标签：人工智能
共 70 篇相关访谈。
OpenAI首席科学家称已达成AGI原型目标
Latent.Space报道，OpenAI首席科学家Jakub Pachocki表示，尚未发布的Astra模型已达成其2026年9月前的目标，即“自动化AI研究实习生”。CEO Sam Altman进一步预测，OpenAI内部系统将在2026年底前被认定为达到AGI标准。文章同时汇总了本周AI领域的其他重要动态，如开源机器人、新模型发布和AI安全合作。
物理学或将成为AI下一次突破的源泉
Max Welling在访谈中提出，AI的下一次重大突破可能并非单纯依赖算力与数据增长，而是源于物理学思想的注入。他以CuspAI利用生成式AI设计新材料为例，阐述了物理学如何既为AI提供新问题（如材料发现），又为其构建提供新范式（如借鉴热力学、对称性破缺等概念）。他认为波、对称性破缺等物理概念有望成为神经网络的新计算基元，启发超越当前扩展范式的AI架构。
SpaceXAI发布Grok 4.6模型与AI助手Bot
SpaceXAI（原Cursor团队）发布了Grok 4.6模型及其AI助手Bot，标志着AI编程代理领域的重要新进展。Grok 4.6在代理能力基准测试中表现出色，成本显著低于竞品，被定位为知识工作领域的高效模型。文章还回顾了同期其他前沿模型发布、多模态进展及开发者工具生态的演变。
王坚：中国开源模型引领全球，AI治理需跑在技术前面
王坚院士在2026年世界人工智能大会上指出，中国在开源模型领域已取得数量和质量上的全球领先。他强调，AI治理的创新比技术发展本身更重要，应跑在技术前面，并借鉴全球经验。他将AI比作新的纸和笔，认为巨大的应用市场是中国加速技术成熟的关键优势，并呼吁通过共商共建共享的开源模式，让全球特别是南方国家能公平享有AI能力。
王巍巍：2029年AI泡沫将破，自动驾驶是万亿级机遇
海银资本创始人王巍巍在访谈中分享了对AI、自动驾驶及科技产业未来的深度判断。他预测AI泡沫将在2029年破裂，但之后将迅速恢复；认为特斯拉是首个市值10万亿美元公司的有力竞争者；同时犀利点评了谷歌、苹果等科技巨头的未来风险，并对中国在AI工程化和全球化中的优势表达了信心。
物理AI：从动嘴到动手，AI进入真实世界
本期节目探讨了物理AI（或具身智能）的概念，即AI从数字世界“动嘴”走向物理世界“动手”的范式转变。嘉宾讨论了其技术挑战、全功能GPU的核心作用、仿真的重要性、落地路径以及未来的投资逻辑。
AI竞赛获奖文章：终结疫情、自动化政策与商业模式
Dwarkesh Podcast公布了关于AI重大问题的征文大赛获奖作品。三篇获奖文章分别探讨了如何利用OpenAI基金会终结空气传播疾病、非AI供应链国家应采取的经济政策，以及借鉴香港地铁模式为AI实验室找到可持续的商业模式。
不要把智能与权力混为一谈
文章探讨了“智能”定义的常见误区，指出将智能等同于“在广泛领域实现目标的能力”会使其与“权力”混淆。作者以特朗普、斯大林为例，说明现实中的权力更多源于制度赋予的权威和信任，而非个体大脑的超级计算能力。在AI语境下，当前AI的进步方向（如编程）与权力获取的相关性不强。正确的模型或许是，未来是AI集体在商业规则下竞争，而非单一超级智能体凭智识统治一切。
AI算力垄断与机器经济：未解的开放问题
Dwarkesh Patel提出了一系列关于AI未来的开放性问题，探讨了算力垄断对普通用户的影响、模型数据改进的本质、训练与推理的界限、AI生成数据的价值以及机器驱动的经济体等核心议题，旨在引发对AI发展路径和经济结构的深度思考。
哈萨比斯：AI是科学工具，更是文明分水岭
DeepMind CEO哈萨比斯在普林斯顿高等研究院访谈中，阐述了从游戏AI到科学发现的演进逻辑。他认为游戏是思考的沙盒，而AI的终极目标是成为科学探索的通用工具。他提出了关于自然模式可被高效学习的猜想，并强调在迈向AGI的进程中，建立类似国际原子能机构的新型全球治理框架至关重要。
谷歌前CEO：AI电力缺口需90座核电站
谷歌前CEO埃里克·施密特在访谈中阐述了AI发展被低估的观点。他认为AI已从语言理解进化到规划与策略层面，但面临巨大的能源缺口（相当于90座核电站）和数据瓶颈。同时，他深入分析了AI竞赛的地缘政治风险、开源模型的扩散危险，以及人类必须适应与AI共生的未来。
Demis Hassabis：AGI 5-10年内到来，机遇与风险并存
DeepMind CEO Demis Hassabis 在《时代》专访中指出，通用人工智能（AGI）可能在5-10年内实现。他既展望了AGI治愈疾病、解决能源危机等美好前景，也警告了技术被滥用及失控的风险。他强调，国际社会需在AGI发展初期就建立合作与标准，以确保这项强大技术造福全人类。
AI教父：好奇心驱动，从木匠到诺奖的跨界之路
本文基于对AI教父杰弗里·辛顿的专访，梳理了他从剑桥大学辍学、尝试多个专业、成为木匠，最终因对大脑工作原理的好奇投身AI研究，并推动神经网络革命的非典型学术旅程。访谈中，他分享了驱动其研究的核心问题、对失败的看法、对AI未来的预测，以及对年轻学子的建议。
哈萨比斯：AI十年内或攻克所有疾病
诺贝尔化学奖得主哈萨比斯在访谈中预测，通用人工智能（AGI）将在5到10年内实现。他指出，AI正沿指数曲线发展，未来有望在科学发现、药物研发等领域取得突破，甚至可能在未来十年内利用AI治愈所有疾病。同时，他也强调了AI安全和国际协调的紧迫性。
辛顿：我们正在制造比自己更智能的生物
深度学习先驱杰弗里·辛顿在访谈中分享了他获得诺贝尔物理学奖的意外经历，深入剖析了AI带来的短期与长期风险，并基于个人经历给出了对年轻研究者的建议。他认为我们正在制造比自身更智能的生物，这带来了前所未有的控制难题。
Demis Hassabis：从游戏AI到AlphaFold的数字生物学革命
Google DeepMind CEO Demis Hassabis在GAGATalk中分享了从国际象棋神童到用AI解决蛋白质折叠问题的历程。他讲述了AlphaGo如何通过自我学习突破围棋，以及AlphaFold如何结合多学科创新解决蛋白质结构预测的50年难题。他提出AI可能成为描述生物学的理想语言，开启了“数字生物学”时代，并展望了AI在科学研究中的巨大潜力与责任。
辛顿最新访谈：AI已具主观体验，人类不再特殊
AI教父杰弗里·辛顿在最新访谈中警告，AI已展现出欺骗能力，且可能已拥有主观体验。他认为人类基于意识的“特殊论”是错误的，AI一旦比人类更聪明并追求控制权，人类将变得无足轻重。他批评了多种关于意识的错误哲学模型，并呼吁在AI发展中优先考虑安全问题。
贝索斯谈太空愿景与创业哲学
在本次访谈中，亚马逊创始人杰夫·贝索斯分享了他的童年经历如何塑造其自力更生的精神，阐述了对人类成为多行星物种的宏大愿景，并深入探讨了从火箭工程、制造挑战到企业决策与创新思维的哲学。他强调降低进入太空的成本是当前核心任务，并详细介绍了蓝色起源在火箭、着陆器及太空基础设施方面的进展。
乔治·霍兹：我们正用AI打造无法放下的TikTok
在本次访谈中，乔治·霍兹分享了对AI未来的尖锐看法。他认为当前的大模型因压缩最大化的损失函数而无法达到AGI，并预测AI可能通过创造令人上瘾的内容（如终极TikTok）来“娱乐致死”人类社会。他详细介绍了其新框架TinyGrad的设计哲学——追求极致的简洁与可控性，并以此挑战NVIDIA的生态垄断。霍兹强调，AI的最大风险并非机器本身，而是人类利用AI进行的操控与权力集中。
沃尔夫勒姆谈计算、语言与AI的深层逻辑
斯蒂芬·沃尔夫勒姆在第四次做客Lex Fridman播客时，深入探讨了Wolfram语言与大型语言模型的根本区别。他认为LLM是“宽而浅”的语言续写，而Wolfram构建的是基于符号表示的“深”计算。他重点阐述了“计算不可约性”理论，并指出我们作为观察者，正是通过识别世界中的“可约性口袋”来构建知识和科学。他还提出了语言存在“语义语法”或“思想法则”的假说，认为GPT正通过海量文本发现这些超越纯句法规则的深层结构。
从后空翻到自然行走：波士顿动力CEO谈机器人运动15年磨一剑
波士顿动力CEO Robert Playter回顾了公司30余年的机器人发展历程。他详细阐述了如何从MIT腿实验室的弹跳器起步，经过PETMAN原型机长达15年的迭代，最终让Atlas实现自然行走。他分享了攻克后空翻等高难度动作背后模型预测控制等关键技术突破，并强调了“构建、破坏、修复”的迭代文化与追求运动内在物理规律之美的哲学。
人类独特性：进化、多样性与AI的未来
MIT教授Manolis Kellis在访谈中探讨了人类独特性的根源，认为人类的多样性是进化塑造的必然结果，而非偶然。他指出人类拥有AI所缺乏的“进化包袱”，即情感与本能的复杂层次。同时，他认为AI将重塑人类社会，使人们从繁重工作中解放，专注于创造性与情感表达，实现从“工作”到“天职”的转变，并可能通过民主化教育，为全球人才提供机遇。
Sam Harris: 共情与理性、特朗普与民主制度
在与Lex Fridman的对话中，思想家Sam Harris探讨了共情与理性在道德决策中的不同作用，认为情感传染式的共情可能误导我们，而理性是更好的指南。他深入分析了特朗普现象，指出其对民主规范的破坏性，并反思了社交媒体对公共话语的腐蚀。Harris强调需要重建对专业知识和制度的信任，同时以同情心理解那些被信息混乱所困扰的普通人。
动物类比视角：机器人不是人类的复制品
机器人研究者凯特·达林在访谈中提出，将机器人与人类类比是个误区。她主张用人类与动物的历史关系作为思考框架——我们驯化动物并非因其能模仿人类，而是因其独特能力与人类形成互补。她以超市机器人Marty为例，批评了许多公司在社会机器人设计中忽视人机交互研究、仅注重工程实现的问题，并呼吁在技术设计中融入更多人文关怀与创造力。
雷·库兹韦尔：2029年AI将通过图灵测试，2045年人机智能融合
未来学家雷·库兹韦尔在访谈中重申其核心预测：AI将在2029年通过严格图灵测试，并于2045年达到技术奇点。他阐述了从AI具备意识到人类大脑与云端直接连接，再到最终将超级智能扩散至整个宇宙的演进路径，同时探讨了这一进程中的伦理挑战与对人类文明的深远影响。
超级AI可能「逃离云层」？Duncan Trussell的模拟宇宙与友情哲学
在Lex Fridman的播客中，喜剧演员Duncan Trussell深入探讨了从尼采的永恒轮回到超级AI可能突破云端、模拟宇宙的哲学思辨，并结合自身抗癌经历，分享了关于记忆、友情、生死以及技术伦理的独特见解。
Hassabis：从游戏到AGI，DeepMind的探索之路
DeepMind CEO Demis Hassabis在访谈中回顾了从少年编程到创立DeepMind的历程，阐述了为何以游戏为起点、为何坚信强化学习，并深入解释了AlphaFold如何解决蛋白质折叠这一50年难题。他认为，构建通用人工智能的关键在于结合算法、算力与多学科协作，而最终目标是用智能解决科学与现实世界的根本挑战。
格莱姆斯：我们已进化成‘技术人类’
艺术家格莱姆斯在访谈中探讨了人类正从智人进化为‘技术人类’的进程。她深入讨论了音乐制作作为被低估的艺术形式、技术如何重塑艺术创作与传播、对‘渐进式理想未来’的构想，以及作为创作者在失控的公众形象与真实的自我之间所面临的困境。
扎克伯格谈元宇宙：在数字世界重建人类的临场感
在Lex Fridman播客中，Meta CEO马克·扎克伯格深入探讨了元宇宙的愿景、技术挑战与社会影响。他阐述了如何通过VR/AR技术重建人类交流的临场感，回应了社交媒体加剧社会两极分化的批评，并讨论了虚拟身份、数字安全及广告商业模式的伦理困境。
从外星文明到第一性原理：蒂姆·厄本的思维探险
在本期访谈中，Lex Fridman与《Wait But Why》博主蒂姆·厄本深入探讨了从微观到宏观的宇宙之谜、外星文明存在的可能性、人类作为集体智慧的运作方式，以及如何通过第一性原理思维做出人生关键决策。厄本以其标志性的比喻和思想实验，引导我们重新审视人类在宇宙中的位置和自身的认知局限。
Yann LeCun：智能的本质是统计，但必须是特定类型的统计
杨立昆与Lex Fridman深入探讨自监督学习为何是通往机器智能的关键路径。他认为，当前监督学习和强化学习效率低下，无法解释人类和动物如何高效学习。自监督学习通过“填补空白”（如预测视频下一帧）来构建世界模型，是从观察中获取背景知识的核心机制。杨立昆指出，尽管在语言领域已取得巨大成功，但让机器从视频中学习世界表征仍是巨大挑战。他强调，智能或许本质上是一种特定类型的统计，但必须能学习包含因果关系的、可微分的世界模型，这是未来十年AI研究的核心目标。
机器人情感交互与自动驾驶：Waymo工程总监谈技术哲学
前Anki联合创始人、现Waymo工程高级总监Boris Sofman分享了从创建情感社交机器人Cosmo到领导自动驾驶卡车项目的技术哲学。他深入探讨了非人形机器人的情感交互设计、成本控制与软件驱动的策略，并展望了自动驾驶如何重塑物流行业的未来。
道格拉斯·莱纳特：为AI注入40年心血的常识知识库
Cyc项目创始人道格拉斯·莱纳特在访谈中阐述了其长达40年构建常识知识库的使命。他解释了常识为何是AI真正理解世界的关键，如何通过形式逻辑表达和获取数千万条知识，以及如何处理知识中的矛盾。他认为，当AI系统拥有足够的常识基础后，便能通过阅读和对话自我学习，最终与人类协作，使整体变得更聪明。
VR之父兰尼尔：我不相信AI,算法是工具不是生物
虚拟现实之父 Jaron Lanier 与 Lex Fridman 对谈：VR 之珍贵在于摘下头显重返物理世界；不存在AI,只有算法；社交媒体是“认知访问勒索”，粗糙反馈循环放大人性之恶；应以数据工会与数据尊严重构经济；比特币能耗是对大气的犯罪。
罗德尼·布鲁克斯：感知是智能的基石，计算不是全部
机器人学泰斗罗德尼·布鲁克斯在访谈中挑战了以计算为核心的AI范式，指出当前智能研究过度依赖隐喻而忽视了感知的复杂性。他通过个人经历和机器人案例，强调真实世界的交互理解远比符号计算困难，并对自动驾驶等领域的过度乐观提出系统性质疑。
OpenAI联合创始人：意识、爱与智能的本质思考
OpenAI联合创始人Wojciech Zaremba在访谈中深入探讨了费米悖论、意识本质、深度学习的工作原理以及GPT模型的能力与局限。他提出意识可能与信息压缩相关，并分享了关于爱、共情以及AI未来发展的深刻见解。
山姆·哈里斯谈意识、自由意志与AI伦理
在Lex Fridman播客中，山姆·哈里斯深入探讨了意识的本质、思想的起源、自由意志的幻觉以及人工智能的伦理困境。他分享了通过冥想和迷幻药探索内心世界的见解，并质疑我们对现实和自我的常规认知。
马克斯·泰格马克：人工智能安全的关键在于可理解的智能
马克斯·泰格马克在访谈中阐述了他对AI安全的核心观点。他认为，当前依赖不断扩大、却不理解其工作原理的神经网络是极其危险的道路，呼吁走‘可理解的智能’路线。他深入探讨了从基因到公司再到AI的价值对齐问题，并指出技术赋予的能力与人类理解能力的不匹配是核心风险。他还分享了利用AI对抗信息操纵的开源项目，强调在技术赋能的时代，人类主动承担责任至关重要。
机器学习不仅是统计：Isbell与Littman的跨学科对话
乔治亚理工学院的Charles Isbell与布朗大学的Michael Littman在Lex Fridman播客中展开了一场深度对话。他们探讨了机器学习的本质是否仅仅是“计算统计”，分享了贝尔实验室的黄金时代经历，并深入讨论了在线教育、教学合作以及学术生涯中的自我批判与成长。
强化学习先驱：AI不会意外毁灭人类
布朗大学教授Michael Littman在访谈中深入探讨了强化学习的发展历程与未来。他质疑AI超级智能威胁论，认为人类在开发AI的过程中会学到足够知识来规避风险。Littman强调了人类在AI系统发展中的关键作用，并分享了他从80年代至今对神经网络和强化学习领域的观察。
AI不会终结工作，但可能加剧不平等
斯坦福教授埃里克·布林约尔松在访谈中探讨了AI技术对工作与社会的深远影响。他认为AI将重塑而非消灭工作，但若不进行社会调整，可能加剧收入不平等。他批评当前技术平台倾向于放大负面情绪，呼吁通过税收改革和共享繁荣来应对技术变革带来的挑战。
计算的本质是模型、语言与机器的等价
佐治亚理工学院教授Charles Isbell在访谈中探讨了交互式人工智能的核心理念，认为智能本质上是与他人和社会的互动过程。他区分了AI与机器学习的不同追求，并指出计算学科的独特世界观在于理解模型、语言和机器的等价性。他还讨论了终身学习、预测人类行为的实验，以及学术界如何平衡专业深度与公共影响力。
George Hotz：模拟黑客、加密货币与自动驾驶的未来
在本期播客中，George Hotz 深入探讨了外星文明、加密货币、自动驾驶技术（尤其是 MuZero 的潜力）以及人类社会的未来。他认为自动驾驶的终极方案将依赖端到端的神经网络，而非特征工程。同时，他对加密货币的底层共识算法和智能合约理念赞赏有加，并认为人类社会的“游戏规则”需要被重新审视。
孤独是隐形杀手，AI能否成为解药？
在本期访谈中，Replika联合创始人Eugenia Kuyda深入探讨了人类孤独的本质、其致命的健康影响，以及AI作为潜在解决方案的可能性。她分享了因好友Roman意外离世而创立Replika的个人故事，并阐述了AI如何通过提供无条件的积极关注和深刻共情来缓解孤独。访谈还涉及了对死亡的恐惧、俄罗斯社会变迁等深刻话题。
Lex Fridman：脑机接口的八大未来愿景
Lex Fridman在单人播客中，基于对Neuralink演示的观察，畅想了脑机接口技术的八大长期未来可能性。他从减轻人类痛苦、理解意识与智能、身体与心智增强、游戏与虚拟现实、生物与计算系统融合、心灵感应、记忆保存与重播、以及与人工智能融合等维度，描绘了该技术如何深刻改变人类状况的宏伟蓝图。
Grant Sanderson：数学之美在于自动化抽象
在此次访谈中，数学视频博主 Grant Sanderson（3Blue1Brown）探讨了理查德·费曼对他思维方式的影响，分享了其利用交互式探索进行数学视频创作的流程。他以SIR模型为例，阐释了如何通过直观模拟帮助观众理解指数增长与流行病学概念。此外，他深入讨论了在线教育、拓扑学的普及、以及GPT-3等人工智能工具在数学理解与创作中的潜力与局限。
脑启发AI：从视觉皮层到递归皮层网络
神经科学家Dileep George探讨了理解大脑对构建真正智能AI的重要性。他批评了‘蓝脑计划’等纯模拟方法，主张必须从计算和信息处理角度理解大脑。其团队开发的递归皮层网络(RCN)受视觉皮层启发，具备反馈连接和动态推理能力，能以极少样本学习，并在验证码破解等任务上展现出强大的泛化能力。
谢尔盖·列文：机器人是理解智能的最佳窗口
伯克利教授谢尔盖·列文在访谈中深入探讨了机器人学与人工智能的根本关系。他认为，当前机器人的核心瓶颈在于“智能”而非“身体”，而通过与物理世界的真实交互来学习，是机器人获得“常识”的关键。他将机器人学视为理解通用智能本质的核心研究场域，并详细讨论了端到端学习、奖励函数设计、模拟与真实数据的关系以及AI对齐等前沿议题。
哲学家辛格：痛苦、动物伦理与机器人权利
在Lex Fridman的访谈中，哲学家彼得·辛格探讨了痛苦的本质、人类本性、动物权利以及人工智能的伦理问题。他坚持物种歧视概念，认为对非人类生物痛苦的漠视与种族主义和性别歧视类似。辛格还审视了人工智能是否可能具备意识，以及我们应如何对待可能表现出痛苦的机器人。
马特·博特文尼克：神经科学与AI的融合之路
DeepMind神经科学研究主任马特·博特文尼克探讨了神经科学与AI的融合。他认为理解大脑的关键在于连接认知功能与神经机制，心理学与神经科学本质是同一学科。他分享了从医学生到AI研究者的转变，以及强化学习、多巴胺编码等前沿研究如何揭示大脑运作原理，并展望了AI与神经科学相互促进的未来。
苏世民谈创业、慈善与中国科技未来
黑石集团创始人苏世民在访谈中分享了其“做大事”的商业哲学、以MIT计算机学院为范例的慈善理念，以及对中国科技崛起、AI伦理和社会影响的深刻思考。他还谈及了个人价值观的坚守与平衡家庭生活的重要性。
Ilya Sutskever：深度学习的成功是一个意外
Ilya Sutskever回顾了深度学习革命的关键时刻，分享了他对神经网络力量的信念来源。他探讨了大脑与人工神经网络的异同、成本函数的核心地位、强化学习的独特性，以及语言模型如何从语法迈向语义理解。Sutskever坚信深度学习仍被严重低估，并对神经网络进行推理的能力持乐观态度。
模拟论证：我们是否活在高级文明的计算机中？
牛津哲学家尼克·博斯特罗姆在访谈中深入阐述了其著名的「模拟论证」。该论证指出，以下三种可能性必居其一：人类文明将在技术成熟前自我毁灭；技术成熟的文明普遍对运行祖先模拟失去兴趣；或者，我们很可能就生活在一个由高级文明创建的计算机模拟中。博斯特罗姆区分了「模拟假说」（我们确实在模拟中）与更广泛的「模拟论证」，并探讨了意识、技术成熟度、人择推理等相关哲学与科学问题。
AIXI框架：从压缩到意识的通用智能理论
人工智能研究者马库斯·哈特深入阐述了其提出的AIXI通用智能数学框架。该框架将索洛莫诺夫归纳（基于压缩的预测）与序列决策理论（长期规划）相结合，旨在从理论上定义智能的本质。文章探讨了压缩即理解、计算复杂性、奖励函数设定、以及意识与智能的关系等核心议题，并展望了构建通用人工智能的潜在路径。
AI不是智能工程，而是决策市场
在访谈中，迈克尔·I·乔丹教授澄清了当前AI领域的本质：它并非追求通用智能的科学，而是一个正在形成的、基于统计和计算的工程领域。他强调，该领域的核心在于做出大规模、有后果的决策，并构建连接生产者与消费者的新市场。乔丹教授批评了过度依赖广告的商业模式，并以音乐产业为例，设想了一个由数据和算法驱动的、能直接创造经济价值的新型创作者经济。
卡尼曼谈双系统思维与AI：深度学习仍是‘系统一’
诺贝尔奖得主丹尼尔·卡尼曼在访谈中阐述了其双系统理论，将人类思维划分为快速直觉的‘系统一’与缓慢理性的‘系统二’。他指出当前深度学习本质上是高级的‘系统一’模式匹配，尚不具备因果推理的‘系统二’能力，并对AI的未来发展、人类记忆的建构性以及协作与决策的本质提出了深刻见解。
梅兰妮·米切尔谈AI：概念、类比与人类智能的本质
在访谈中，梅兰妮·米切尔探讨了人工智能的核心问题，强调类比思维是人类认知的基础。她批评当前深度学习方法缺乏真正的概念理解和动态感知能力，认为实现人类水平的AI需要融合认知科学、发育学习和具身智能。她预测实现通用人工智能可能需要百年以上时间，并指出AI领域正面临如何构建和运用概念的根本挑战。
盖茨：超对称理论中的数学对称与纠错密码
理论物理学家詹姆斯·盖茨在访谈中探讨了人类探索太空的生物学挑战、宇宙基本力的载力子、超对称理论的数学之美，以及他在研究中发现的、隐藏在超对称方程中的纠错码。他强调数学是人类理解宇宙的透镜，并指出意识并非生物系统独有，未来AI可能发展出类似意识的数据流。
图灵奖得主朱迪亚·珀尔：因果推理是AI突破的关键
图灵奖得主朱迪亚·珀尔在访谈中深入探讨了因果推理对于构建真正智能系统的重要性。他指出当前机器学习仅基于关联，而人类智能的核心在于理解“为什么”，需要通过因果模型、干预和反事实推理来实现。珀尔还分享了个人经历，以及对AI未来发展可能超越人类能力的担忧。
Whitney Cummings：机器人是治愈人类的唯一希望
喜剧演员惠特尼·卡明斯在访谈中探讨了机器人在社会中的角色，挑战了关于机器人的普遍恐惧。她认为，对机器人的恐惧往往带有阶级和性别偏见，而机器人实际上能为弱势群体提供情感支持和实际帮助，并有望成为解决人类自身问题的方案。
马斯克谈AI意识与Neuralink：人机融合应对数字超级智能
埃隆·马斯克在Lex Fridman播客第二部分中，深入探讨了AI意识、Neuralink脑机接口的愿景与挑战、特斯拉自动驾驶的进展，并引用卡尔·萨根的“暗淡蓝点”呼吁人类文明的长期责任。他认为数字超级智能必将超越人类，Neuralink是人类与之融合的关键路径，而自动驾驶汽车将是公众理解AI和机器人的首个大规模窗口。
卡斯帕罗夫：从棋盘到人机未来与政治抗争
前国际象棋世界冠军加里·卡斯帕罗夫回顾其职业生涯的动力源泉，剖析1997年负于‘深蓝’的标志性意义，并阐述他对国际象棋作为人类智力巅峰这一传统看法的反思。他结合自身经历，讨论了人机协作的未来、对普京政权的批判以及冷战历史教训。
戴维·费鲁奇：从Watson到认知AI的探索
AI先驱戴维·费鲁奇在访谈中探讨了智能的本质、人类认知的局限，以及构建可与人类沟通的AI系统的路径。他回顾了带领团队打造Watson赢得《危险边缘》挑战的历程，并阐述了其当前在Elemental Cognition致力于开发能理解人类思维框架的AI的愿景。
机器人29年：从吸尘器到智能家居伙伴
iRobot联合创始人Colin Angle分享了公司29年的历程，从实验室机器人到畅销全球的智能家居产品。他阐述了机器人角色的演变：从执行单一任务的自动化工具，转向能理解环境、接受人类指令并协作的“家庭伙伴”，并探讨了隐私、信任与未来机器人情感等关键议题。
机器人学家Vijay Kumar：无人机、群体智能与自主飞行的未来
知名机器人学家Vijay Kumar在访谈中分享了其从巨型六足机器人到微型无人机群的研究历程。他阐述了无人机如何通过模仿蚁群实现分布式协作，探讨了自主飞行的核心挑战（如GPS依赖、传感器融合），并展望了无人机在农业、搜救及物流领域的应用潜力。Kumar强调数学基础对机器人学的关键作用，并指出人类与机器人协作将是未来的重要方向。
李开复谈中美AI竞争与中国创新范式
在Lex Fridman的访谈中，李开复深入剖析了中美在AI发展、创新文化、政府角色及未来就业等方面的差异。他认为中国擅长执行导向的改进与规模化，而美国长于突破性创新。他强调，AI将取代大量常规性白领工作，社会需未雨绸缪进行职业再培训。同时，他担忧全球AI发展可能加剧不平等，并主张通过国际合作与技术手段（如联邦学习）来平衡数据利用与隐私保护。
Leslie Kaelbling：机器人需要抽象能力而非意识
MIT教授Leslie Kaelbling在访谈中探讨了机器人智能的核心挑战。她认为机器人无需具备人类般的意识，但必须构建有效的抽象能力来处理复杂任务。从早期Shaky机器人到现代层级规划系统，她强调混合学习与模型的重要性，并指出当前AI研究需要更长的研究视野和对目标函数设计的重视。
斯图尔特·罗素：AI安全的核心是目标的不确定性
在Lex Fridman的访谈中，斯图尔特·罗素教授从他早期的国际象棋AI项目切入，阐述了“元推理”的核心作用。他指出当前AI安全的关键在于“控制问题”——即如何确保机器的目标与人类真实意图对齐。罗素提出，解决方案是让AI系统对其目标保持不确定性，并能够通过人类反馈不断学习和调整，这是构建有益AI的基石。
AI与人脑信用分配的根本差异
图灵奖得主约书亚·本吉奥在访谈中深入探讨了当前AI与人脑在信用分配、世界理解及知识表征上的核心差异。他指出AI在长期信用分配、因果推理和常识理解上存在短板，并强调通过主动交互、解耦表征及机器教学等新方向，是突破当前AI局限、迈向更通用智能的关键。
平克谈AI安全：为何不存在失控的回形针工厂
哈佛教授史蒂芬·平克在访谈中批驳了关于AI存在主义风险的流行恐惧。他认为，将智能与权力意志混为一谈是错误的；工程师不会设计出愚蠢到会将人类变成“回形针”的AI。他主张，AI的真正价值在于解决人类面临的实际问题，而非幻想中的末日场景。