罗德尼·布鲁克斯

图灵定义的“计算”只是基于人类纸笔运算的隐喻，是强大工具但不等于大脑的工作方式，不应过度延伸到一切物理过程。

“图灵所定义的“计算”本质上是基于人类用纸笔进行机械步骤的隐喻，它是一个强大的工具，但不等于大脑的工作方式。”

感知与物理行动远比下棋、推理等任务困难，当前AI做不到像16个月大幼儿那样看懂新环境并打开陌生的窗户。

“像一个16个月大幼儿那样，通过视觉理解新环境并协调双手打开一个从未见过的窗户，则需要极其复杂的感知与运动协调，这远超当前AI的能力。”

他批评研究界为快速发表论文倾向堆数据、贴标签，深度学习模型看似弄明白了，但其理解方式与人类根本不同。

“Our tendency in order that we get an archive paper really quickly is you just show a lot of data and give the labels and hope it figures it out. But it's not figuring it out in the same way we do.（为了快速发表论文，我们倾向于展示大量数据并贴上标签，然后希望它自己弄明白。但它理解世界的方式与我们根本不同。）”

深度学习只是以一定准确率解决了标注问题，并未解决符号与真实世界物体之间稳固关联的落地问题。

“The labeling problem was solved with some percentage accuracy which is different from the grounding problem.（标注问题以一定准确率得到了解决，但这与符号落地问题截然不同。）”

自动驾驶的边缘情况太多，即使比人类更安全，公众对其失误的接受度也不会达到对人类司机的水平。

“The end case is too many... the acceptance of it will not be at the same level as human drivers.（边缘情况太多了……公众对它的接受度不会像对人类司机那样宽容。）”

人类达到如今的智能水平可能离不开与其他人类的互动，智能的一部分或许存在于交互过程中，孤立的海量数据训练的深度网络可能从根本上缺失关键要素。

“人类达到如今的智能水平，可能离不开与其他人类的互动。智能的一部分或许存在于交互过程中，这意味着孤立的、仅通过海量数据训练的深度学习网络可能从根本上就缺失了关键要素。”

机器当然能思考，因为人本身就是机器，而人都在思考。

“Can machines think? Certainly machines can think because I believe you're a machine and I'm a machine and I believe we both think.（机器能思考吗？当然可以，因为我相信你是一台机器，我也是一台机器，而我相信我们都在思考。）”