标签：通用智能
共 4 篇相关访谈。
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。
S谢尔盖·列文加州大学伯克利分校教授，深度学习与强化学习研究员
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。
M马库斯·哈特人工智能研究者，AIXI理论提出者
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。
M梅兰妮·米切尔计算机科学教授，圣塔菲研究所外部教授
马库斯谈AI：深度学习非魔法，常识才是关键
加里·马库斯在访谈中指出，当前AI的核心瓶颈在于缺乏常识和真正的理解能力。他认为深度学习擅长模式识别，但无法处理抽象推理与复杂知识，未来AI需要符号操作与统计学习的混合范式。马库斯强调，智能是多维的，人类智能并非通用智能的标杆，但当前机器智能在灵活性、语言理解等方面仍远远落后。
G加里·马库斯纽约大学荣休教授，Robust AI与Geometric Intelligence创始人