人太壞了。在物理的世界裡，人們不遵守規則，沒有契約精神，對規則沒有敬畏。

機器的世界裡，是講規則的。未來，人大概是機器的寵物，就像我們現在養寵物一樣。簡單地說數字世界就是位元世界，是0和1的世界，在當下和未來，可以進一步地定義為“數字網路世界”。

Online是數字世界的基本特徵。物理世界就是原子、分子（包括基因)。數字世界和現實世界其實是分別屬於兩個底層邏輯。

物理世界和數字世界有三個很顯然的不同點

01

數字世界中，我把一個PPT給了你，我還有

02

物理世界中，我把紅燒肉讓你吃，我就沒有了

03

數字世界的一串數字，是不會衰變的

而在物理世界，基本粒子都是隨著時間衰變的。光纖發明以後，數字世界中一個檔案的基本運動速度是光速；而物理世界中，光速是極限。

大資料究竟是什麼呢？大資料是食物，是機器人的食物，是Android和IPhone的食物。這是蠻恐怖的一件事情。我們人類是整個數字世界裡的農民，在幫機器人生產食物。在數字世界裡，我們每天都在產生各種資料資訊，這些資料其實都是數字世界領域的食物。

以後我們談饑荒，不再是說非洲有饑荒之類的，而可能是在說有一家公司因為沒有拿到資料而快要倒閉了。

強人工智慧新思路，三進位制計算機，多進位制計算機，意識機

我這裡是重造cpu和計算機，不是進位制轉換，三進位制計算機比二進位制計算機效能好，這可以由數學推匯出，歷史上只是因為成本原因沒有產生三進位制計算機，拋棄現在的二進位制計算機，擁抱多進位制計算機，現在AI發展感覺走錯了路，走進了死衚衕，重新在多進位制計算機上用多進位制語言程式設計，捨棄現在所有的程式語言，從源頭開始，多進位制計算機可以相容低進位制計算機。

結尾，真理如乘法表，不會因人的感情而消失。

不知道大家對駭客松（Hackathon）瞭解多少呢？駭客松，又名駭客馬拉松，源自於美國，顧名思義，就是一群計算機愛好者聚集一堂，在幾十個小時裡開發出一款軟體，累了或坐或臥，現場休息，做完當場交作品，是“世界上最酷的開發者狂歡”。

金斯頓大學最近舉辦了一次以醫療自動化為主題的駭客松， 超過 200 名學生、醫療專家和程式設計愛好者參加了這次活動，他們提出了多種新型人工智慧解決方案來處理 NHS 醫療系統中的病歷記錄。

這一次的駭客馬拉松時長 9 小時，主題圍繞著機器人組裝、使用者體驗設計以及解決實際問題，這次的活動由人工智慧顧問公司 Alphalake AI 舉辦，並且由機器人流程自動化領域的領導者 Automation Anywhere 公司贊助。

人工智慧的未來：走向真正的人工智慧

要實現的最複雜的能力是那些需要與不受限制且以前沒有準備好的環境進行互動的能力。設計具有這些功能的系統需要整合AI的許多領域的開發。我們特別需要知識表示語言，該語言將關於許多不同型別的物件，情況，動作等以及它們的屬性以及它們之間的關係（尤其是因果關係）的資訊進行整理。我們還需要可以以健壯和有效的方式使用這些表示形式的新演算法，以解決問題並回答幾乎所有主題的問題。最後，鑑於他們將需要獲取幾乎無限量的知識，因此這些系統將必須能夠在其整個存在過程中不斷學習。總共，設計將感知，表示，推理，行動和學習相結合的系統至關重要。這是一個非常重要的AI問題，因為我們仍然不知道如何整合所有這些智慧元件。我們需要能夠充分整合這些元件的認知架構（Forbus，2012）。整合系統是有一天實現通用AI的基本第一步。

要實現的最複雜的能力是那些需要與不受限制且以前沒有準備好的環境進行互動的能力。設計具有這些功能的系統需要整合AI的許多領域的開發

在未來的活動中，我們認為最重要的研究領域將是混合系統，該系統將能夠基於知識和記憶使用進行推理的系統的優勢（Graves等，2016）與基於人工智慧分析的人工智慧相結合。大量資料，即深度學習（Bengio，2009年）。如今，深度學習系統受到所謂的“災難性遺忘”的極大限制。這意味著，如果他們經過培訓可以執行一項任務（例如玩圍棋），然後經過培訓可以做一些不同的事情（例如區分狗和貓的影象），則他們會完全忘記從上一項任務中學到的知識（在這種情況下，玩Go）。這種侷限性有力地證明了這些系統至少在人類的學習意義上不會學習任何東西。這些系統的另一個重要限制是它們是“黑匣子”，無法解釋。因此，研究如何透過新增允許他們解釋如何達到建議結果和結論的模組來賦予深度學習系統以解釋能力，將是有意義的，因為解釋能力是任何智慧系統的本質特徵。 。由於能耗最終可能成為AI開發的主要障礙之一，因此還需要開發不需要訓練大量資料的新學習演算法，以及要實現這些資料的更加節能的硬體。相比之下，大腦要比目前實現最先進的AI演算法所需的硬體高出多個數量級。

無論未來的人工智慧變得多麼智慧（甚至是普通的人工智慧），它們都不會與人類的智慧相同。正如我們所論證的那樣，所有複雜智慧所需的智力發展取決於與環境的相互作用，而這些相互作用又取決於身體，尤其是感知和運動系統。這以及機器將不會遵循與我們相同的社會化和文化習得過程這一事實，進一步強化了這樣的結論，即無論它們變得多麼複雜，這些智慧都將與我們的智慧不同。不同於我們的智力的存在，因此與我們的價值觀和人類需求格格不入，這需要反思發展人工智慧的可能的道德限制。

通往真正智慧AI的道路將繼續漫長而艱難。畢竟，這個領域只有60年的歷史，而且正如卡爾·薩根（Carl Sagan）所觀察到的那樣，六十年在宇宙時間尺度上只是轉瞬之間。加布裡埃爾·加西亞·馬爾克斯（GabrielGarcíaMárquez）在1936年的演講（達摩克利斯的災難）中更富詩意地指出：“自從地球上出現可見生命以來，為了讓蝴蝶學習如何飛翔，蝴蝶必須經過3.8億年，1.8億年創造出一朵玫瑰，除了美麗之外，別無其他承諾，並創造了四個地質時代，使我們人類的歌唱能力比鳥類更好，並且能夠死於愛情。”

人工智慧發展未來可期！據工信部統計，2020年上半年華人工智慧核心產業規模達到770億元，人工智慧企業超過了260家，中國已成為全球AI獨角獸主要集中地之一。國務院印發的《新一代人工智慧發展規劃》指出，到2025年華人工智慧核心產業規模將超過4000億元，帶動相關產業規模將超過5萬億元。

隨著AI演算法突飛猛進的發展，越來越多的模型訓練需要巨量的算力支撐，才能快速有效地實施，算力是未來人工智慧應用取得突破的決定性因素。

近期，IDC與浪潮聯合釋出的《2020-2021華人工智慧計算力發展評估報告》，提出了未來人工智慧計算力發展的五個重要趨勢：

第一，人工智慧晶片將繼續呈現多樣性的發展，GPU依然是資料中心加速的首選，佔有95%以上的市場份額。

第二，華人工智慧伺服器將在未來五年保持高速增長，是整體伺服器市場增長的核心驅動力。

第三，人工智慧算力會逐漸向邊緣滲透，到2023年，將近20％用於處理AI工作負載的伺服器將部署在邊緣側。

第四，AI雲服務（AIaaS）成為人工智慧市場發展的重要驅動力，2018至2024年的年複合增長率預計將達到93.6%。

第五，AI基準測試逐步完善，MLperf、SPEC ML、AI-Rank等權威基準測試陸續推出，不僅僅為企業的成本效益提供參考，也為人工智慧應用未來可持續發展的重要因素 。