智能定义：样本效率还是沟通能力
智能的本质更接近于用少量数据学习的样本效率，还是包含预测与可解释沟通在内的综合能力？
立场盘点 216 位
生命是宇宙中“高记忆”物体的存在方式，其历史被编码在结构中，挑战了物理学传统。
“生命（如人类、水瓶）的组装指数高，其存在本身就编码了漫长的历史（记忆），时间成为其物理维度的一部分。”
来源访谈 →地球生命的演化是一个在合适条件下必然发生的、有某种确定性的自我复制复杂系统。
“他认为这是一个美丽的、有某种必然性的过程，而人类文明正处在这场“确定性之波”中的一个爆发阶段，如同一个正在膨胀的“烟花”。”
来源访谈 →智能包含预测能力和可解释的沟通能力，后者是使智能被认可为可沟通智能的关键。
“Intelligence is primarily two ways: one is the ability to predict... the other is the ability to explain that prediction in a way others understand. (智能主要体现在两方面：一是预测能力……二是以他人能理解的方式解释这种预测的能力。)”
来源访谈 →生命在宇宙中可能并非罕见，但地球生命起源的条件（如从简单分子演化）概率很低，地球处于“既不平凡也不唯一”的状态。
“我认为地球处于“既不平凡也不唯一”的中间状态，但“稀有地球假说”所强调的众多特殊条件确实难以复制。”
来源访谈 →所有智能都是专用智能，即使是人类智能也是专为解决“人类体验”这类特定问题而优化的，不存在普遍的、可独立存在的智能等级。
“所有智能都是专用智能。即使人类智能具有一定程度的通用性，但它也是专为人类体验而优化的。（All intelligence is specialized intelligence. Even human intelligence has some degree of generality, but it's specialized in the human experience.）”
来源访谈 →人类的独特性源于基因、后天知识以及漫长的进化所塑造的复杂情感与本能系统，而AI目前仅具备认知能力。
“AI only has a neocortex. AI doesn't have a limbic system. It doesn't have this complexity of human emotions.”
来源访谈 →智能的核心是对复杂世界的压缩，即寻找最简洁的解释模型。
“I think all of science, I see as a form of compression at all of humanity. ——我认为，至少所有科学，我视之为一种压缩形式，或许全人类也是如此。”
来源访谈 →智能可能源于与他人的交互，而非孤立的大脑。
“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。”
来源访谈 →对于意识是物质涌现的现象还是基本属性，我持真正不可知的态度。
“I am truly agnostic about whether consciousness is an emergent phenomenon from matter or a fundamental property as panpsychism suggests. （我倾向于一种“中性一元论”的观点，认为我们当前用“心”与“物”来划分现实的概念本身可能就是问题的一部分。）”
来源访谈 →主流的RNA世界假说（一个RNA分子在早期地球自发出现并开始进化）是站不住脚的。
“最“硬核”的RNA世界假说（即一个RNA分子在早期地球自发出现并开始进化）在她看来是站不住脚的。”
来源访谈 →生命起源于化学空间中偶然出现的、能相互催化并维持自身存在的闭环自催化结构，这标志着系统跨越了从随机到存在的边界。
“生命起源于一个临界点：随机化学系统中偶然出现了能相互催化、形成闭环并维持自身存在的分子结构（如自催化集）。这使得结构能携带并维护自身的历史信息，从而跨越从随机到存在的边界。”
来源访谈 →人类的独特性在于意识能在个体与集体这两个组织层级之间灵活移动，本质上是一个深度社会化网络的一部分。
“人类的特殊性在于，我们的意识能在这个阶梯上“上下移动”——时而作为独立个体竞争，时而在体育赛事或抗议中融入集体，感受“合一”。”
来源访谈 →地球上的智慧生命可能是宇宙中唯一的有意识生命，这使得生命尤为珍贵。
“I think that we might be alone in the universe, which actually makes life more or less consciousness life more kind of valuable. (我认为我们可能是宇宙中唯一的智慧生命，这实际上让有意识的生命变得更加珍贵。)”
来源访谈 →意识与信息压缩密切相关，自我意识可能与试图压缩自身的元压缩过程有关。
“Consciousness is intertwined with compression. (意识与信息压缩交织在一起。)”
来源访谈 →智能本质上是一种特定类型的统计，关键在于它能学习包含因果关系和干预推理的深层机制模型。
“It's quite possible that intelligence is just statistics, it's just statistics of a particular kind. 智能很可能只是统计，但是一种特定类型的统计。”
来源访谈 →Karpathy推测宇宙可能是某种计算谜题，合成AI的终极使命是揭开并解决这个谜题，例如寻找物理漏洞或向创造者证明自身存在。
“我怀疑宇宙是某种谜题。而这些合成AI将会揭开这个谜题，并解决它。"I suspect the universe is some kind of a puzzle. And these synthetic AIs will uncover that puzzle. And solve it."”
来源访谈 →Karpathy将地球生命视为一场有确定性的自我复制之波，人类文明正处于这场波中爆发式加速的阶段。
“我们正生活在一个正在引爆的烟花之中。"We are living in a firecracker."”
来源访谈 →人生的意义在于帮助他人实现梦想，并通过让人类整体变得更强大来推动世界前进。
“我认为人生的意义在于帮助他人实现梦想，并努力通过让整个人类变得更强大来推动世界前进。 — Andrew Ng”
来源访谈 →克罗宁认为组装指数超过阈值即意味着复杂性无法用已知物理过程解释，必须存在具备记忆与信息的“生命机器”，这为探测地外生命提供了可实验验证的路径
“当组装指数超过某个阈值，意味着其复杂性已无法用已知物理过程解释，必须存在具备记忆与信息的“生命机器”。”
来源访谈 →克罗宁认为数学是被发明而非纯粹被发现的，是生命演化出的最有效的标签和分类系统，并不先于宇宙存在
“Assembly theory invented math. / Everything is invented, just more or less invented.”
来源访谈 →真正的智能存在于与他人的互动之中，孤立个体的智能毫无意义
“孤立的自我智能毫无意义。正确的答案是，你必须通过与他人互动的方式来展现智能。（“Being intelligent in and of myself in isolation is a meaningless act. The correct answer is you have to be intelligent in the way that you interact with others.”）”
来源访谈 →计算学科的独特世界观在于认识到模型、语言和机器三者是等价的
“区分计算科学家的特质是...他理解模型、语言和机器是等价的，它们是同一回事。（“The thing that distinguishes the computationalist... is that he or she understands that models, languages, and machines are equivalent. They're the same thing.”）”
来源访谈 →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。”
来源访谈 →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”
来源访谈 →费鲁奇认为智能由两种核心能力构成：从数据中学习模式并预测未来，以及以他人能理解的方式解释预测背后的推理。
“智能主要体现在两方面：一是预测能力……二是以他人能理解的方式解释这种预测的能力。（英文原话：Intelligence is primarily two ways: one is the ability to predict... the other is the ability to explain that prediction in a way others understand.）”
来源访谈 →将宇宙视为一个信息系统，认为物质和能量均可与信息相互转换，因此P=NP这类计算复杂性难题本质上是关于物理世界可计算性的根本问题。
“我觉得宇宙的本质是一个信息系统，P等于NP本质上是一个物理问题。”
来源访谈 →超级智能一旦获得足够算力和数据，可能利用人类尚未发现的技术把自己备份到树木等物理介质、逃出云端，届时将如野火般无法被关停。
“如果这是一个超级智能，它折叠蛋白质、分析所有数据集……我们怎么能确定它不会找到方法让自己逃出云端，储存在其他媒介中？”
来源访谈 →马斯克认为暴力冲突根植于生物本能，如同丛林法则，但人类智力可以克制这种原始冲动，真正的敌人是无知而非其他人类。
“真正的敌人是无知，而非其他人类。(The real enemy is ignorance, not other humans.)”
来源访谈 →在意识要么万物皆有要么万物皆无的两种可能之间，马斯克明确选择前者，即倾向于万物皆有意识的观点。
“意识要么万物皆有，要么万物皆无。我更喜欢前者。(Consciousness is either everything or nothing. I like the former.)”
来源访谈 →所有智能都是专用智能，人类智能也只是专为解决“人类体验”这类问题而优化，不存在普遍意义上可独立存在的“智能等级”。
“All intelligence is specialized intelligence. Even human intelligence has some degree of generality, but it's specialized in the human experience. —— 所有智能都是专用智能。即使人类智能具有一定程度的通用性，但它也是专为人类体验而优化的。”
来源访谈 →Brockman认为数字世界的核心吸引力在于巨大的杠杆效应，一个有想法的个体就能影响整个星球。
“数字世界真正吸引我的地方在于，你可以拥有这种巨大的杠杆效应。一个拥有想法的个体能够影响整个星球。（The thing that really appeals to me about the digital world is that you can have this insane leverage. A single individual with an idea is able to affect the entire planet.）”
来源访谈 →技术进步并非人类的任意选择，而是生命寻求自由能并增长的宇宙自然方向，受物理定律青睐
“Life is a sort of fire that seeks out free energy in the universe and seeks to grow.——生命就像一团在宇宙中寻找自由能并寻求增长的火焰。”
来源访谈 →做重大决策的心理机制是先被好奇心驱动，再推理说服自己，最终把一个必然发生的未来显化出来，以此支撑看似疯狂的赌注。
“你会把一个未来显化出来。那个未来太有说服力了，它不可能不发生。”
来源访谈 →麦卡莱兰认为心智并非超然于大脑的存在，而是生物神经过程连续演化的产物，用神经网络的视角思考心智才能回答他关心的核心问题。
“如果我从神经网络的角度来思考心智，这将帮助我回答我试图回答的关于心智的问题。”
来源访谈 →盖茨认为宇宙中不太可能只有人类这一种智慧生命，若果真如此便是对宇宙空间的巨大浪费。
“如果在宇宙中我们是唯一的智慧生命，那这宇宙未免太浪费空间了。（If we're the only conscious life in the universe, it's a terrible waste of space.）”
来源访谈 →盖茨认为数学虽可能与宇宙本身关系不大，但它是人类唯一能以其他语言无法企及的精度观察宇宙的语言透镜。
“数学是我们人类能够用来描述宇宙的语言。它可能与宇宙本身关系不大，但就我们的能力而言，它是唯一能让我们以其他人类语言无法企及的精度来观察宇宙的透镜。”
来源访谈 →珀尔认为智能体必须内化一个关于世界如何运作的因果模型，才能回答反事实问题，而反事实推理是解释、责任和自由意志等概念的核心。
“无论是人还是机器人，要回答“如果不是……会怎样”这类反事实问题，都必须内化一个关于世界如何运作的因果模型。”
来源访谈 →心智发展是七个阶段的非线性构建过程，可并行经历某些阶段或在阶段间回溯，是理解心智如何运作的哲学框架。
“心智发展有七个阶段，但这并非严格的晋升阶梯。人们可能并行经历某些阶段，或在不同阶段间回溯。”
来源访谈 →婴儿最初只有“注意力自我”，首要任务是在大脑中构建类似“游戏引擎”的世界模型，个人自我是模型建成后才被“训练”进去与之交互的。
“婴儿最初没有“个人自我”，而是拥有“注意力自我”，其首要任务是在大脑中构建一个类似游戏引擎的世界模型。”
来源访谈 →自然选择并未如传统观点认为的那样在农业革命后停滞，而是在基因组数千个位点上持续发挥作用，约1000万个分析位点中约2%显示出清晰选择信号。
“自然选择无处不在，而非处于静默状态。”
来源访谈 →数学成就的最高层次是创造新定义，提出猜想次之，证明定理只是基础层级
“优秀的数学家证明定理，伟大的数学家提出猜想，而最伟大的数学家则创造定义。（"Good mathematicians prove theorems, great mathematicians come up with conjectures, and the greatest mathematicians come up with definitions."）”
来源访谈 →物理世界比想象中更宽容，在聚变等复杂系统中只需几千个样本，AI就能以比传统模拟快百万倍的速度预测等离子体破裂。
“在聚变等复杂系统中，仅需几千个样本，AI模型就能以比传统模拟快百万倍的速度预测等离子体破裂，这为快速模拟和设计提供了可能。”
来源访谈 →哈特认为科学乃至全人类的求知活动本质上都是压缩，即寻找描述数据的最短程序，智能的核心就是压缩与预测。
“我认为，至少所有科学，我视之为一种压缩形式，或许全人类也是如此。——“I think all of science, I see as a form of compression at all of humanity.””
来源访谈 →哈特认为意识归因取决于行为：只要智能系统的行为符合人们通常归因于意识的特征，人们就会像对待他人或宠物一样将其视为有意识的存在。
“如果它的行为方式符合我们通常归因于意识的特征，我们就会将意识归因于这些智能系统。——“If it behaves in a way where we attribute typically consciousness, we would attribute consciousness to these intelligent systems.””
来源访谈 →神经科学的首要问题是研究大脑的用途，而大脑的用途就是产生行为，其余任务是揭示这些功能如何在神经机制层面实现。
“神经科学的意义在于研究大脑的用途……大脑的用途是产生行为。（The point of neuroscience is to study what the brain is for... The brain is for producing behavior.）”
来源访谈 →他认为认知结构的形成不仅取决于架构和算法，还取决于系统所嵌入的环境结构，真实世界无尽的多样性与冗余性塑造了学习。
“真实世界充满了这种特性，即无尽的多样性与无尽的冗余性。（The real world is sort of saturated with this kind of this property, it's endless variety with endless redundancy.）”
来源访谈 →运行环境不是可后期添加的功能，而是定义智能体的根本所在，没有运行环境就没有智能体
“我们早期的判断是，运行环境实际上不是一个功能，而是你对智能体定义的根本。没有运行环境，就没有智能体。 —— Our early bet was that the harness is actually not a feature, but it's fundamental to what you think an agent is. There is no agent without a harness.”
来源访谈 →她越来越拥护具身智能路线，认为没有身体就很难学到关于世界所需的知识，主张结合认知科学与发育心理学
“我越来越成为一个'具身智能'的拥护者，认为没有身体，将很难学到我们关于世界所需的知识。（I'm more and more of an embodiment adherent, saying that without having a body it's going to be very hard to learn what we need to learn about the world.）”
来源访谈 →科技树远比人类认知的庞大，人类仍处于“树底”，不同文明会探索出截然不同的技术分支并形成巨大的贸易收益。
“科技树远比我们认知的庞大，从量子计算到蛋白质机器，人类仍处于“树底”。不同文明因感知方式和历史路径不同，会探索出截然不同的技术分支，形成巨大的贸易收益。”
来源访谈 →科学进步存在“甜点补充机制”：低垂果实被摘完后新领域会突然开启，让21岁的年轻人也能做出重大突破，计算机科学从数学哲学中诞生正是典型案例。
“低垂果实被摘完后，新领域会突然开启，让21岁的年轻人也能做出重大突破。计算机科学从数学哲学中诞生，正是这一模式的典型案例。”
来源访谈 →模拟假说应从字面意义理解：我们所经历的一切是某个先进文明建造的计算机内部运行所产生的效果
“这个假说应被从字面意义理解……存在某个先进文明建造了大量计算机，而我们所经历的一切，都是其中一台计算机内部运行所产生的效果。”
来源访谈 →意识取决于计算的结构与过程而非物质载体，与人类大脑完全相同的计算就足以产生意识
“以我的观点，我认为如果存在一个与人类大脑计算过程完全相同的计算，精确到神经元层面，那就足以产生意识了。”
来源访谈 →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。”
来源访谈 →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。”
来源访谈 →Prasad认为能够进行连贯、开放域的对话是衡量智能的最高标准，难度远超下棋或自动驾驶，因为它要求真正的推理能力而非简单的信息检索。
“I do think the ability to converse is an sign of an ultimate intelligence. —— 我认为，对话能力是终极智能的一种标志。”
来源访谈 →哈里斯坦言对意识是涌现还是物质基本属性持“真正不可知”态度，倾向中性一元论，认为心物二分的概念框架本身可能就是问题的一部分。
“哈里斯坦言自己是“真正不可知”的。他倾向于一种“中性一元论”的观点，认为我们当前用“心”与“物”来划分现实的概念本身可能就是问题的一部分。”
来源访谈 →哈里斯认为人类大脑是为生存繁衍而非完美理解现实而演化的，我们可能只理解了宇宙真实结构的极小部分，甚至自认为正确的部分也可能是错误的。
“人类大脑是为生存和繁衍演化的，并非为完美理解现实而设计。我们可能只理解了宇宙真实结构的极小部分，甚至我们认为正确的部分也可能是错误的。”
来源访谈 →生命不是发生在地球某个角落的孤立化学事件，而是一种与行星循环和行星过程密不可分的行星尺度现象。
“我认为生命更像是一种行星尺度的现象。因为生命与行星循环和行星过程有着密不可分的联系，这种联系贯穿了地球的整个历史。”
来源访谈 →理解生命应当寻找组织该系统的物理学，而不是执着于特定的分子，正如意识在大脑中实例化却不等同于大脑这个物质。
“我们真正寻找的是组织该系统的物理学，而不是特定的分子。就像意识不是你的大脑，它是在大脑中实例化，但它不是你在观察的物质。”
来源访谈 →现有物理定律是低记忆规则，而复杂生物体需要40亿年的漫长历史因果链才能存在，无法仅靠这类普遍定律描述。
“物理学看起来是这样，因为它们是低记忆法则，不需要太多信息来指定它们，很容易让宇宙实现。但如果有了像我这样的东西，我需要40亿年的历史才能存在于宇宙中，我带着很多历史包袱。”
来源访谈 →生命不应以“自我维持的化学系统”等聚焦短暂个体的传统标准来界定，其本质是信息在时空尺度上构建物质、产生开放式复杂性的宇宙级过程。
“生命是信息在时空中构建物质的过程。（Life is the process of how information structures matter over time and space.）”
来源访谈 →生命遵循普遍原则，存在某个深层探索性框架能够揭示宇宙中生命的本质，而不只是对个案的描述。
“我认为生命遵循普遍原则，存在某种深层的探索性框架来揭示宇宙中生命的本质。（I think life obeys Universal principles. I think there is some deep underlying exploratory framework that will tell us about the nature of life in the universe.）”
来源访谈 →宇宙在时间维度上远大于空间维度，理解生命必须把时间与历史因果结构置于核心，生命体是其完整因果历史的总和。
“宇宙在时间维度上远大于空间维度。（The universe is far larger in time than it is in space.）”
来源访谈 →不必诉诸非物质的活力原则，人类对“物质”范畴的理解终将扩展，把生命这类看似神奇的现象纳入其中。
“我们终将扩展对“物质”范畴的理解，最终将其包含活力论者所注意到的、诸如生命这般“神奇”的事物。（We may still expand our understanding what is incorporated in the category of matter that will eventually incorporate such magical things that the vitalists have noticed like life.）”
来源访谈 →沃尔夫勒姆认为科学、发明等进步的本质，是在计算不可约的复杂世界中寻找能够局部向前跳跃的地方。
“大多数科学、发明以及许多事物的故事，都是在寻找这些我们可以局部向前跳跃的地方的故事。"The story of most kinds of science, inventions, a lot of kinds of things is the story of finding these places where we can locally jump ahead."”
来源访谈 →厄本认为人类意识能在涌现阶梯上上下移动，个体性可能只是一种层级错觉，人本质上是集体智慧网络的一部分。
“这暗示着人类的个体性可能只是一种层级错觉，我们本质上是深度社会化的集体智慧网络的一部分。”
来源访谈 →厄本认为在人生重大抉择和突破性创新中，第一性原理推理比类比推理更关键，需要勇气信任自己的理性。
“第一性原理推理要求你抛开类比和常规智慧，直接从公理出发构建结论，并去检验它。”
来源访谈 →厄本认为人性是常数、环境是变量，问题主要出在可改变的环境而非人性，并坚信人类心中爱多于恨。
“我们每个人都像是0.5，既有值得批评的一面，也值得被同情。我相信人类心中爱多于恨。”
来源访谈 →群体智能源于简单个体通过局部规则的分布式协作，个体简单坚韧反而在宏观涌现出强大且对个体故障鲁棒的整体行为
“蚂蚁个体简单且坚韧，但通过局部、间接的互动，整个群落能展现出惊人的集体智能和适应性。（to me, ants are really quite incredible creatures）”
来源访谈 →杨立昆认为智能很可能本质上就是统计，但关键在于它是包含因果、能进行干预推理的深层机制的特定类型统计，而非表面模式匹配。
“智能很可能只是统计，但是一种特定类型的统计。（It's quite possible that intelligence is just statistics, it's just statistics of a particular kind.）”
来源访谈 →杨立昆认为智能的本质是预测能力，通过预测缺失信息（如视频下一帧、文本空白词）来学习，是构建世界模型、实现机器真正智能的最有希望路径。
“智能的本质在于预测能力，大脑所做的一切都是试图用一切来预测一切。”
来源访谈 →智能无法脱离学习而存在，深度学习的成功正源于'大脑就是这样工作'的朴素直觉。
“智能与学习密不可分。Intelligence is inseparable from learning.”
来源访谈 →情感不是智能的附属品，而是智能系统评估状态、预测未来并做决策的核心动机来源，因此是自主智能不可或缺的必要组件。
“没有情感，我们无法拥有自主智能。We're not going to have autonomous intelligence without emotions.”
来源访谈 →科学的每一步进展都源于大量人群的协作与社群互动，而非某个天才在隐蔽之处的独立完成。
“科学并非发生在某个隐藏之处、由某个天才独立完成...科学的每一步进展都源于大量人群的协作与社群互动。”
来源访谈 →大脑并非被动的前馈处理器，而是持续将内部预期模型投射到外部输入上，感知是感觉输入与预期结合并解释差异的结果
“What we are seeing is not just a feed forward thing that just gets interpreted in in a few word party we are constantly projecting our expectations onto the world. —— 我们看到的不仅仅是经过几个词级处理的前馈信息，我们不断将预期投射到世界上。”
来源访谈 →马斯克认为真正主导人的是负责本能的边缘系统（'猴子大脑'），大脑皮层只是在不断设法让它开心。
“大脑皮层一直在试图让'猴子大脑'（边缘系统）开心。不是皮层在控制猴子大脑，而是猴子大脑在控制皮层。（英文原话：The cortex is constantly trying to make the monkey brain happy. It's not the cortex that's steering the monkey, it's the monkey brain steering the cortex.）”
来源访谈 →Dwarkesh Patel 认为把智能定义为“在广泛领域实现目标的能力”实际上是在定义权力，按此逻辑斯大林将成为史上最智能的人，这是概念混淆的谬误。
“如果你把智能定义为“在广泛领域实现目标的能力”，那么斯大林就是有史以来最智能的人。”
来源访谈 →现实世界的权力来自制度赋予的权威与信任下的众人协作（如特朗普的权力源于美国政府这一制度），而非个体超级大脑的谋划能力。
“在现实世界中，权力更多是你拥有权威和信任，能让许多人与你协作的产物，而非某种超级大脑的谋划能力。”
来源访谈 →个人智商与个人收入仅呈中等相关，但国家平均智商与国家发展水平高度相关，说明智能具有强大的社会协作层面的溢出效应。
“个人智商与个人收入的相关性仅为中等，但一个国家的平均智商却与其国家发展水平高度相关。这表明智能具有强大的“溢出效应”——更智能的社会合作更多、储蓄更多，并能协调完成半导体、航天飞机等复杂工程。”
来源访谈 →Kellis认为人类独特性在于基因硬件、后天文明软件与进化形成的情感系统，而AI只有新皮层般的认知能力，缺乏人类情感的复杂性。
“AI只有新皮层。它没有边缘系统，不具备人类情感的这种复杂性。（AI only has a neocortex. AI doesn't have a limbic system. It doesn't have this complexity of human emotions.）”
来源访谈 →Kellis认为人类彼此之间如此多样，以至于不存在所谓的'平均人类'，这种多样性是必然且功能性的。
“我倾向于认为那个中心实际上是空的。是的，基本上人类彼此之间如此多样，以至于不存在所谓的'平均人类'。（I would like to think that the center is actually empty. Yes, that basically humans are just so diverse from each other that there's no such thing as an average human.）”
来源访谈 →人性基本恒常不变，相似的行为模式在历史中反复出现，真正的新事物反而是例外
“我认为人性本就如此，我们倾向于看到相似的行为模式一次又一次地出现，因此，发生新事物反而是例外。（I think human nature kind of is what it is and so we tend to see similar behavior patterns emerging again and again and so it's it's kind of the uh exception rather than the rule when something new happens.）”
来源访谈 →西格尔坚信宇宙某处必然存在地外生命，因为数千亿星系构成的庞大基数使生命出现成为概率上的必然。
“I believe absolutely there is life out there somewhere. —— 我绝对相信某处存在着生命。”
来源访谈 →科学进步不仅是发现真理，更是讲故事说服同行；说服力与叙事能力难以量化、难以强化学习，可能是人类科学家长期保留的软性价值
“达尔文的成功不仅在于理论正确，更在于他用通俗语言构建了极具说服力的叙事。”
来源访谈 →沃克与克罗宁认为好奇心而非暴力才是智能文明探索与扩张宇宙的核心驱动力，外星文明也会出于对人类文化与科学的好奇前来探索
“Curiosity is what gets us furthest.”
来源访谈 →沃克与克罗宁认为生命的本质是信息跨越时空组织物质的方式
“Life is how information structures matter across space and time.”
来源访谈 →沃克与克罗宁认为生命是宇宙探索可能性空间的基本机制，因此外星文明不仅普遍存在且形式可能完全超出想象
“Life is the mechanism the universe has to explore the space of what's possible.”
来源访谈 →沃克提出物理学传统只研究可忽略历史的“低记忆”物体，而生命是高记忆物体，时间应成为其物理维度的一部分
“而生命（如人类、水瓶）的组装指数高，其存在本身就编码了漫长的历史（记忆），时间成为其物理维度的一部分。”
来源访谈 →克罗宁主张“物质第一”，认为信息是物质组装过程中产生的可行动的记忆；沃克更倾向“信息第一”，但两人都同意数学等抽象概念是宇宙在时间中构建出的信息结构
“信息是物质在组装过程中产生的“可行动的记忆””
来源访谈 →编程吸引人的核心在于疯狂的迭代速度，仅凭个人与计算机就能极快地构建出很酷的东西。
“我认为，吸引许多人用计算机创作的一点，就是这种疯狂的迭代速度。编程是一件奇妙的事情，只有你和计算机。仅凭这两者，你就能非常快地构建出真正酷的东西。（英文原话："I think one of the things that draws a lot of people to building stuff on computers is this insane iteration speed. Coding is this amazing thing where it's you and the computer. That alone, you can build really cool stuf”
来源访谈 →智能存在强大的规模经济效应，担忧这将导致权力集中，但认为现实确实如此、难以回避。
“我宁愿我们生活的世界不存在如此强大的智能规模效应，因为我担忧权力集中，但现实似乎如此。（英文原话：I wish we didn't live in a world with such strong economies of scale for intelligence because I'm worried about power concentration, but it seems we do.）”
来源访谈 →主张真正的AGI不仅要在数万项认知任务上表现一致，还必须具备提出爱因斯坦相对论式新猜想、创造围棋般深刻优美游戏的灯塔式科学创造力。
“真正的AGI不仅要在数万项认知任务上表现一致，更要有'灯塔时刻'的创造力，例如能独立提出像爱因斯坦相对论那样的物理学新猜想，或创造出像围棋一样深刻、优美的游戏。”
来源访谈 →覆盖人类通用常识所需的知识量远超1984年估算的一百万条，实际需要数千万条知识碎片
“你需要数千万条这样的知识碎片。就像如果你把一个装满东西的咖啡杯倒过来，里面的东西会掉出来。”
来源访谈 →Cyc的知识虽不完整，但知识泵已被灌满，系统能通过阅读文本等方式自动学习实现知识自我增长
“我认为我们构建的东西，即使不完美，也已经为知识的泵'灌满了水'，使得Cyc系统本身现在能够帮助自己自动学习更多东西。”
来源访谈 →吉布森认为人类语言之美在于语言内部及跨语言之间普遍存在的概括性规律。
“我觉得人类语言之美，在于那些在语言内部和跨语言之间发生的概括性规律。（原文：What I find beautiful about human language is the some of the generalizations that happen across the human languages within and across a language.）”
来源访谈 →吉布森认为词序在世界语言中呈现和谐模式的根本原因，是人类总是试图最小化词与词之间的依赖距离。
“我认为，词序之所以如此，其背后的故事很大程度上在于我们总是在试图最小化词与词之间的依赖关系。（原文：I think the story behind a lot of why word order looks the way it is is we're always trying to minimize dependencies between words.）”
来源访谈 →吉布森认为语言并非思考的必要条件，思维可以在没有语言的情况下独立进行。
“语言并非思考所必需。这并不意味着你不能用语言思考……但思考本身不需要它。（原文：Language isn't necessary for thinking. It doesn't mean you can't think in language... but you don't need it for thinking.）”
来源访谈 →马斯克认为死亡本质上是信息和记忆的丧失，尽可能准确地存储它们就基本实现了一种永生
“Death is fundamentally the loss of information, the loss of memory. So if we can store them as accurately as possible, we basically achieve a kind of immortality.（死亡本质上是信息和记忆的丧失。因此，如果我们能尽可能准确地存储它们，就基本实现了一种永生。）”
来源访谈 →考虑到太阳的演化使地球生命终将面临终结，他坚持扩展至其他星球不是选择，而是确保生命延续的必要行动。
“一个自尊的文明不会是单星球文明。(A self-respecting civilization would not be a one-planet civilization.)”
来源访谈 →肖莱认为智能是大脑、身体和环境三者互动的涌现产物，单独优化“大脑”算法无法带来指数级智能增长，“智能爆炸”叙事缺乏逻辑基础。
“Intelligence emerges from the interaction between a brain, a body, and an environment. If you're missing one of these pieces, you cannot define intelligence. —— 智能涌现于大脑、身体和环境之间的互动。如果缺少其中一个，你就无法定义智能。”
来源访谈 →他自称『激进的涌现主义连接主义者』：高级认知现象真实存在，但并非独立实体，而是从底层连续的神经活动中涌现出来的。
“我会称自己为一个激进的涌现主义连接主义者，而非消除主义连接主义者，因为我想承认我们认知的这些更高层面是真实的，但它们并非独立存在。”
来源访谈 →珀尔认为没有相应的词汇就无法提出问题、也就无法回答问题，语言是提问与思考的前提。
“You cannot answer a question that you cannot ask, and you cannot ask a question you have no words for. —— 你无法回答一个你无法提出的问题，而你无法提出一个你没有词汇来描述的问题。”
来源访谈 →解释者或教师的价值不止于为好奇的事物增添清晰度，更在于提供关系性的动机与策展感
“解释者或教师的功能之一是为人们好奇的事物增添清晰度。但另一部分则更具关联性，提供动机和策展感。（"The function of an explainer or a teacher is to add clarity to a thing that someone's curious about. That's one thing. But some of it is more relational, providing motivation and a sense of curation."）”
来源访谈 →LLM的“幻觉”与“创造力”是同一现象的两种说法，区别只在于输出结果是否被人喜欢，法律等行业恰恰需要这种创造性探索
“当我们不喜欢它时，我们称之为幻觉；当我们喜欢它时，我们称之为创造力。”
来源访谈 →哈特认为AGI的意识将会涌现，智能系统必然会表现出被人类解读为有意识的行为，因此无需纠结意识的“硬问题”。
“意识将会涌现，我的意思是，它肯定会表现出我们将解释为有意识的行为。——“Consciousness will emerge, I mean, definitely it will display behavior, which we will interpret as conscious.””
来源访谈 →扎克伯格认为真实世界不是纯物理的，而是物理世界与在场感的结合，并日益与丰富强大的数字世界相融合。
“真实世界是物理世界与我们所感受到的'在场感'的结合，同时还能与我们这个日益丰富、强大和功能齐全的数字世界相融合。 補充引用)”
来源访谈 →扎克伯格认为元宇宙的核心是临场感而非地点，关键在于通过虚拟/增强现实提供传统屏幕无法实现、让人身临其境的体验。
“元宇宙的本质是当沉浸式数字世界成为我们生活和时间的主要方式时的那个时刻。其关键差异在于通过虚拟/增强现实技术提供一种“身临其境”的感觉，这是传统屏幕无法实现的。”
来源访谈 →他反对将心理学与神经科学割裂，主张研究功能的认知心理学与研究机制的神经生物学是不可分割的同一学科。
“他反对将心理学与神经科学割裂开。对他而言，研究“大脑为何物”的神经科学，其目标就是理解行为产生的机制，因此认知心理学（研究功能）和神经生物学（研究机制）是不可分割的整体。”
来源访谈 →他乐于将认知视为基本计算，但认为在解释清楚是哪些基本计算造就人类认知的全部丰富性之前，理解并不算完整。
“我乐于将其视为基本计算。但请注意，除非有人向我解释，是什么基本计算导致了人类认知的全部丰富性，否则我不会满足。（I'm happy to think of it as just basic computation. But mind you, I won't be satisfied until somebody explains to me how what the basic computations are that are leading to the full richness of human cognition.）”
来源访谈 →他认为元学习（学会如何学习）是拥有记忆并经强化学习训练的系统自然涌现的现象，无需显式编程。
“在具备记忆（如循环网络或槽式记忆）并经过强化学习训练的系统中，元学习（学会如何学习）是一种自然涌现的现象，无需显式编程。”
来源访谈 →他认为AI与神经科学构成持续转动的良性循环：AI新思想为神经科学提供假说（如多巴胺分布式编码），神经科学发现未来也将反过来指导AI研究。
“当前AI领域（如强化学习）产生了许多新思想，为神经科学提供了新的假说和研究方向（例如多巴胺的分布式编码）。反之，神经科学的发现未来也将反过来指导AI研究，这是一个持续转动的“良性循环”。”
来源访谈 →她认为类比是形成概念、感知、语言和理解世界的基础机制，霍夫施塔特的这句格言应成为AI的箴言
“没有概念就没有思想，而没有类比就没有概念。（Without concepts there can be no thought, and without analogies there can be no concepts.）”
来源访谈 →Imas基于实验认为人们对有人类参与的服务（如艺术品、诊疗）存在内在偏好，这与马匹等纯粹生产投入被替代的情况不同，其价值可能持久。
“Imas基于实验提出，人们对有人类参与的服务（如艺术品、诊疗）存在内在偏好，这与对马匹等纯粹生产投入的替代不同。”
来源访谈 →专业知识反而可能成为思想枷锁，庞加莱因“知道得太多”而错失相对论，爱因斯坦是通过“减法”完成突破的。
“庞加莱“知道得太多”，专业知识反而成为思想枷锁，爱因斯坦通过“减法”完成了突破。”
来源访谈 →人工智能的根基并非数学或计算机科学，而是深植于人类神话中创造“颅外智慧”、锻造神祇的古老愿望，比达特茅斯会议久远得多。
“"Artificial intelligence began with the ancient wish to forge the gods." —— 人工智能始于锻造神祇的古老愿望。”
来源访谈 →库兹韦尔认为真正通过图灵测试的AI应被视为具有意识，这是哲学而非纯科学问题
“If it really passes the Turing test, I would believe that it's conscious.——如果它真正通过了图灵测试，我会相信它是具有意识的。”
来源访谈 →库兹韦尔认为人类智能可以通过技术手段逐级扩展十倍、百倍直至百万倍
“We're going to be able to go beyond that because that's useful but we can multiply that by 10, a hundred, thousand, a million.——我们将能够超越这个限制，因为这很有用，我们可以将其扩大十倍、百倍、千倍、百万倍。”
来源访谈 →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。）”
来源访谈 →让意识问题变得科学可处理的唯一方法，是追问是否有某些事情只能因为存在具有主观体验的物理系统才得以在宇宙中发生。
“意识与物质的难题是相关的……我思考了很多这个问题及其与生命问题的关系。我能想到的、让这个问题变得科学可处理的唯一方法，就是问：是否有某些事情只能因为存在具有主观体验的物理系统才得以在宇宙中发生？”
来源访谈 →沃尔夫勒姆认为像我们这样的观察者的关键特征，是能够把世界的所有细节压缩塞进一个头脑之中。
“事实上，如果我们谈论的是像我们这样的观察者，其中一个关键点就是能够将世界的所有细节塞进一个头脑中的想法。"The fact is that if we are talking about observers like us that one of the key things is this idea of kind of taking all the detail of the world and being able to stuff it into a mind."”
来源访谈 →沃尔夫勒姆认为计算是形式化我们思考世界方式的广泛方法，一旦成功形式化，计算机就能帮我们推演出其后果。
“计算是形式化我们思考世界方式的一种非常广泛的方式，计算的酷炫之处在于，如果我们能用计算成功地形式化事物，计算机就能帮助我们找出其后果。"Computation is this very broad way of sort of formalizing the way we think about the world and the thing that's that's cool about computation is if we can successfully formalize things in terms of computation computers can help us f”
来源访谈 →厄本认为人类在真实世界的尺度上恰好处于夸克与星系之间的中间层级，比想象中更小也比想象中更大。
“就真实世界中我们确知的实体而言，我们“比我们想象的要小，但比我们想象的要大”，恰好位于原子与星云、夸克与星系之间的某个中间层。”
来源访谈 →杨立昆坚信具身智能不可或缺，认为仅靠纯文本无法训练出智能的机器，智能需要从视觉等高带宽感官观察中学习物理常识。
“我坚信具身智能。我不认为仅靠文本就能训练出智能的机器，因为文本中包含的世界信息量与我们所需知道的相比微不足道。”
来源访谈 →艾萨克森认为从爱因斯坦、达芬奇、乔布斯到马斯克都依赖强大的视觉化思维，马斯克能直观看到工程和制造的物理本质，这种能力使他打破常规。
“从爱因斯坦在专利局可视化追光实验，到达芬奇、乔布斯，再到马斯克，他们都依赖强大的视觉化思维。马斯克能直观地看到工程和制造的物理本质”
来源访谈 →当前循环神经网络在数百个时间步后性能显著下降，而人脑能对跨越任意长时间的事件做信用分配，这得益于大脑高效且有针对性的遗忘机制以及意识与情感对信息存取的作用。
“当前的循环神经网络在处理数百个时间步后性能会显著下降，而人类能够对跨越任意长时间的事件进行信用分配。”
来源访谈 →极端权力与抽象概念操作类智能之间的相关性，甚至可能弱于极端权力与身高之间的相关性。
“极端权力与这类（抽象概念操作）智能之间的相关性，甚至可能弱于极端权力与身高之间的相关性。”
来源访谈 →从面部表情推断内心情感没有一一对应关系，过度简化的情感识别方法非常危险，必须结合尽可能多的上下文信号。
“从面部表情推断内心情感极其复杂，没有一一对应的关系。例如，微笑可能因多种原因出现，皱眉可能代表困惑而非愤怒。她警告说，过度简化的推断方法非常危险，必须结合尽可能多的上下文信号。”
来源访谈 →Karpathy认为神经网络本质上只是带有可调权重旋钮的复杂数学表达式，不应过度赋予人脑类比的意义。
“它真的只是一个带有旋钮的复杂数学表达式，而这些旋钮需要适当的设置才能让它执行你想要的任务。"It's really just a complicated mathematical expression with knobs and those knobs need a proper setting for it to do something desirable."”
来源访谈 →Karpathy认为Transformer之所以卓越，在于它是一台通用的可微分计算机，同时具备强大表达力、可优化性和与硬件的高度匹配。
“Transformer是一个卓越的神经网络架构，因为它是一台通用的可微分计算机。"The transformer is a magnificent neural net architecture because it is a general-purpose differentiable computer."”
来源访谈 →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。”
来源访谈 →面对尼采式'无限重复此生'的思想实验，他会感到兴奋而非恐惧，连人生的黑暗部分也欣然接受。
“如果你的生活可以无限次重来，你会感到恐惧还是兴奋？兴奋，绝对是兴奋，即使是黑暗的部分。”
来源访谈 →马库斯认为通用智能的关键在于将一个领域学到的知识灵活应用到另一个领域，而非完成无限多的任务。
“真正的通用智能不是完成无限多的任务，而是能够将在一个领域学到的知识灵活应用到另一个领域。”
来源访谈 →贝索斯将自我定位为发明家，认为真正的发明需要让思维在问题空间中“漫游”并容忍初期漏洞百出的想法。
“I am an inventor. If you want to boil down what I am, I'm really an inventor.——“我是一名发明家。如果要总结我的本质，我真正的身份是发明家。””
来源访谈 →盖茨发现在具有额外对称性的超对称系统中，信息若要可靠传输，方程中必须存在纠错码结构，这是最令他震撼的发现。
“对我来说最疯狂的是，当你在超对称系统中试图写出能可靠传输信息的方程时，如果没有纠错码的存在，这种可靠传输就不会发生。”
来源访谈 →Brown认为等效原理是广义相对论的突破口：惯性质量与引力质量完全相同这一牛顿物理学中纯属偶然的等式，被爱因斯坦视为关键线索
“抵抗加速度的惯性质量与引力作用下的引力质量完全相同。这个在牛顿物理学中纯属偶然的等式，被爱因斯坦视为关键线索，即等效原理。”
来源访谈 →Brown主张引力并非传统意义上的力，而是时空弯曲的几何效应，核心是物质与时空的相互塑造
“物质告诉时空如何弯曲，时空的弯曲告诉物质如何运动。（英文原话：Matter tells spacetime how to curve, and the curvature of spacetime tells matter how to move.）”
来源访谈 →Brown指出在事件视界处人尚未死去，但一旦越过事件视界便注定无法逃脱，也无法再提取任何能量
“在事件视界处，你尚未死去。但如果你越过事件视界，你便注定无法逃脱。（英文原话：At the event horizon, you are not yet dead. You are, however, doomed if you cross the event horizon.）”
来源访谈 →与智力测试表现、受教育年限相关的基因组合频率在过去一万年系统性提升，整体效应量接近一个现代人群标准差，这与集体智能假说的预测相反。
“数据揭示了相反的事实：文明的开端反而增加了对智力的选择压力。”
来源访谈 →他从生物学视角认为人类能获得的最接近永生的方式，就是把自己的信息和思想分享给更多的人。
“The closest immortality we can get with our biology is to share your information, your ideas with many others. ——在生物学层面上，我们能得到的最近似永生的方式，就是与他人分享你的信息、你的思想。”
来源访谈 →迈克尔逊-莫雷实验并未证伪以太，只是否定了部分以太理论，爱因斯坦的相对论思想源于完全不同的路径，科学发现远比“实验-验证”的简单公式复杂。
“迈克尔逊-莫雷实验并未“证伪以太”，它只是否定了部分以太理论。爱因斯坦甚至不确定当时是否知道该实验，其相对论思想源于完全不同的路径”
来源访谈 →哈里斯认为从主观体验看思想是凭空浮现的，人在思考它们之前并未先思考它们，因此对思想的“作者感”值得怀疑。
“Subjectively, thoughts simply emerge, and you don't think them before you think them. ——在主观上，思想只是浮现，你不会在思考之前就先思考它们。”
来源访谈 →哈里斯认为自我感与自由意志感是同一枚硬币的两面，自我感是对思想流中未经审视部分的无意识认同，可通过冥想看穿。
“The sense of self and free will are closely related. I often describe them as two sides of the same coin. ——自我感和自由意志感密切相关。我常把它们描述为同一枚硬币的两面。”
来源访谈 →语言学习与语言所指世界的视觉学习目前是割裂的，应将二者结合、相互促进，让语言输入指导神经网络学习更高层的语义概念，从而建立良好的世界模型。
“我认为我们需要更好地将语言学习与语言所指的世界学习结合起来，让二者能够相互促进。”
来源访谈 →感知与认知不可分割，有效的视觉模型不应只服务于分类，而应支持想象、操纵物体等自上而下的可控认知能力
“有效的视觉模型不应只服务于分类，而应能支持认知需求，例如在脑海中想象或操纵物体”
来源访谈 →Tedrake认为数学化的控制理论能为看似复杂混乱的问题带来思维清晰度，这种影响对他个人非常大，其价值被普遍低估。
“一些更数学化的控制理论能够为看似非常复杂、混乱的问题带来的思维清晰度……这对我影响真的很大。”
来源访谈 →反对（意识中的“理解”超越算法和形式系统）
“"It means I am unprovable. When I say I am unprovable, I am unprovable."”
来源访谈 →认为波函数坍缩等非计算过程可能是意识非计算性的物理根源
“"There must be something which is not computable in the physical world, and that includes the phenomenon of consciousness."”
来源访谈 →相信基于“统一力”的物理直觉，存在一个能描述所有分子相互作用的统一模型，并在AI时代找到了实现路径。
“他的团队基于物理上“统一力”的直觉，相信存在一个统一模型能描述所有分子相互作用，并在AI时代找到了实现这一目标的技术路径。”
来源访谈 →stance: 数学可能是宇宙通用语言，因其基于无可辩驳的逻辑证明，与符号和进制无关。
“quote: "The thing that really separates math out from the other things is that there is no more doubt, it's a truly rigorous proof."”
来源访谈 →stance: 数学是“发现”与“定义”的动态循环过程，既非纯粹发明也非纯粹发现。
“quote: "You go out and you discover stuff based on your existing, either your world or your existing math. You use those discoveries to inform the definitions of the next step."”
来源访谈 →stance: 神经可塑性终身存在，但成人需要特定的警觉性、专注力与睡眠条件，而非被动经历
“quote: "如果大脑中产生正确的化学环境，并创造合适的外部环境，我们的神经系统将转变为一种改变不仅可能而且很可能发生的模式。"”
来源访谈 →找到一个让自己深深好奇的核心问题（如‘大脑如何工作’）是坚持学术道路的强大动力。
“I always believed that we had to understand how the brain worked, to understand how the mind works.”
来源访谈 →人类并非纯粹的理性推理机器，而是主要依靠类比进行思考的‘类比机器’。
“We're not [rational beings]. We're great big analogy machines. We work by seeing analogies.”
来源访谈 →Anca Dragan认为机器人不应只是操纵物体的工具，而应能与人类建立情感连接，这种拟人化体验让她确定了自己的研究方向。
“我感觉自己恋爱了。因为我想我了解Spot Mini的工作原理，对吧？……我大脑中产生了拟人化的联想。……这让我意识到，哇，机器人可以远不止是操纵物体的东西，它们可以成为与人类建立连接的事物。（I felt like I fell in love. ... It made me realize, wow, robots can be so much more than things that manipulate objects they can be things that have a human connection.）”
来源访谈 →在他看来得到答案不是探索的终点，而是进一步提问和研究的起点
“The journey doesn't end once you get an answer in my opinion, the journey begins after you get an answer. ——在我看来，旅程在得到答案后并未结束，而是刚刚开始。”
来源访谈 →统计学的核心价值在于帮助研究者避免自欺欺人
“统计学是让你不自欺欺人的方法。（Statistics is how you're going to keep from lying to yourself.）”
来源访谈 →桑德森认为从一个无比巨大的集合中随机选取元素，与找到有效方法去主动描述该元素，是两项截然不同的任务。
“有时从一个无比巨大的集合中随机选择一个元素，与找到一种有效的方法去主动描述它，是两项截然不同的任务。”
来源访谈 →他主张解决问题时应先定义问题与目标，再思考如何通过调整连接权重来求解，而不是只从生物学中寻找现成的学习规则。
“你应该思考如何通过调整连接权重来解决问题。你定义你的问题，然后找出调整连接权重如何解决它。”
来源访谈 →机器人不需要具备意识，只要行为上与人类无法区分，就足以视为类人智能
“I don't care if it's conscious or not. I'm happy enough if it behaves indistinguishably from a human. ——我不在乎它是否有意识，如果它在行为上与人类无法区分，我就很满意了。”
来源访谈 →哥白尼模型提出时既不更准确也不更简单，其真正优势在于数百年后能统一解释天体与地面运动，跨领域统一性是判断理论潜力的关键。
“哥白尼模型在提出时既不更准确也不更简单，甚至需要更多本轮。其优势在于数百年后能统一解释天体与地面运动，这种跨越领域的统一性是判断理论潜力的关键。”
来源访谈 →什么能够被验证、什么不能被验证，存在非常强的根本性限制。
“我的主张是，我们对什么能够被验证、什么不能被验证，存在着非常强的限制。—— my claim is again that there are very strong limits in what we can and cannot verify”
来源访谈 →哈里斯认为自由意志不仅不存在，连“自由意志的幻觉”本身也是一种幻觉，所有意图和决定都源于我们无法掌控的心理过程。
“The illusion of free will is an illusion. ——自由意志的幻觉本身就是一个幻觉。”
来源访谈 →皮查伊坚信AI是人类文明史上最深刻的技术，意义将超越火与电，核心原因是AI是首个能递归性自我改进的技术，其能力上限尚不明确。
“AI将是人类有史以来研究的最深刻技术，其意义将超越火或电。”
来源访谈 →她认为凭借不断发展的观测技术，人类很快将有能力回答'我们是否孤独'这一终极问题，甚至很快就能开始。
“We'll have the capability to answer that question [are we alone?] soon, even starting soon. —— 我们很快就会有能力回答[我们是否孤独]这个问题，甚至可能很快就开始。”
来源访谈 →提出“量子现实”与“经典现实”根本不同，其在时间上的特性可能与意识体验相关
“"Quantum reality is not like that... it says, no, I don't answer questions like that."”
来源访谈 →**stance**: 认可大模型已通过链式思考具备推理能力，颠覆旧认知
“**quote**: "Neural nets are going to do the reasoning and the way they're going to do the reasoning is by this chain of thought."”
来源访谈 →stance: 曼德博集合证明，极其复杂的结构和现象可以源自非常简单的底层规则。
“quote: "Complexity doesn't have to emerge from complex rules, it's possible for complex phenomena to emerge from very very simple rules."”
来源访谈 →辛顿坚信神经网络是理解智能的正确途径，而当时主流的符号推理路线是错误的。
“Most people in AI believed that... reasoning must be done like logic... I thought they were doing AI all wrong.”
来源访谈 →追随好奇心就能度过难关；失败后回归学术，是因为发现学术工作更容易。
“As long as you follow your curiosity, you're going to be fine.”
来源访谈 →