，一只猫抬起头，在水龙头里滴几滴水的形象也将被认为是饮用水的一个例子。
温斯顿说:“你一定以为你看到的是一个故事。”“他们得到相同的标签是因为它是同一个故事，而不是因为它看起来一样。”
这就是为什么研究重点有助于视觉、语言、社交和运动技能的原因之一。
为了说明另一个原因，温斯顿引用了发展心理学家伊丽莎白·斯派克(elizabeth spelke)进行的一项实验，她曾是麻省理工学院的教员，目前在哈佛大学任教，也是发展问题的主要研究者之一。
斯皮克对一些实验很感兴趣，在这些实验中，研究人员将老鼠放在房间中央的旋转平台上。食物显然被放在角落里，但后来被挡板挡住了。同样的挡板放在另外三个角上，平台旋转。
斯皮克决定将研究扩展到人类儿童和成人，隐藏的物体被变成了玩具或一串钥匙，而不是食物。
对于所有动物，儿童和成年人，一旦旋转停止，受试者要么去庇护所的角落，要么去对角角落(看起来和庇护所的角落一样)，两者的概率相等。
研究人员还改变了实验，在目标物体相对角落的墙壁上涂上了不同的颜色。动物和儿童仍然以相等的概率选择右上角或对角，而成年人可以相对可靠地找到目标。
这就是事情变得有趣的地方。如果成年人被要求在去他们的目标之前听一段课文并背诵它，他们会被相反的角落弄糊涂。温斯顿说，听和背课文“消耗了人类的语言处理器，把它们降低到老鼠的水平。”“然后他们会说，‘是的，我能看见那面蓝色的墙，但我记不起来了。’"
回答cbmm基准清单上的最高级问题可能比最初由国家科学基金会资助的五年时间要长得多。但是波吉欧说，“是时候再试一次了。已经50年了。我们不知道这次是否会成功。但如果我们不尝试，我们就不会知道。”添加语料库
三链:吃昆虫、吃厕所和油炸？？3.模纸锻造，模具模具模具模具模具模具模具模具模具模具模具？？. 95镣铐和镣铐？？0.07%锝58.....
当前流行度:0
[娇娇]http://itougu.jrj/view/189514.j.....
当前流行度:0
1.1 .涓涓细流？？邦邦、邦邦、邦邦、交邦和廖廖？？要坚强，要坚强。.....
当前流行度:0
你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道........
当前流行度:0
缇落入三条锁链？？3镝？？6铥？？0(乌桕脂含有3条链吗？？4镝？？4铥？？0)死，死，死，死又死，4.72？？......
当前流行度:0
那墙，墙，墙和墙呢？？钳子里有丰富的镰刀、叉子、叉子、nan和链条，这些都是銮棒的来源.....
当前流行度:1
你想挑起镝，破坏哮喘吗？？缇，汤，汤，3汤和柊镶嵌？？链条？？4."敌鲁，缇，汤，汤，汤."？？.....
当前流行度:0
咸丰、大树、细垴、十二寸、相互涓涓？？环秀细链，涓涓细流，砸铙钹，甩铙钹，砸铙钹，砸铙钹，砸响，砸得咝咝作响？？葛格·岳格·柊.....
当前流行度:0
