丹尼尔·卡尼曼

人类思维分为快速直觉的系统一和缓慢理性的系统二，而智力不仅是推理能力，还包括从记忆中检索相关材料并按需调动注意力。

“Intelligence is not only the ability to reason. It is also the ability to find relevant material in memory, and to deploy attention when needed.——智力不仅仅是推理的能力，也是在记忆中找到相关材料并在需要时调动注意力的能力。”

以深度学习为代表的当前AI本质是高度发达的“系统一”，擅长模式匹配与预测，但缺乏“系统二”式的推理能力，因而强大却有局限。

“Deep learning matches patterns and anticipate what's going to happen so it's highly predictive. What deep learning doesn't have... is the ability to reason. There is no system two there.——深度学习匹配模式并预测接下来会发生什么，因此具有高度的预测性。深度学习所缺乏的……是推理的能力。那里没有‘系统二’。”

机器一旦先进到能真正帮助人类，人类将在很短时间内变得多余，因此纯粹的人机协作可能只是不稳定的过渡阶段。

“In any system where humans and the machine interact, that the human will be superfluous within a fairly short time, that is if the machine has advanced enough so that it can really help the human, then it may not need the human for a long time.——在任何人类与机器互动的系统中，如果机器足够先进以至能真正帮助人类，那么人类可能很快就会变得多余。”

人的决策和一切行为都由记忆自我而非实际发生的体验支配，体验自我与记忆自我的幸福常常冲突。

“We have one system or one self that does the living, but the other system, the remembering self, is all we get to keep. And basically, decision making and everything that we do is governed by our memories, not by what actually happened.——我们有一个体验的自我在生活，但另一个系统，那个记忆的自我，是我们唯一能保留下来的东西。基本上，我们的决策和所做的一切都由我们”

认同加里·马库斯的观点：人类儿童能从两三个例子快速学习而机器学习需要百万级数据，说明人类天生具备先验知识框架，而AI领域尚未解决如何内置这种先验知识。

“人类儿童能从极少的例子（两三个）中快速学习，而机器学习需要百万级数据。这表明人类天生具备某种预期或知识框架，使高效学习成为可能，而AI领域尚未解决如何内置这种“先验知识”的问题。”

要让机器真正理解语言和意义，可能需要赋予其感知系统并与物理世界互动（“接地”），不与外界感知交互的系统谈论世界的方式是空洞的。

“要让机器真正理解语言和意义，可能需要赋予其感知系统，使其与物理世界产生互动（“接地”）。一个完全不与外界感知交互的系统，其谈论世界的方式是空洞的。身体对于构建关于世界的知识至关重要。”

心理学等领域的复制危机主要出在“被试间”实验上：研究者本人处于“被试内”视角，因而对“被试间”实验的效应强度和可预测性产生严重误判。

“问题主要出在“被试间”实验上。研究者本人处于“被试内”视角（能清晰感受两种条件的对比），但这使得他们对“被试间”实验（不同的人处于不同条件）的效应强度和可预测性产生严重误判。”