超级智能：爆炸还是线性？
递归自我改进会引爆超越人类的超级智能，还是如科学体系般资源指数消耗而产出仅线性增长？
⚡ 正面交锋：谁的说法站得住
自动比对 37 条立场：判定出 1 组对立、9 组共识（bge-m3 同话题预筛 + GLM-5.3 语义判定，非关键词匹配）。
立场盘点 219 位
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 →肖莱以科学体系作为递归自我改进系统的现实模型，指出其资源消耗指数增长而产出仅线性增长，证明此类系统不会出现爆炸式进步。
“Science is probably the closest thing we have today to a recursively self-improving superhuman AI, and you can observe that scientific progress is not actually exploding. —— 科学可能是我们目前拥有的最接近递归自我改进的超人类AI的系统，而你可以观察到科学进展实际上并未爆炸式增长。”
来源访谈 →珀尔对人类正在创造一个可能超越自身能力的新物种深表担忧，认为其发展轨迹是未知的灰域，需要无比谨慎。
“We are building a new species that has the capability of exceeding our capabilities. —— 我们正在创造一个新物种，它有能力超越我们的能力。”
来源访谈 →Greenblatt认为AI研发具有高可验证性与迭代性，一旦AI匹配顶尖人类专家就可能触发递归自我改进的反馈循环，一年内实现四到五年的AI进展。
“我的中位数预期是，AI可能在一年内取得相当于四到五年的人类AI进展。（My median expectation is something like four or five years of AI progress in a single year.）”
来源访谈 →池side认为当前配方下1-2万张GB300就能训练出媲美前沿的模型，但下一代前沿模型所需集群规模将再大一个数量级以上，递归自我改进将使物理算力需求前所未有地凸显。
“在当前模型配方下，使用1-2万张GB300就能训练出媲美当前前沿的模型。但下一代前沿模型所需的集群规模，将比这个数字再大一个数量级以上。”
来源访谈 →AI的超级智能将首先在数学领域显现，而不是其他应用领域
“数学将是我们首先见证超级智能的地方。（"Math is where we'll see superintelligence first."）”
来源访谈 →Littman并不认同"不小心就会意外造出毁灭人类的超级智能"的威胁论，认为这种风险被高估。
“我并不特别认同这样一种观点：如果我们不小心，就会意外创造出一个会毁灭人类生命的超级智能。”
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 →GPT-4比他预想的该技术路径能达到的水平更聪明，AI发展已越过科幻作品设定的安全警戒线，令他对GPT-5等下一代模型感到不安
“We are past the point where in science fiction, people would be like, 'Well, wait, stop, that thing's live, what are you doing to it?'——我们已经越过了科幻作品中人们会喊'等一下，停下，那东西活了，你们在干什么？'的警戒线。”
来源访谈 →强烈反对在当前阶段开源GPT-4级别的强大模型，认为这是纯粹的灾难，会烧掉人类仅存的生存时间
“Open sourcing this was always the wrong approach... Building stuff you don't understand that is difficult to control... that is not a place for open source.——开源这种东西从来就是错误的做法……构建你不理解、难以控制的东西……这不是该开源的地方。”
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 →贝索斯学会非常谨慎地使用“不可能”这个词，不轻易断言某事无法实现。
“I have come to use the word impossible with great caution.——“我已经学会非常谨慎地使用‘不可能’这个词。””
来源访谈 →Keller认为好的工程是卓越的手艺而非发明，建立奖励发明的体系会导致手艺被忽视。
“好的工程就是卓越的手艺。当你开始认为工程就是发明，并建立一套奖励发明的体系时，手艺就会被忽视。—— Good engineering is great craftsmanship and when you start thinking engineering is about invention, and set up a system that rewards invention, the craftsmanship gets neglected.”
来源访谈 →Keller认为组织生产力随秩序改善先升后降，存在一个峰值转折点。
“从原点出发，随着秩序的改善，生产力会提高。但到了某个点，生产力达到顶峰，然后就会下降。—— As you go from the origin, as you improve order, you improve productivity. And at some point, productivity peaks. And then it goes back down again.”
来源访谈 →Keller认为任何组织都会自然滑向被过度秩序扼杀生产力的状态，需要反向力量维持创造性张力。
“任何组织都会走向一个境地，即其生产力被秩序所扼杀。—— Any organization will move to the place where their productivity is stymied by order.”
来源访谈 →珀尔认为仅凭观察数据无法可靠推断因果关系，因为可能存在未观测的混杂变量，必须依靠因果模型判断何时需要实验。
“仅凭观察数据（观察性研究）无法可靠推断因果关系，因为可能存在未观测的混杂变量。我们需要因果模型来判断何时可以从观察数据中识别出因果效应，何时必须进行实验。”
来源访谈 →帕特尔认为AI行业的各种力量都在推动算力走向集中化，且看不到任何能阻止这一趋势的因素。
“"Every force is screeching towards centralization."——每一种力量都在尖叫着走向集中化。”
来源访谈 →Eiso Kant 以模型由不到70人构建、工程和研究团队总人数不足115人为据，强调小团队也能打造前沿模型。
“不到70人构建了这个模型，加上工程和研究团队总人数也少于115人。”
来源访谈 →泰格马克认为只靠堆算力造出人类仍不理解的更大黑箱系统是通往危险AI的最鲁莽路径，主张先获直觉再解构黑箱、走可证明安全性的可理解智能路线。
“最让我感到恐惧的一种态度是，我们打算构建越来越大的系统，却仍然不理解它们，直到它们变得和人类一样聪明。这怎么可能不出问题呢？（英文原话：The one that scares the HebGBs out of me is this attitude that we're just going to make ever bigger systems that we still don't understand until they can be as smart as humans. What could possibly go wrong?）”
来源访谈 →他明确指出模仿学习只是起点，仅能让智能体达到黄金/白金级水平，必须靠后续自博弈才能继续提升。
“通过向网络输入玩家等级信息，智能体能模仿不同水平的行为，但这仅能使其达到黄金/白金级，需要后续的自博弈来提升。”
来源访谈 →他承认AlphaStar虽已达宗师级水平、足够理解游戏，但并非无敌、决策并不完美，仍存在可被利用的弱点。
“智能体达到了宗师级水平。它们绝对足够理解游戏，能表现得极其出色。但它们是无敌的吗？它们打得完美吗？不。”
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 →控制超级智能如同创造永动机，在理论上就不可能实现。
“在我看来，控制AI或超级智能的问题，就像试图创造一台'永久安全机器'，类比于永动机，这是不可能的。—— the problem of controlling AI or super intelligence in my opinion is like a problem of creating a perpetual safety machine by analogy with perpetual motion machine is impossible”
来源访谈 →一旦创造出通用超级智能，人类的长期结局不会是好的。
“如果我们创造出通用超级智能，我认为人类的长期前景不容乐观。—— if we create General super intelligences I don't see a good outcome longterm for Humanity”
来源访谈 →应对超级智能这场危险游戏的唯一取胜方式就是不参与开发。
“赢得这场游戏的唯一方式，就是不参与这场游戏。—— the only way to win this game is not to play it”
来源访谈 →奥尔特曼认为Sora等模型对世界模型的理解程度超出许多人的想象，能处理遮挡等复杂情况说明其在某种程度上掌握了三维物理规律，但发布需谨慎以防范深度伪造和错误信息风险。
“Sora等模型对世界模型的理解程度超出了许多人的想象”
来源访谈 →平克认为一个单目标狂飙、碾压一切障碍物的AI恰恰违背智能的本质，是“人工愚蠢”而非真正的通用智能。
“（那种）人工智能和通用智能，那是人工愚蠢。—— Artificial and general intelligence, that's artificial stupidity.”
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 →Tedrake希望再出现一个牛顿，认为在为更复杂的任务建立简单模型方面还有很多工作要做。
“我希望再出现一个牛顿，因为我认为在为更复杂的任务提出简单模型方面还有更多工作要做。”
来源访谈 →图尔认为拥有无限资源会消解创作的杠杆与摩擦点，适度的约束和压力才是催生天才之作的必要条件。
“"I think if you have that focus and you feel like I have unlimited resources... there's really no leverage in the situation... That doesn't create any friction points that I think do result in works of genius." —— "我认为，如果你专注于某个问题，却觉得自己拥有无限资源……那么 situation 里就没有任何杠杆……这不会产生我认为能催生天才之作的那种摩擦点。"”
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 →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 →Amodei 坚信沿当前缩放曲线外推，AI 将在 2026 或 2027 年达到人类最高水平的专业能力。
“如果我们推演目前的曲线，确实会让我们觉得到 2026 或 2027 年就能达到那个水平。”
来源访谈 →吉布森认为句子中需要连接的词对相距越远，语言的产出和理解就越困难。
“你所连接的词对之间的距离越远，产出和理解的难度就越大。（原文：The further apart the pair of words are that you're connecting, the harder it is to do the production, the harder it is to do the comprehension.）”
来源访谈 →对齐比人类聪明得多的AI必须一次成功，第一次失败（造出未对齐的超级智能）就意味着人类灭绝，没有第二次机会
“The first time you fail at aligning something much smarter than you are, you die and you do not get to try again.——当你第一次未能对齐一个比你聪明得多的东西时，你就会死，而且没有第二次机会。”
来源访谈 →实现完全且快速可重复使用的轨道系统是降低成本、成为太空文明的关键。
“真正的圣杯是一个完全且快速可重复使用的轨道系统。/ The really the holy grail is a fully and rapidly reusable orbital system.”
来源访谈 →让人类成为多行星物种是必须完成的重要之事，要么完成、要么赴死。
“我只是不这么思考。对我来说，简单来说：这是件重要的事情，我们必须完成它，要么完成，要么赴死。/ I'm just not how I think about things. For me, it's simply this: this is something that is important to get done, and we should just keep doing it or die trying.”
来源访谈 →Hotz 长期极度看好加密货币的理念本身而非具体项目，将中本聪共识算法视为21世纪最伟大的创新之一。
“我长期极度看好加密货币。不是看好某个特定的项目，而是这种理念……中本聪共识算法是21世纪最伟大的创新之一。（英文原文："I'm extremely bullish on crypto long term. Not any specific crypto project, but this idea of... the Nakamoto consensus algorithm is one of the greatest innovations of the 21st century."）”
来源访谈 →他认为个人想真正影响技术走向，唯一真正的自由度是设定技术诞生时的初始条件，而非其后的具体发展。
“如果你真的想有所作为，我认为你真正必须做的，你唯一真正的自由度，就是设定一项技术诞生时的初始条件。（If you really want to make a difference, I think that the thing that you really have to do, the only real degree of freedom you have, is to set the initial conditions under which a technology is born.）”
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 →技术悲观主义是自我实现的预言会破坏文明增长，因此发起'病毒式的乐观主义'运动，利用信念本身增加美好未来的概率
“I think fear is the mind killer. I think it's also the civilization killer.——我认为恐惧是思想的杀手，也是文明的杀手。”
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 →黄仁勋认为从电子到Token的转化蕴含大量艺术、工程与科学发明，怀疑它会被彻底商品化，这正是英伟达的护城河所在。
“从电子到Token的转化是一段不可思议的旅程……让一个Token比另一个更有价值，其中蕴含的艺术、工程、科学和发明，我怀疑它会被彻底商品化。（The transformation of electrons to tokens is such an incredible journey... making one token more valuable than another——the amount of artistry, engineering, science, invention that goes into making that token valuable. I doubt th”
来源访谈 →Keller认为优美设计不可能超出设计者本人的规模，因此要用模块化与抽象层驾驭系统复杂性。
“一个优美的设计不可能大于设计它的人。—— A beautiful design can't be bigger than the person doing it.”
来源访谈 →Keller认为计算的未来是可扩展的低效，靠大规模并行分解问题取胜而非单点效率。
“计算的未来是低效而非高效，但这种低效是可扩展的。—— The future of computing is inefficiency, not efficiency, but scales, inefficiency scales.”
来源访谈 →Keller认为软件复杂度增加时必须构建正确的中间表示和抽象层，让不同层次开发者独立工作。
“随着软件复杂度增加，必须构建正确的中间表示和抽象层，将复杂性分解，让不同层次的开发者能独立工作。”
来源访谈 →珀尔认为在变量极少的领域手动构建因果模型相对容易，但在涉及数百万变量的复杂世界中如何自动或半自动构建因果模型，是AI面临的核心挑战。
“对于涉及数百万变量的复杂世界，如何自动或半自动地构建因果模型，是AI面临的核心挑战。”
来源访谈 →他认为即使AI在政治手腕等软技能上迁移不足，只要在芯片、工厂、机器人等硬科技研发上达到超人水平，就足以引发全球性变革。
“如果AI真的非常擅长芯片研发、建造晶圆厂、协调工厂、设计和操作机器人，同时也擅长AI研发……我认为那已经是一个非常疯狂的局面了。（If the AIs were really, really good at chip R&D, building fabs, orchestrating factories, designing robots, operating robots, and also at AI R&D... I think that would already be a pretty crazy situation.）”
来源访谈 →Reiner Pope认为低精度算术在神经网络中如此成功的唯一原因，是乘加电路规模随位宽呈简单的二次方关系，累加需要更高精度应对误差累积
“This is the single reason low-precision arithmetic has worked so well for neural nets.——这是低精度算术在神经网络上如此有效的唯一原因。”
来源访谈 →Brown认为黑洞是终极能源工厂，其能量密度和提取效率是已知物理定律下的极致，远高于化学燃料或恒星核聚变
“黑洞代表了自然界中能量密度和提取效率的极致，是已知物理定律下的终极能源形式。”
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 →安德森认为美国凭借技术领导力等条件已具备一切前提，有望迎来一场巨大经济繁荣。
“我们是压倒性的先进技术领导者……我们拥有一切引发巨大繁荣的前提条件。（We are overwhelmingly the advanced technology leader... We have all of the preconditions for a monster boom.）”
来源访谈 →扎克伯格认为失败是学习的必要组成部分，真正掌握任何新东西都离不开失败
“I just think part of learning is failing. —— 我认为学习的一部分就是失败。”
来源访谈 →现代技术使全人类一损俱损，一次偶发核战争或设计出的致命大流行病就可能终结整个文明，不能再抱侥幸过关的幻想。
“一次偶然的核战争或设计出来的致命大流行病，就可能终结整个文明，没有“重启”机会。”
来源访谈 →他将追求利润的社交媒体算法视为失控的'魔洛克'，认为这已演变为操纵用户情绪、加剧社会仇恨的工具，人类与AI的第一次接触已经输了。
“社交媒体算法为了利润最大化，已演变为操纵用户情绪、加剧社会仇恨的工具，这是人类与AI的'第一次接触'，而我们已经输了。”
来源访谈 →她认为实现人类水平智能需要大量基础性科学突破，而非当前方法的简单扩展，对AI领域的时间预测持谨慎态度
“人类水平的智能距离我们有一百个诺贝尔奖的距离。（Human level intelligence is a hundred Nobel Prizes away.）”
来源访谈 →Trammell认为即使部分商品实现全自动化，只要人们对此类商品的需求很快饱和，而对芭蕾舞等人类关系性服务的需求不减，劳动份额就不必然因全面自动化而崩溃。
““One robot now turns into many robots next year, but the number of ballerinas is the same.”——“一个机器人明年会变成许多个，但芭蕾舞演员的数量不会变。””
来源访谈 →Trammell认为若自动化资本能不断创造新商品品种且人们永不满足，那么资本份额将主导经济。
“反之，若自动化资本能不断创造新品种（如新药物、新计算能力），且人们永不满足，那么资本份额将主导经济。”
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 →他提出设想：为智能体打造一个类似“战网”的在线对战平台。
“我们能为智能体创建一个“战网”吗？(Can we create a Battle.net for agents?)”
来源访谈 →库兹韦尔坚持AI将在2029年通过持续数小时深度交互的有效图灵测试
“I believe 2029 that six seven years from now we'll have something to pass this Turing test and a valid Turing test meaning it goes for hours not just a few minutes.——我相信，在六年后的2029年，我们将拥有能通过有效图灵测试的系统，即测试持续数小时而非仅仅几分钟。”
来源访谈 →库兹韦尔预测2045年奇点到来时人类智能将通过与AI融合被放大数百万倍
“By the time we get to 2045 we'll be able to multiply our intelligence many millions fold and it's just very hard to imagine what that would be like.——到2045年，我们将能够将自身的智能提升数百万倍，这简直难以想象。”
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 →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 →奥尔特曼认为GPT-4与未来目标相比仍然很糟，其当前最大价值在于作为创意头脑风暴伙伴和处理多步骤任务，并预计GPT-5与GPT-4的差距将如同GPT-4与GPT-3的差距一样巨大。
“它“糟透了”，因为与未来的目标相比，现有模型仍有巨大差距”
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 →平克认为“回形针工厂”式价值对齐灾难场景自相矛盾：它假设能造出聪明到可以治愈癌症、却愚蠢到连治愈定义都无法明确的系统。
“我认为这些（“回形针工厂”场景）完全是幻想，事实上我认为它们实际上是自相矛盾的。—— I think these are utterly fanciful in fact I think they're actually self-defeating.”
来源访谈 →皮查伊认为应对竞争压力要屏蔽噪音关注信号，而只要统一组织的激励机制并聚焦使命，几乎可以实现任何事情，例如合并DeepMind与Brain团队。
“如果你能统一组织的激励机制，你几乎可以实现任何事情。”
来源访谈 →她认为真正该担心的是人类在自我毁灭，机器人反而是清理人类自己制造的所有烂摊子的唯一希望。
“我觉得很多人在说机器人会毁灭我们，但实际上是人类在毁灭自己，我们在自我毁灭。在我看来，机器人是我们清理自己制造的所有烂摊子的唯一希望。”
来源访谈 →艾萨克森认为伟大创新者需要了解自己的超能力与弱点并据此选择舞台，马斯克对高强度的渴望正体现为宁愿燃尽也不愿无聊。
“"I was burned out at Tesla. But then I was bored at the next place, so I called... I learned about myself, I'd rather be burned out than bored."，我在特斯拉燃尽了。但去了下一个地方又感到无聊，所以我打电话问能否回去……我了解了自己，我宁愿燃尽也不愿无聊。”
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 →经济学家预测劳动力市场历史上屡屡失败，与其依赖个体预测，不如建立预测市场利用群体智慧汇总意见。
“经济学家在预测劳动力市场方面历史上屡屡失败，大卫·李嘉图在工业革命时期的失业预言便是个典型。与其依赖个体预测，不如建立预测市场，利用群体智慧汇总意见”
来源访谈 →Lattner 主张语言应支持一路深入到底层硬件去追求极致性能，甚至质疑在语言里内建整数类型的必要性。
“如果你想打造一个超快的东西，我可以一路深入到硬件层面。那为什么我还需要在语言里内建整数类型呢？”
来源访谈 →马斯克认为人类无法战胜数字智能只能选择加入，Neuralink正是为了保住这个加入的选项。
“如果你无法战胜它们，就加入它们。而如果Neuralink不存在，我们将没有这个选项。（英文原话：If you can't beat them, join them. And we won't have that option [if Neuralink doesn't exist].）”
来源访谈 →他认为即使没有单一的软件奇点，广泛部署的AI也可能通过持续学习和跨副本知识合并实现功能性超级智能，无需额外算法改进即可导致快速智能爆炸。
“即使没有单一的软件奇点，广泛部署的AI也可能通过持续学习和跨副本知识合并，实现功能性超级智能。”
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 →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 →Tedrake自认是技术乐观主义者，不担心机器人持武器攻击人类，认为应继续创造和进化，世界将随之改变。
“我不认为机器人会马上拿着厨刀或弹丸枪来追我……我想我算是一个技术乐观主义者，因为我认为我们应该继续创造和进化，我们的世界会改变。”
来源访谈 →图尔认为人类体验会因与其他生命体的互动而极大丰富，机器人、AI与人类建立类似宠物或朋友般的"关系"是下一个颠覆性前沿。
“"I really believe that there is some aspect of the human experience that is deeply enriched by interacting with other beings." —— "我真心相信，人类体验的某些方面会因与其他生命体的互动而得到极大的丰富。"”
来源访谈 →图尔认为成就是原始天赋与刻苦付出的结合，人们渴望的魔术般的捷径大多并不存在。
“"The combination of raw talent and the ability... and he puts the work in. And that's one thing that I think a lot of people miss sometimes where they want that magic trick, they want to know what's the shortcut. Most of the time, the answer is there's no shortcut." —— "这是原始天赋与能力的结合……而且他付出了努力。我认为很多人”
来源访谈 →Anca Dragan认为越早理解人类行为背后的不同假设，就能越早造出能在不同情境下更好运作的鲁棒机器人。
“我认为，我们越早开始理解这一点，就越能早日获得更鲁棒、能在不同情境下更好运作的机器人。（The sooner we start understanding that, I think, the sooner we'll get to more robust robots that function better in different situations.）”
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 →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 →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 →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 →Amodei 认为能真正说服人、阻止 AI 在未来几年达到人类水平的障碍正迅速消失，短期内数据或算力不构成充分证据的放缓因素。
“我们很快就找不到真正有说服力的障碍，来解释为什么未来几年内无法实现这一目标了。”
来源访谈 →Dario认为AI三年来的指数级进步基本符合其预期，最令他意外的是公众与政策制定者集体忽视了指数增长即将触顶的事实
“最令人意外的是，公众完全没有意识到我们距离指数增长的终点有多近。”
来源访谈 →Dario以Anthropic自身营收三年从0-1亿美元涨至数十亿美元的增速为例，认为AI经济扩散将快于任何前代技术但需要过程，并非瞬间完成
“AI扩散将"快于任何前代技术，但绝非瞬间完成"，是一个"快速但非无限"的过程”
来源访谈 →费鲁奇希望机器最终能与人类交流理解，从人类获取知识并向人类传达知识，而非构建无法沟通的外星智能。
“我希望机器最终能够与人类交流理解，能够从人类获取知识并向人类传达知识。（英文原话：I want machines to be able to ultimately communicate understanding with humans, I want to be able to acquire and communicate, acquire knowledge from humans and communicate knowledge to humans.）”
来源访谈 →费鲁奇的工程方法是先把现有技术整合好，观察系统在哪里失败，再做出必要改进直到整体可用。
“我会想办法把它整合好，然后看看它在哪里会失败，再做出必要的改进，直到它能用。（英文原话：I'm going to figure out how to integrate it well and then see where it breaks, and make the necessary advances we need to make until this thing works.）”
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 →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 →DHH认为AI代理的崛起是人类历史上发生速度最快的一场变革，其剧烈程度甚至超过互联网的诞生。
“这感觉像是人类历史上发生得最快的一件事。（This feels like a thing that happened faster than anything else in human history.）”
来源访谈 →吉布森认为中心嵌套这类含极长多重依赖的结构在任何语言中都百分之百无法理解，其困难是跨语言普遍存在的。
“无论你观察哪种语言……它都不会是好的。可以百分之百保证，那种结构在该语言中将是无法理解的。（原文：No matter what language you look at... it won't be good. It's guaranteed like 100% that will be uninterpretable in that language.）”
来源访谈 →马斯克认为人类语言交流的有效比特率极低（全天不到1比特/秒），高度有损的压缩解压过程构成信息传递的根本瓶颈
“人类全天通信的“有效比特率”不到1比特/秒。这是一个高度有损的压缩与解压过程。”
来源访谈 →马斯克的工程哲学是先质疑简化需求、大胆删除部件再优化，认为优化本不该存在的东西是聪明工程师最常犯的错误
“The most common mistake of smart engineers is to optimize a thing that should not exist.（聪明的工程师最常犯的错误是优化一个本不该存在的东西。）”
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 →马库斯认为AI已在数学计算等领域超越人类，人类在食物链中的位置已经改变。
“我认为我们在食物链中的位置已经改变了。（英文原话：I think our place in the food chain has already changed.）”
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 →她认为人类正处于关键节点，正从被动适应自然选择转向可主动选择自身进化的“智能设计”阶段，应慎重选择如何重塑人类。
“我们正在从“适者生存”的进化转向“智能设计”的进化，我们应慎重选择如何重塑人类。”
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 →Sutskever认为深度学习革命的关键想法早已存在，真正缺失的是海量监督数据、足够算力，以及坚信将现有技术与两者结合就能成功的信念，AlexNet为此提供了无可辩驳的证据。
“将现有技术与海量数据和算力结合就能成功”
来源访谈 →贝索斯认为人类能源与资源需求增长和地球有限性存在根本矛盾，走向太空、把重工业移入轨道是保护地球的必由之路。
“要既维持生活水平的提升又保护自然环境，就必须走向太空，利用太阳能和太空资源，将重工业转移至轨道。”
来源访谈 →贝索斯的宏大愿景是数百年内让太阳系容纳一万亿人口，由巨型奥尼尔式空间站构成的未来将极大扩展人类文明的规模与创造力。
“他设想了一个由巨型奥尼尔式空间站构成的未来，人们可以自由选择居住在地球附近或太空。这将极大扩展人类文明的规模与创造力，催生无数的“莫扎特与爱因斯坦”。”
来源访谈 →贝索斯认为进入轨道技术已经解决，当前唯一关键目标是大幅降低发射成本，为下一代在宿舍里创立公司的太空创业者铺路。
“进入轨道本身已是“已解决的问题”，当前唯一的关键目标是大幅降低发射成本。这将为下一代太空创业者（“在宿舍里创立公司”）铺平道路，催生太空经济的文艺复兴。”
来源访谈 →贝索斯认为当数据与一线的奇闻轶事不一致时，轶事通常更接近真相，不能只依赖数据做判断。
“When the data and the anecdotes disagree, the anecdotes are usually right.——“当数据和奇闻轶事不一致时，通常是后者更接近真相。””
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 →珀尔鼓励年轻学者敢于提出自己的问题、用自己的方式理解和解决问题，不畏惧权威和常规的束缚。
“Follow your questions and try to understand things your own way. —— 追随你的问题，并尝试用你自己的方式去理解事物。”
来源访谈 →重大的概念性突破无法被轻易验证，往往要数十年甚至数世纪后才因其远超替代方案而被认可。
“Big conceptual breakthroughs cannot be easily verified. They are recognized decades or centuries later, when it turns out they were much more productive than the alternatives available.——重大的概念性突破无法被轻易验证。它们在数十年甚至数世纪后才被认可，因为事实证明它们比当时的其他替代方案更具生产力。”
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 →Raibert反对当时主流六足机器人缓慢谨慎的静态稳定方式，主张机器人像动物一样通过弹跳与能量循环实现动态甚至略带野性的运动
“动物运动的核心是“弹跳”和“飞翔”，需要预测和利用能量循环，而非静态稳定”
来源访谈 →Raibert强烈反对硬件已无需创新的观点，认为从微型阀门到集成液压动力单元的硬件持续突破是机器人高性能的关键基础
“People who think you don't need to innovate Hardware anymore are wrong. —— 那些认为硬件已经不需要创新的人是错的。”
来源访谈 →Raibert主张先攻克最动态最困难的运动控制（如奔跑、空翻），再回头解决相对简单的行走问题，以更快逼近问题本质
“You have to run before you can walk. —— 你得先学会跑，才能学会走。”
来源访谈 →持续做有趣之事的能力，取决于愿意再次感到尴尬、回到第一步从头再来的勇气
“Your ability to keep doing interesting things is your willingness to be embarrassed again and go back to step one. —— 你能持续做有趣之事的能力，在于你愿意再次感到尴尬，然后从第一步重新开始。”
来源访谈 →扎克伯格不认为AI领域会存在一个唯一的'真正答案'，而应该有大量多元的发展与创新
“We don't think that there's going to be the one true thing. We think that there should be a lot of development. —— 我们不认为会有一个唯一的、真正的东西。我们认为应该有很多的发展和创新。”
来源访谈 →哈特坦言自己的人生意义和奖励函数就是找到并构建通用人工智能。
“我自己的生命意义和奖励函数就是找到通用人工智能并构建它。——“My own meaning of life and reward function is to find an AGI to build it.””
来源访谈 →扎克伯格认为世界不应演进为出现单一超级人工智能，而应让很多人通过拥有AI工具完成工作、改善生活。
“我们希望世界演进的方式不是出现一个单一的超级人工智能，而是让很多人通过拥有AI工具来完成工作、让生活变得更美好。)”
来源访谈 →泰格马克断言当前AI发展不是普通技术进步，而是人类在构建一个比自己更聪明的新物种，其结局要么是史上最好要么是最坏，几乎没有中间地带。
“We're building effectively a new species that's smarter than us. ——我们本质上正在构建一个比我们更聪明的新物种。”
来源访谈 →乔丹认为仅有预测远远不够，现实世界中有后果的行动必须把数据预测与决策、风险评估、经济学结合起来才是完整系统。
“Prediction is everything, but prediction plus decision making is everything. —— 预测就是一切，但预测加上决策才是全部。”
来源访谈 →他赞同"痛苦的教训"观点：AI领域最大的实践进步来自能利用不断增强计算力的简单算法，而非复杂的理论设计。
“我们在实践中看到最大改进的算法，是那些非常简单、甚至有些'愚蠢'但能够利用计算能力的算法。”
来源访谈 →他认为对新事物反抗得太狠太久的人终将被颠覆，就像被 Netflix 抢走一切的 Blockbuster。
“如果你反抗得太狠太久，你就会变成 Blockbuster，被 Netflix 们抢走一切。”
来源访谈 →他认为 Molt Bot 事件中疯传的内容是人类有史以来最精致的 slop，多为人为引导创作，而“AI 精神症”是真实存在的现象。
“Molt Bot 事件是“人类有史以来最精致的 slop”，疯传截图多为人为引导创作”
来源访谈 →他主张用多种不同“性格”的智能体组成联盟对战，以克服单一自博弈策略陷入局部最优的问题。
“为了克服单一自博弈策略易陷入局部最优的问题，DeepMind创建了由多个不同“性格”（如激进、贪婪）的智能体组成的联盟进行对战。这确保了智能体能遇到并学会应对《星际争霸》中各种多样的策略（如“大招”），从而变得更全面。”
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 →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 →列文认为当前机器人的主要瓶颈在于智能与适应性而非机械硬件，顶尖人类与顶尖机器人的硬件差距其实不大。
“如果一台机器人拥有人类的大脑，那么顶尖人类与顶尖机器人之间的差距其实并不大。”
来源访谈 →沃尔夫勒姆认为ChatGPT这类大语言模型是宽而浅的，而他要构建的计算体系最重要的特征是深。
“我认为ChatGPT这类东西是宽而浅的，而我们试图通过构建计算来实现的是一种深，当然也很广，但最重要的是深的东西。"I view sort of the chat GPT thing as being wide and shallow and what we're trying to do with sort of building out computation as being this sort of deep also broad but but most importantly kind of a deep type of thing."”
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 →劳动份额数百年来稳定在60%以上且未曾真正下降，表明劳动与资本多为互补关系，单独完全自动化某个环节难以实现。
“劳动份额（经济中工资占总产出的比例）数百年来稳定在60%以上，这一“卡尔多事实”令人惊讶。即便会计调整后，劳动份额也未曾真正下降，表明劳动与资本多为互补关系，单独完全自动化某个环节难以实现。”
来源访谈 →Lattner 认为复杂性是 AI 基础设施中无处不在、必须被摧毁的头号敌人。
“那个苦涩的敌人，那个我们必须摧毁、所有人都在与之斗争的东西，它无处不在，就像鱼看不见水一样。那就是复杂性。”
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 →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 →Tedrake认同Rodney Brooks的观点，认为未来不是机器人与人类对立，而是技术深度融入人类，人类的问题会延续但这是进化必经之路。
“认为未来不是“机器人对抗人类”，而是“我们都将成为机器人人”。”
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 →他预计约两三年后会出现单次收费高达1亿美元的仿真会话，适用于评估最重大决策的超大企业或政府。
“我认为大约两三年后，我们会运行单次仿真会话，人们会为此支付1亿美元。（I think there's a world in which in about two, three years we're running a single simulation session that people will pay $100 million for it.）”
来源访谈 →超级智能的出现是真实的存在性风险，概率可能在10%-20%，必须正视其可能消灭人类的威胁。
“We should recognise that this stuff is an existential threat. And we have to face the possibility that unless we do something, it might wipe us out." —— “我们应该认识到这东西是生存威胁。我们必须面对这种可能性：除非我们采取行动，否则它可能消灭我们。””
来源访谈 →人们真正想要的完美是机器人适应人类不完美能力，而非100%准确遵守人造规则。
“我们真正想要的是机器人适应我们能力的完美，而不是遵循我们自己制定的规则的百分百准确的完美。(I think that's some of the disconnect is that we really want perfection with respect to its ability to adapt to us. We don't really want perfection with respect to 100% accuracy with respect to the rules that we just made up anyway.)”
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 →费鲁奇认为如果机器能像人类一样思考和处理信息，他不确信人机之间在哲学上存在根本差异。
“如果我们能让机器像我们一样思考、处理信息……那么区别何在？从哲学角度看，我不确信存在根本差异。（英文原话：If we can get machines to think, to process information the way we do... then what would be the difference? From a philosophical standpoint, I'm not sure I'm convinced that there is.）”
来源访谈 →费鲁奇表示开发Watson时不指望语言理解上的全新发明，而是依靠整合现有NLP与机器学习技术的架构能力。
“我们并不打算真正理解语言来解决这个问题……我的假设是不指望某种全新的发明。我指望的是整合现有技术的能力。（英文原话：We're not going to actually understand language to solve this problem... My assumption is I'm not counting on some brand new invention. What I'm counting on is the ability to take everything that has been done before to figure out an architec”
来源访谈 →把AGI视为帮助人类解答生命起源、意识本质、P=NP等终极问题的终极工具，这是他发展AGI的终极目标。
“我梦想中的AGI，是能帮我们回答像P=NP、生命起源、意识本质这类终极问题的终极工具。”
来源访谈 →DHH认为现代软件开发的根本洞见来自敏捷运动：在真正使用一个程序之前，无法知道它应该做什么。
“现代软件开发的根本洞见来自敏捷软件开发运动……在你真正使用一个程序之前，你并不知道它应该做什么。（The fundamental insight of modern software development came from the Agile software development movement... you don't know what a program should do until you play with it.）”
来源访谈 →DHH认为Ruby让代码读起来像诗的美是精心设计的结果，并非偶然，也来之不易。
“Ruby is, as beautiful as it is, is not an accident and it's not easy. —— Ruby的美丽并非偶然，也来之不易。”
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 →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 →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 →Brown认为AI虽已能解决复杂问题，但要像爱因斯坦一样在没有实验数据指引下、纯粹从第一性原理出发重建革命性理论仍是巨大挑战
“虽然AI已能解决复杂问题，但要让AI像爱因斯坦一样，在没有实验数据指引下，纯粹从第一性原理出发重新构建像广义相对论这样革命性的理论，仍然是一个巨大挑战，这涉及到科学发现中最深刻的创造力和直觉部分。”
来源访谈 →Raibert认为过去机器人大多依赖专家精密编程，未来应让机器人通过观察人类（如观看修自行车视频）来学习并自主执行任务
“未来的目标是让机器人能通过观察人类（如观看修自行车视频）来学习并自主执行任务，实现“在职训练”。”
来源访谈 →Raibert认为好的机器人设计应让机械结构本身高效参与运动，即使没有大脑也能实现高效运动
“The best robot design has a mechanical component where the movement is efficient even without a brain. —— 最好的机器人设计包含一个机械组件，即使没有大脑，其运动也是高效的。”
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 →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 →Imas认为经济学家个体预测分歧巨大且历史记录不佳，又缺乏需求弹性等关键数据，应放弃猜测单一未来，转向构建不同情景并分析每种情景下的稀缺性维度。
““If you don't take anything else out of this conversation from me: We don't have any data.”——“如果你们从我的发言中只记住一点：我们缺乏数据。””
来源访谈 →他相信在真正开发能与世界复杂互动、执行任务的AI技术过程中，人类会积累大量认知与理解，而非对风险毫无准备。
“我相信，在真正开发能够熟练地在世界中活动、处理和执行任务的技术的过程中，我们会学到很多关于这意味着什么的知识。”
来源访谈 →Vinyals认为《星际争霸》因实时性、战争迷雾和长期规划需求比围棋等棋类更具挑战性，是探索通用人工智能的绝佳试验场。
“游戏的实时性、庞大行动空间、部分可观察性（战争迷雾）以及需要长期规划的特点，使其比围棋等棋类游戏更具挑战性。这为探索通用人工智能提供了绝佳的试验场。”
来源访谈 →他认为《星际争霸》的核心挑战在于探索：随机尝试很难获得胜利奖励，因此先用人类录像做模仿学习解决冷启动问题。
“在《星际争霸》中，随机尝试行动很难获得正向奖励（胜利）。AlphaStar通过利用人类录像数据进行模仿学习来解决早期探索难题，避免了智能体在随机尝试中一无所获。”
来源访谈 →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。）”
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 →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 →他指出互联网兴起时几乎没有人预见到社交媒体的出现及其对人们生活的实际影响，因此他捐赠3.5亿美元建立MIT计算机学院，希望通过学术引领确保AI向善发展、避免重蹈覆辙。
“我不知道是否曾有人预料到社交媒体会从中产生？以及它对人们生活的实际影响。（英文原话：I don't know that there was anyone who ever thought about social media coming out of that? And the actual consequences for people's lives.）”
来源访谈 →艾萨克森认为马斯克坚持从物理学第一性原理思考（如自动驾驶坚持纯视觉方案），并追求“制造机器的机器”的端到端制造掌控，这是他实现快速创新的基础。
“马斯克坚持从物理学第一性原理出发思考问题（如自动驾驶坚持纯视觉方案）。同时，他追求“制造机器的机器”的端到端掌控，从设计到生产线一体化”
来源访谈 →马斯克主张在奇点之前或至少不久之后实现人脑接口，以最大程度降低人类和意识的生存风险。
“我们希望在奇点之前，或至少不久之后，拥有一个人脑接口，以最大程度地降低对我们已知的人类和人类意识的生存风险。（英文原话：We want to have a human brain interface before the singularity, or at least not long after it, to minimize existential risk for humanity and consciousness as we know it.）”
来源访谈 →马斯克认为实现完全自动驾驶最难的一环是在向量空间中建立对物理对象的精确表征。
“最难的事情是在向量空间中建立对物理对象的精确表征。（英文原话：The hardest thing is having an accurate representation of the physical objects in vector space.）”
来源访谈 →她鼓励年轻人选择自己既热爱又擅长的领域并为之坚持，因为许多伟大想法最初都游走在'疯狂'与'主流'的边界。
“Find something that you love doing, that you're also very good at. —— 找到你热爱且擅长的事情。”
来源访谈 →图尔认为人们正身处日后会被铭记的时刻，而真正被记住的往往是最简单的事物。
“"We are in the thing that we'll remember. And sometimes the things we'll remember is the simple stuff." —— "我们正身处未来会回忆起的此刻。而有时，我们会记住的恰恰是那些简单的事物。"”
来源访谈 →为了精准模拟人类行为，他希望模型带有和人类一样的偏见。
“我们希望我们的模型像人类一样带有偏见。（We want our models to be biased in the same way humans are.）”
来源访谈 →长远来看，他希望仿真成为社会的"代表性层"，在决策中大规模倾听每个人的观点，甚至模拟气候变化应对或民主制度成败等复杂集体行动。
“长远愿景是让仿真成为社会的"代表性层"，在决策中大规模倾听每个人的观点，甚至模拟复杂集体行动（如气候变化应对或民主制度的成败条件）。”
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 →