人工智慧時間線
① 現在什麼職業最容易被人工智慧取代
最近降溫，隨著寒流而來的，是接連不斷的裁員消息帶來的就業焦慮，8月，美團、拉勾爆出裁員信息；10月， 阿里、京東等企業也不同程度「縮招」。上個月，富士康又被爆出裁掉34萬人。這是多麼震驚的數字，危機來得讓人措不及手。大裁員環境下，永遠不要假設危機不會降臨到自己頭上，每個人都要做好被裁的准備。
有一句話講的很好：打敗你的，永遠是你看不見的對手。現在面臨大面積的裁員就是因為AI的迅速發展，AI帶來的不止是繁榮，同時也伴隨著危機與挑戰，大部分工作將會被機器人替代。從下面這張圖里我們可以了解一下到底哪些會被AI替代的人群，哪些又是AI難以取代的。
不會被AI替代的人群
一想到裁員，我們可能首先想到會先被裁員的是那些快遞小哥、門童、酒店前台類等沒有技術含量的工作，所以一旦裁員，這些人首當其沖。如果這樣想的話，那就大錯特錯了，像這類工作，工資低，有需要一定的溝通互動能力，靈活性很大，所以根本不值得用AI去替代工作。
那AI到底會替代哪些工作？
1.重復性勞動，特別是在相同或非常相似的地方完成的工作，不需與人進行大量面對面交流的工作（如數據輸入、裝配線檢查）
2.有固定台本和對白內容的各種互動（如客戶服務、電話營銷）
3.相對簡單的數據分類，或思考不到一分鍾就可以完成識別的工作（如文件歸檔、作業打分、名片篩選）
4.在某公司一個非常狹小的領域工作（如銀行理財產品的電話推銷員、某部門的會計）
我們明顯可以看出，AI替代的就是一些簡單的，可重復的工作，很多白領以為自己工作穩定，不會被裁，反而去擔心快遞小哥他們會失業，殊不知最先擔心的應該是自己，這些簡單可重復性的工作，機器完全可模擬作業，而這部分白領的工資相對不低，所以替代的可能性極大。
那人工智慧難以取代的工作類型又有哪些？
1.創意性工作（例如，醫學研究員、獲獎劇本作家、公關專家、企業家、藝術家）。 人工智慧不擅長提出新概念，所以創作型的工作AI是無法進行的。
2.同理心/人性化工作（例如，社工、特殊教師、婚姻顧問），人工智慧沒有人類的情商。人們也不願「信任」機器，讓機器來處理人性化任務。
3.復雜性/戰略性工作（例如，首席執行官、談判專家、並購專家），需要了解多個領域並需要進行戰略決策的工作。對於人工智慧來說，即使是理解常識也很困難。
李開復說：」未來人類只剩下兩類工作，創造型和關愛型。」以上言論絕非危言聳聽，發展這些能力是應對未來的重中之重。而我們都知道，藝術類工作從小開始就是需要培養的，我們大部分人無法在短時間內去重新學習掌握的，我們只能在復雜性/戰略性工作上面更進一步。未來人才的核心競爭力只能朝創新能力、合作能力、溝通能力以及批判性思維發展。所以像PR、CEO這些職位你說是能被AI所替代的嗎？顯然是不可能的。
如果你不想被AI替代、被這個社會所淘汰，那隻能不斷提升自己，讓自己占據高位，保持旺盛的學習力，並不斷嘗試新鮮事物。接納變化、死磕目標、持續成長，這才是不被AI所淘汰的正確之道。
② 我們有沒有可能像電影《終結者》一樣，沿著時間線向前移動
我認為很有可能會沿著時間線向前移動
③ 如何看待人工智慧的論文
人工智慧：沖擊，還是救贖？
人工智慧，人類期待的下一個科技新燃點正在試圖「引爆」我們的社會
交朋友、訂餐、打車、網上購物、眾籌投資等等，這些我們習以為常的生活技能已經被我們通過眾多的社交媒體和App而掌握。然而，如今矽谷再次找到了下一個新燃點——人工智慧（AI），試圖再次「引爆」我們的世界。截至目前來看，人們對這一科技的未來十分有信心，並且部分學者及科學家，如牛津大學教授盧西亞諾·弗洛里迪，麻省理工斯隆管理學院的埃里克·布萊恩約弗森、安德魯·麥卡菲等人，認為人工智慧或許會成繼哥白尼革命、達爾文革命後又一人類自我認知革命，蒸汽機工業革命後的又一機器革命。
未來，人工智慧究竟會成為人類認知的沖擊力量，還是世界時代發展的技術革命救贖？「矽谷獨家大王」，《紐約時報》高級科技記者約翰·馬爾科夫，憑借他對互聯網發展的驚人洞察力和敏銳度，為我們帶來深刻解讀。
AI與IA
《時間線》：盡管AI已經成為當前的熱門話題，但是似乎AI還沒有被給予一個較為完整的定義。在您看來，AI的定義是什麼？
馬爾科夫： 從普遍共識角度來看，AI是一個關注於執行類似人類能力的技術的領域，包括從認知到語音、視覺以及物理運動。因此機器人學是AI的一個子集。值得注意的是，麥克卡尼最初創造了這個詞，因為他想創造和替代控制論領域，主要是因為他不喜歡Norbert Wiener。
《時間線》：在您的《與機器人共舞》這本書中，您為我們呈現了另一個概念，IA（智能增強）。您能為我們詳細解釋一下IA嗎？
馬爾科夫：智能增強，即IA，是在20世紀60年代由計算機科學家Douglas Engelbart創造的。Engelbart後來還發明了直到現在我們仍在電腦和網路上使用的電腦滑鼠，超文本和其他技術。在提出智能增強一詞時，他打算使用各種基於計算機的技術來幫助知識工作者更有效地進行工作。
《時間線》：關於AI與IA的發展關系，您認為它們之間是互斥的還是互相支持的？
馬爾科夫：AI與IA的關系是分歧並悖論的。悖論的原因是如果你增強人類智能，意味著你可能需要較少的人類去處理某個任務。我著手寫《與機器人共舞》就是為了探索這兩個在過去半個世紀都沒有任何聯系的截然不同的計算機世界。面對這個挑戰，我認為的解決辦法即是以人類為中心的工程設計。
人機關系與機器人犯罪
《時間線》：人機關系一直是很有爭議的話題。在您看來最合適的人機關系是怎樣的？您是否同意《人工智慧時代》作者Jerry Kaplan教授提出的AI可能會加劇財富分配不均的觀點？
馬爾科夫：計算機科學家Alan Kay曾說，我們可以選擇去設計那些系統作為我們的奴隸，合作夥伴或主人。（他這番話來自黑格爾。）我也贊同通過設計那些可以充當工作同伴的系統來作為解決辦法。至於Jerry Kaplan先生提出的關於技術產生更大的財富不平等的觀點，我認為相關的證據和情況是復雜的。我看到有一些情況和趨勢是反映了他的觀點，但是另一些情況確實是與其相背離的。
《時間線》：在機器幫人們解決很多問題同時也意味著人類在逐漸被機器簡化。例如現在人們使用的智能手機將很多復雜程序簡化，用戶不用思考太多的操作流程，只要幾步簡單的操作就可以掌握它的功能，以至於幫助人們解決很多問題。您認為智能機器的「思維」是否會使人類智慧「退化」？
馬爾科夫：不得不說這確實是個問題，這事關我們怎樣設計那些會與我們產生相互作用及相關性的AI。比如說，可能通過使用AI去增強一個醫生的決策能力和診斷能力。或者，相反地，可能在AI的協助下使有較淺資歷和能力的醫生助手來替代醫生。哪個是正確的選擇呢？我想這是很難決定其一的，但它確實是一個社會選擇。
《時間線》：現在人們最直觀的AI感受除了智能手機外就是目前大熱的無人駕駛汽車，但是近期特斯拉無人駕駛汽車車禍死亡事故將安全問題推向輿論風口浪尖。關於最後的追責問題引起人們關注，您如何看待這類問題？在未來，機器人犯罪是否會成為重要的倫理問題之一？
馬爾科夫：完全無人駕駛要比歐洲、美國、亞洲的工程師所認為的無人駕駛挑戰更大。來自技術和監管的挑戰使得設計者需要比想像中更多的時間來設計完全無人駕駛系統。關於完全無人駕駛的責任認定問題，最簡單的答案就是責任歸屬製造者。我認為AI技術將很快被濫用，正如現如今我們使用的相關計算機技術被濫用一樣。或許，在未來，語音合成將很可能成為社會工程攻擊人類誠信的武器。
人工智慧全球化與產業革命
《時間線》：自集成電路發展開始，摩爾定律成為科技發展的默認趨勢，但是似乎自大數據、雲計算、AI等出現後，摩爾定律在逐漸被打破，您如何看待這種情況？對摩爾定律的突破是否也意味著科技發展的新形式？
馬爾科夫：摩爾定律的影響現在是失速的。登納德縮放比例定律（關於處理器時針速度的指數增長）終結於2006年，並且單個晶體管成本的下降終結於2014年。這意味著始於1965年的「搭便車效應」現在已經終結了。我不知道製造技術在未來是否有新的突破，但是目前還未發生什麼。這也不意味著計算機進程正在結束，只是未來可能更多的是依賴人類的創造力。
《時間線》：隨著技術的進步，AI技術已經成為部分國家的戰略發展，從德國的工業4.0到中國的互聯網+，AI全球化成為必然趨勢，但這一趨勢也毫無疑問地在挑戰著目前的發展模式，您認為AI的爆發是否會徹底顛覆人類發展成為新一次的產業革命？
馬爾科夫：不，我認為不會的。AI本質是一種技術，就像汽錘或卡車一樣。在任何社會中，它既可用來增強人類能力但也可取代人類。但這依賴於如何使用和部署AI技術。
《時間線》：AI和智能機器人的滲透已經開始在影響人類生活了，我們看到在部分行業中，部分職業已經被機器人取代，同時因為AI的出現也衍生出不少新的行業，您認為這一變化是否在預示著AI對產業結構的改變？人類的工作真的會被智能機器搶走嗎？您認為人們應該如何應對這一變化？
馬爾科夫：AI和機器人的到來要比其狂熱者所認為的慢很多。這些技術在被演示的時候表現得非常好，但是目前有些技術在現實生活中仍有些不切實際。一些支持者認為，技術的快速發展在未來將是繼續的趨勢，但是事實上有些證據卻表明速度是慢了下來，而不是持續加速。對於AI和機器人的到來，我認為在許多社會中，特別是那些正在加速成熟的國家，例如中國，如果機器人來得及時，那麼對於這些國家來說將是很幸運的。
中國競爭
《時間線》：您能否簡單對比下美國AI發展與中國AI發展，有何相同點和不同點？您對中國的AI技術和智能機器人的發展有何看法？對中國的企業家有何建議？
馬爾科夫：由於貴國政府沒有允許我作為一個報道者在貴國工作，所以很抱歉我的觀點很有限。不過，有證據表明，中國正在快速追趕美國的創新能力。但是我還沒有見到中國計算機科學家和工程師有根本性的突破，大部分都還只是漸進式的發展。
《時間線》：目前中國經濟和科技在面臨一次新的轉型，中國逐漸在由「中國製造」轉變為「中國創造」，您認為AI的爆發對這一轉型會產生怎樣的影響？
馬爾科夫：我認為「中國創造」是一個目標。當新奇的中國技術出現，或是源自中國想法而不是復制美國而產生的新技術平台出現時，那將會非常有意思。
④ 終結者系列的劇情 時間線該怎麼理解
圖標說明：
黑線：時間線
藍線、紅線：穿越線 （藍線指與人類敵對立場的穿越，紅線指與人類同一立場的穿越）
重要說明：所有數據、分析均只依照終結者1-5共5部電影，不參考其它同名作品。另外分析劇情中自然會利用涉及維度理論的科學原理。個人整理，難免有錯漏，還請指正。
下面我們就一步步來分析整個終結者的時間線，理順所有劇情以及背後的科學道理。
萬事開頭難！真的，別急，慢慢來。
先看第1條時間線（以下簡稱1號線），1965年Sarah Connor出生。這個時間影片未明確交代，也不能明確推理出來，但大家一般都公認這個時間，所以圖上「1965」後面有個問號。1984年以前一切都正常（1974年的事情之後再說），但1984年天網派T-800穿越過來謀殺Sarah Connor，如a所示。緊接著時間線出現分歧，2號線出現。再接著，b穿越發生——Kyle Reese穿越過來保護Sarah Connor。
我們來看，1號線到底發生了什麼？實際沒有發生任何穿越，那個1984年的穿越實際是在2號線上。雖然沒有穿越，但後來還是出現了天網以及審判日（問號標記審判日，但這個審判日的日期未知），並且最終人類在2029年戰勝了天網，就在天網即將戰敗之時，它派T-800穿越回到過去企圖改變命運。
這里說明一下，其實T-800回到過去，無論發生什麼都無法改變1號線的事實，因為T-800一旦回到過去，時間在那一刻就出現分歧，一切發生的事情都在2號時間線上，與1號線無直接相關。要知道時間線上的任何變化都會引導時間線的分歧，即把世界引向不同的結果，詳見下面提供的維度理論的短片。
1號線上發生的事情僅在第一部電影中少量出現，電影開頭對末日戰爭有簡單畫面交代，中間部分也有Kyle Reese的回憶交代，其它地方再無出現。然而1號線卻是所有事件的源頭。如果說終結者的穿越是個循環，那1號線就是循環的起點。因果律是宇宙的絕對法則，而這個1號線就是所有終結者系列事件的「因」，發生於其它事件之「前」。
因果律指的就是先有「因」後有「果」。
下面來看a、b兩個穿越。a穿越僅發生在1號線上，是1號線的未來穿越到1號線的過去，是在五維時空里發生的事情。雖然穿越完成後它改變了時間線，但穿越這個事件還是僅與1號線有關。b穿越卻是在六維時空里發生的，由1號線穿越到2號線。
維度空間理論可參考視頻鏈接從一維空間到十維空間
為什麼b穿越不是像a穿越一樣穿越到1號線的過去，或者說和a穿越「一塊」發生？首先，a穿越是1號線的2029年穿越到1號線的1984年，如果b穿越也如此，那麼Kyle Reese從1號線的2029年穿越到1號線的1984年，1號線的1984年有什麼？什麼也沒有？！沒有T-800來臨，一切正常，Kyle Reese來幹嘛？來搶Sarah Connor作老婆？
這里先插一嘴，剛才說「搶老婆」，你要明白，1號線的Sarah Connor是拯救人類的英雄，而她的兒子John Connor也是人類領袖，並且John Connor的父親不是Kyle Reese！為什麼？因為1號線2029年前沒有穿越，哪來的Kyle Reese和Sarah Connor交配產子？
好吧，那麼在沒有「穿越」這個「提前劇透」的指引下，為什麼Sarah Connor還能教兒子John Connor做好應對天網的准備？因為——Sarah Connor牛！她遠見卓識，早預料人工智慧會對人類反戈一擊。1號線是所有事件的「因」，只能這么解釋。有一點，你注意到沒有？John Connor的父親是誰根本不重要，重要的是只要John Connor是Sarah Connor的兒子，就能保證John Connor能從他媽那獲得「秘籍」，而1號線的John Connor果斷會接受他媽的教誨，不像第二部電影里的少年John Connor一開始還以為他媽是瘋子，直到「外掛」——改造後的T-800到來才幡然醒悟。
再回到a、b穿越的問題上。b穿越不能和a穿越「一塊」發生。本身客觀事實上，a、b兩個穿越就有先後順序或者因果關系。1號線上，為什麼John Connor會派Kyle Reese回去救自己母親？要知道這里的John Connor是沒有「外掛」的，他怎麼知道天網派了T-800去殺自己母親？因為John Connor的工程師分析天網的設備以及數據得到了這個結論。第五部電影里對此有明確交代，他們可以查出剛穿越的機器人的去向。於是Kyle Reese追隨著T-800來到了T-800開辟的2號線。
有個問題：b穿越難道不應該也使2號線出現分歧嗎？當然，的確如此！那怎麼解釋？簡單，a穿越使1號線分歧出2』號線，而b穿越又使2』號線分歧出2號線。注意：2』號線上只有T-800，沒有Kyle Reese，這條線上的人類的命運如何？我們無從得知，估計不樂觀。等等，你要問我為什麼不把2』號線畫上去？我也想啊，可我是畫完圖，文章寫到一半才想起來的。哎，以後的穿越也有類似缺漏，大家見諒。
a穿越是五維的，b穿越是六維的，一個儀器能這么多功能？抑或，能這樣嗎？就是穿越是在六維時空里完成的，但可以用其來實現簡單的五維穿越。科學上，我真不知道。劇情上，看完第五部電影，這種說法符合得很好。
其實到這，整個終結者的大難題的核心部分已經解釋清楚了，下面就是細節問題了。
來看2號線，Kyle Reese終結了T-800，救了Sarah Connor，並成功讓其懷孕。但T-800的晶元卻遺留下來，故事繼續發展。到1994年（由第二部電影以及結合Sarah Connor生日推測得到），T-1000和被人類改造的T-800（以下簡稱AS，Arnold Schwarzenegger阿諾·施瓦辛格）相繼到來。當然跟前面的穿越一樣，c穿越帶來T-1000，引起2號線出現分歧，3號線出現，AS通過d穿越實際跟隨T-1000來到的是3號線。關於3』號線的事情，不用我介紹了吧，總之就是c、d穿越到達之間的時間線。
那麼原來的2號線發生了什麼呢？沒有1994年的機器人到來，但到了1997年8月29日，天網仍然啟動。2029年人類在John Connor的帶領下取得勝利，同時天網為了最後一搏，送T-1000到當時所在2號線的1994年，緊接著John Connor送AS去追蹤T-1000。請注意，這時的John Connor沒有被穿越的機器人造訪過，只從他媽那聽說過1984年的事情，但聰明的John Connor自然會聯想到當前面對的天網也會使「盤外招」。不過話說，John Connor會「本能地」以為天網會如以前一樣派機器人到1984年嗎？聰明的John Connor當然不會！2號線的1984年是怎樣的？是已經有T-800和Kyle Reese穿越的！再來個穿越的混亂程度肯定會促使John Connor重新思考（提前說明一下，多個穿越的混亂正是第五部電影的內容！）。John Connor的工程師在分析完儀器的數據後肯定會明白——T-1000被送到了1994年去謀殺童年的John Connor。那麼這回，John Connor派的是AS。天網在進步，T-1000都被發明了，而人類也在進步，T-800都能改造了。我在想，這時John Connor身邊是否站著Kyle Reese？其實2號線「土生土長」的Kyle Reese不是2號線John Connor的父親，1號線「土生土長」的Kyle Reese才是。
再看3號線。AS完成了任務，Sarah Connor和John Connor都活了下來，天網的啟動還被推遲了，注意，僅僅是推遲，而非取消。推遲到什麼時候？第四部電影說是21實際初，也就是第三部電影發生的時間，我們暫且定其為2006年，這是較為普遍的說法。在2006年前，有個2003年，那年Marcus Wright被開始改造成機械骨骼人體，這是第四部電影的劇情，但也在3號線上，當然同時也在4號線上。不同時間線能有共起源，但不能有共結局。
在3號線上，沒有T-X，也沒有再次到來的AS，2006年天網啟動，然後天網又輸給了人類，日期推測是2029年。這回天網派T-X通過e穿越到所在3號線的2006年去企圖謀殺一連串目標，而來到2006年的T-X自然分歧了時間線，4號線出現。緊接著AS通過f穿越來到了4號線。同樣4』號線的事情也不用我介紹了吧，是e、f穿越到達之間的時間線。
相比於2號線，3號線的天網更進一步發明了T-X，而人類還停留在AS，不難想像這回在4號線上，AS只是勉強完成任務，雖然保護了John Connor和其女友Kate Brewster，但審判日完全沒被推遲，原來的2006年還是2006年（參考第三部電影）。
接著看4號線。2006年，審判日。2018年，第四部電影的劇情發生。2029年，天網被擊敗，這已經進入到第五部電影的內容了，注意了，情況有變。天網把T-800通過i穿越送到過去，送到哪了呢？送到了另外一條時間線——6號線上。而這其實只是個誘餌，誘導誰？誘導4號線上2029年的John Connor。這個John Connor是個十足的蠢貨（之所以這么蠢，可能是因為接受了Marcus Wright的心臟，哈哈，玩笑話），他竟然還以為是送人到1984年救自己的母親，拜託，他所在的時間線的1984年已經被穿越了，當然被穿越的還有1994和2006。
就在John Connor滿心期待地看著4號線土生土長Kyle Reese准備通過j穿越去追蹤T-800時，吃一塹長一智的天網乘機把John Connor逮住並改造成了T-3000。關於這個Kyle Reese，第五部電影交代他小時候被John Connor救過，並「暗示」自此之後他就跟著John Connor。但這與第四部電影沖突，唯一的解釋的就是——Kyle Reese小時候被救，John Connor不知道救的就是Kyle Reese，然後兩人分開，然後Kyle Reese長大後兩人再次遇見。哎，劇情細節上的矛盾還得由我來「擦屁股」。
接下來就是萬眾矚目的問題：第五部電影的「老爹」從何而來？不賣關子，直接解釋。第五部里Sarah Connor原打算穿越到1997年，誰的主意？當然是老爹教她的，老爹認為審判日發生在1997年。要知道3號線、4號線上的審判日都發生在2006年，那麼老爹自然不是來自這兩條線的2029年。天網只會在將要輸掉的時候才會派機器人穿越到過去改變歷史嗎？答案是肯定的，因為天網是個死性子，不到黃河心不死，就這么解釋吧。
那麼老爹來自哪？隨便2號線審判日之後分歧出來的某條時間線都有可能，比如5號線。2號線天網把T-1000派到1994，而5號線的天網另闢蹊徑，把T-1000通過g穿越派到1974去謀殺9歲的Sarah Connor（這個9歲是推測的）。這個1974年是5號線固有的。在得知T-1000離開後，5號線2029年（推測的）的John Connor派出AS通過h穿越去追蹤T-1000。你看，2號線和5號線如此類似，科技水平一樣，都是派出T-1000和AS，進一步驗證老爹就是來自與2號線類似的5號線。老爹圓滿完成任務，不僅救下Sarah Connor，而且陪伴她隱姓埋名一直躲避著T-1000的追殺，這一切發生在6號線上。6』號線是e、f穿越到達之間的時間線。
再說i穿越和j穿越。4號線的天網實在是吊炸天，不僅已經發明T-3000，而且還首次六維穿越，之前天網的穿越可都是五維的。T-800竟然通過i穿越來到6號線，這可是5號線天網派出的T-1000分歧時間製造出來的時間線。當然嚴格來說，這個T-1000分歧出來的是6』號線，6號線是h穿越的老爹在6』號線基礎上分歧出來的。
i穿越和j穿越使的6號線分歧出7號線，7』號線是i、j穿越到達之間的時間線。在6號線上，老爹和T-1000竟然都期待著1984年會有穿越到來，拜託，你們可是穿越到1974年的，哪還有1984年的故事。他們的期待只有一個解釋——5號線的天網一定沒把維度理論弄明白，以致接受5號線天網教育的將來來到6號線的老爹和T-1000也犯糊塗了。不要吐槽，只能這么解釋了。
i穿越和j穿越如此之碉堡，以致j穿越的Kyle Reese竟然獲得了其它時間線審判日之前的幼年Kyle Reese的記憶，而這個「其它時間線」不是8號線！因為——因果絕對定律。Kyle Reese記憶這個事件的「因」應該是這樣的——Kyle Reese和Sarah Connor如「原計劃」在某條時間線上穿越到1997年，結果發現來早了，審判日還在未來，於是他們等啊，戰斗啊，又遇見了所在時間線上土生土長的幼年Kyle Reese，然後就告訴他「Remember, Genisys is skynet, when Genisys comes on line, Judgement Day begins, you can kill skynet before it's born.」和「You can do this, straight line, you just go and you don't look back.」。這樣幼年Kyle Reese就有了這個記憶。至於這條時間線後來如何？與我們討論的劇情關系不大，畢竟我們只關心記憶的「第一次」來源。
當然這個記憶的獲得機理是目前科學從理論上也無法做出任何解釋的。
憑借這個記憶，Kyle Reese說服Sarah Connor穿越到2017年。如果他們沒穿越，那就是7號線。但他們穿越了，這次穿越與之前的所有穿越都不同，這次是穿越到未來！從Sarah Connor和Kyle Reese搭乘時光機消失的那一刻起，7號線就分歧出無數時間線。因為任何一個變化，譬如老爹某天戴沒戴墨鏡，某人在高考填志願時填了清華或者北大等等，都會引導不同的時間線，不同的時間線就對應不同的結局。之前說過了不同時間線能有共起源，但不能有共結局。即便這些結局很可能幾乎一樣，但微小的差別就是本質的不同。
Sarah Connor和Kyle Reese要去未來，可是未來有無數條時間線，究竟他們去哪一條呢？其實不重要，因為絕大多數時間線都差不多，絕大多數時間線的天網都差不多在2017年啟動。戴沒戴墨鏡這樣微小的變動是不會阻止超級人工智慧的出現的，這就好比即便抗日戰爭時林彪被擊中後不治生亡了，解放戰爭的結局估計還是一樣。當然來個小行星砸掉地球這樣的極小概率事件，Sarah Connor和Kyle Reese是幾乎不會碰到的，他們來到的未來絕大多數情況下是「正常」的。
一個問題：Sarah Connor和Kyle Reese沒有到達的其它「正常」時間線會怎樣？如往常一樣，忽視。很多時間線上，天網會勝利，而又有很多時間線上，天網會失敗，失敗的天網又會不遺餘力地企圖扭轉結局，在六維時空里，我們就看他們這樣斗啊斗啊斗。
第五部電影里Sarah Connor和Kyle Reese通過L穿越希望來到一個類似8』號線的時間線上，這個8』號線自然是Sarah Connor穿越前所在時間線的一條子時間線。不過話說，即便Sarah Connor和Kyle Reese不穿越，他們就一直等，也會等到創世紀的雛形的誕生。
4號線的天網在作為誘餌的i穿越發出去後，真正的目的卻是k穿越，8』號線因為被天網改造的John Connor的來臨，而分歧出8號線，而L穿越正好來到8號線的2017年。
為什麼L穿越不是來到8』號線？因為——Sarah Connor穿越前所在時間線的無數子時間線里，有無數個沒有被k穿越光臨，也有無數個被k穿越光臨（分歧點後是有無數時間線的），無數對比無數，所以L穿越來到8號線這么一個被k穿越光臨的時間線也絕非小概率事件。
一個重要問題：4號線的天網為什麼要這么安排？答案——4號線的天網不可能知道6、7、8號線的穿越事情，它只知道4號線上的事情。除非！有其它時間線上的天網穿越而來告知4號線天網，這是有可能的，不知電影編劇是否想到此處。如果4號線天網沒有「外掛」，那它就是瞎蒙的，隨便穿越，剛巧來到被5號線干擾的時間線的子線上。
至此，終結者系列的時間線就講完了。
如果你看完了，十分感謝，畢竟：
滿紙荒唐言，一把辛酸淚 。都雲作者痴，誰解其中味？
⑤ 人工智慧是什麼
人工智慧（計算機科學的一個分支）
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，但沒有一個統一的定義。
人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智慧還需要科學理論和工程上的突破。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。
工智能的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。
關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。
人工智慧在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。
⑥ 求魔法禁書目錄和科學的超電磁炮的完整版劇情時間線！！！！
9月28日
受傷的上條當麻還有茵蒂克絲被學院都市方所派遣的超音速客機緊急接了回來。
英國倫敦-英國清教女子宿舍
奧索拉·阿奎納與雅尼絲部隊全員搬入了英國清教女子宿舍。
梵蒂岡-聖彼得大教堂內
「神之右席」成員之一的前方之風逼迫羅馬正教教皇馬丁·利斯簽署刺殺上條當麻的文件。
9月、第四個禮拜五（如果設定此日為29日，那麼下面的9月、第五個禮拜五就不可能存在）
英國倫敦-英國清教女子宿舍
晚上——
夜晚偷吃東西的神裂火熾動靜太大驚醒了其他人，之後進入廚房的修女安潔莉娜用麵包製作了一件奇怪的「藝術品」，讓雪莉·克倫威爾感到十分驚訝與崇拜……
9月30日
早上——
上條當麻接受與御坂美琴在大星霸祭期間定下的打賭，輸了的上條不得不履行美琴的懲罰……
已在醫院修養快一月的一方通行與最後之作出院，在芳川桔梗的介紹下兩人住進黃泉川愛穗的宿舍內，由於最後之作偷偷溜出玩耍，讓擔當保護人的一方通行不得不出去找她……
黃昏——
神之右席成員前方之風侵入學院都市，殺死三名統括理事會理事，並致使許多學院都市學生和警備員昏倒，導致學院都市城市機能陷入癱瘓狀態，針對這種情況，理事長亞雷斯塔命令其直屬部隊「獵犬部隊」綁架最後之作。
木原數多所率領的獵犬部隊在綁架過程中與暴怒的一方通行發生激戰，而侵入的前方之風則與上條當麻展開激戰。
最後之作遭到綁架後，亞雷斯塔利用被注入電子病毒「Angel」的最後之作啟動了虛數學區·五行機關，形成人工天界，使得在學院都市中游盪的風斬冰華覺醒為人造天使休斯·風斬，被操控的休斯·風斬之後以羅馬正教為目標加以攻擊。
被木原數多逼至絕境的一方通行爆發出黑之翼，將木原數多秒殺，而半途轉向攻擊休斯·風斬的前方之風由上條當麻所擊暈，由出現的威廉·奧維爾（後方之水）帶回。
茵蒂克絲利用歌聲將最後之作腦中的電子病毒「Angel」清除，人工天界消失，風斬冰華也變回原樣。
激戰後的一方通行為了更好的保護最後之作，決定接受學院都市「暗」的邀請，加入了暗部組織「集團（Group）」。
此事件的結果導致科學側（學院都市方）與魔法側（羅馬正教方）矛盾激化，形成對立局面，之後此事件就以「0930事件」來稱呼。
10月3日
早上——
暗部「集團（Group）」執行組建以來的第一個任務：鎮壓無能力武裝組織「Skill Out」。
「集團（Group）」突襲「Skill Out」的據點，「Skill Out」首領駒場利德在與一方通行的戰斗中戰死，死後他的手機被一方通行撿取，拿去進行「加班服務」（最後一方通行加班半天時間做了什麼並不清楚）。
「Skill Out」被壓制後不得不聽從學院都市高層的控制，新的首領交由濱面仕上所擔任。
英國倫敦·英國清教女子宿舍內
吃完早餐的神裂火熾等人接見了陪同上司瓦希莉莎開會而來的莎夏·克洛伊潔芙，並回答她的疑問，莎夏·克洛伊潔芙走後，奧索拉開始講述起了神裂火熾的戀愛八卦事件，搞得神裂本人都有些崩潰。
晚上——
下午放學後，上條當麻的全班同學（+茵蒂克絲）一起去了火鍋店吃火鍋。
10月、第一個禮拜五
剛加入「道具（Item）」的濱面仕上陪同絹旗最愛去看B級電影。
拒絕忍者復興計劃的半藏與部下小郭對決，小郭被擊暈，半藏從暈倒的小郭身上搜出了一張標記有「原石」能力者的名單，有些驚訝。
10月4日—8日某日（ 根據小說內容推測7、8兩天的可能性比較高）
世界各地頻繁發生羅馬正教、學院都市兩方互相攻伐的抗議活動，使得雙方的對抗升級。
學院都市統括理事會理事之一的親船最中與上條當麻有所接觸，之後親船最中命令土御門元春向自己開槍，降低學院都市其他高層的懷疑。
上條和土御門兩人乘坐超音速客機前往法國城市阿維尼翁，破壞放置在教廷宮殿中的羅馬正教重要靈裝「C文書」，從飛機跳傘下來的上條當麻遇上與自己執行同一任務的天草式教徒五和。
上條、土御門、五和三人為了破壞「C文書」與神之右席成員之一的左方之地對峙，對峙中，學院都市派遣的驅動鎧部隊侵入阿維尼翁，進行鎮壓作戰。
遠在英國的史提爾·馬格努斯和雅尼絲·桑提斯來到關押犯人的處刑塔內，審問關押在此的麗多薇雅·羅倫婕蒂和彼亞吉歐·普索尼有關「神之右席」的情報，麗多薇雅妥協，告知了「神之右席」的情報，但條件是把歐莉安娜·湯森放出來，歐莉安娜之後為英國清教工作。
上條當麻將左方之地擊敗時「C文書」也一同被毀，左方之地在隨後的混亂中撤離，於此同時，被學院都市派遣而來的一方通行則開始搜索左方之地的屍體以及「C文書」，但沒有完成目的只好回歸。
逃回梵蒂岡教皇廳左方之地被平日看不慣他惡行的同僚威廉·奧維爾（後方之水）所瞬殺。
遠在學院都市的御坂美琴無意中通過手機聽到了上條當麻失去記憶的事情，開始煩惱起來。
10月6日
暗部「學校（School）」的狙擊手成員被「道具（Item）」所殺「學校（School）」不得不通過情報販子「人才派遣」介紹另一位傭兵狙擊手砂皿緻密加入其組織。
10月9日（學院都市獨立日）
「學校（School）」、「區塊（Block）」兩個暗部組織為了各自的目的（都與理事長亞雷斯塔·克勞利有關）行動起來。
他們兩個組織的行動也調動其他三個組織「道具（Item）」、「集團（Group）」、「人員（Member）」。
10月、第二個禮拜五
分布在全世界范圍內的「原石」能力者遭到不同組織的綁架，遠在學院都市的雲川芹亞和貝積繼敏理事商量對策，決定由分布在全世界學院都市協力機構的「妹妹們」處理，通過「妹妹們」的努力，所有的「原石」能力者得到了解救。
魔法師歐雷爾斯此時侵入學院都市，擊敗最大的「原石」削板軍霸，對大量搜集「原石」能力者的學院都市加以警告。
傷愈出院的「道具（Item）」成員絹旗最愛接受暗殺任務，將綁架「原石」能力者的主謀者喬治·金頓幹掉。
由於出現了大量「妹妹們」的目擊傳聞，遠在美國亞利桑那沙漠中的御坂美琴之父御坂旅掛向亞雷斯塔打電話，警告他不要想利用自己的妻兒。
10月某日（10月、第二個禮拜五後）
義大利·米蘭
有些憂心的席薇亞見到了安然回家的歐雷爾斯後喜笑顏開。
10月某日（10—16日其中一天的兩天前）
威廉·奧維爾（後方之水）分別向學院都市和英國清教下達了要去狙擊上條當麻的戰帖，給英國清教的戰帖中還附帶了左方之地的遺體。
接到戰帖的學院都市和英國清教為保護上條開始行動起來，英國清教方派遣了下屬的天草式十字凄教成員前往學院都市擔任他的護衛。
10月某日（10—16日其中一天）
上午——
與上條當麻率先接觸的天草式少女五和將追趕上條的魁梧大漢（災誤老師）誤認為後方之水，並用力打進了醫院。
鬧劇過後的五和來到上條的宿舍為上條和茵蒂克絲做飯，引來隔壁的土御門舞夏對自身廚藝的競爭心理。
晚上——
因宿舍熱水器壞掉，三人不得不去公共澡堂洗澡。
在回去路上的上條被襲來的後方之水攻擊，擔任護衛的天草式十字凄教也被擊敗，之後後方之水給上條當麻考慮放棄右手的時間後離開，上條本人因傷勢有些嚴重被送往醫院治療。
10月12日
連接英國與歐洲大陸的海底隧道被炸毀，隨後英國清教向茵蒂克絲發出了「禁書目錄召集令」，命令茵蒂克絲回到英國與英國王室共同調查隧道被炸事件。
10月17日
上午——
上條當麻與茵蒂克絲在土御門元春的「幫助」下很快登上了前往倫敦的客機「空客365號」，在飛機上的上條還與機組成員及時處理了一起炸機未遂事件。
10月18日
現任俄羅斯總統索吉耶·I·克萊尼柯夫向全世界發布了第三次世界大戰的宣戰布告。
10月19日
第三次世界大戰開戰，俄羅斯與學院都市進行全面戰爭。
10月30日
上條當麻、一方通行、濱面仕上等眾多人馬陸續趕到了位於俄羅斯境內的戰爭主戰場，不可避免的捲入到了關乎全世界人類生存的「伯利恆計劃」當中。
被學院都市趕來回收的一方通行冒著與學院都市全面對立的危險，救下了最後之作以及新的「妹妹」番外個體。
被上條當麻放走的右方之火回到地面上時受到了親自動手的亞雷斯塔襲擊，被斬斷右臂倒在雪山上，瀕死之際被歐雷爾斯和席薇亞所救，而遠在英國清教的蘿拉·斯圖亞特在探測到亞雷斯塔本體出現時流露出了吞並學院都市的野心。
俄羅斯成教宗主教克蘭斯‧R‧札爾斯基向全世界發布終戰宣言，第三次世界大戰因各方停戰而結束。
11月5日
白天——
第三次世界大戰後各自回到學院都市的一方通行、濱面仕上等人回歸到了平和的日常生活中。
11月10日
美國夏威夷州
上條一行人來到美國的夏威夷群島，剛到機場就被「格雷姆林」成員灰姑娘所襲擊，被雷維尼亞所制止。
11月13日
東歐某國巴格吉城
脫離學院都市的27個合作機構組成反學院都市組織「科學守護者」與「格雷姆林」合作，在巴格吉城舉辦格鬥大會「自然選擇者」，希望以挑選出能夠與學院都市對抗的異能力名義擴大自身在世界上的影響力，藉此來挑戰學院都市的地位。
木原一族成員木原唯一作為學院都市方的代表接受「科學守護者」的投降。
席薇亞與雷維尼亞前往北歐救援了被「後天的女武神」部隊（「格雷姆林」所屬）襲擊的聖人布倫希爾德·愛因庫特貝爾。
上條當麻在歐雷爾斯的醫護下接回右手，送回了學院都市。
11月中旬某日（一端覽祭活動前日）
白天——
被送回的上條當麻因為一端覽祭的准備活動而搞得焦頭爛額。
歐雷爾斯一方（歐雷爾斯、席薇亞、雷維尼亞·芭德薇、布倫希爾德·愛因庫特貝爾）以及「格雷姆林」一方（瑪麗安·絲琳格奈婭、投擲之錘、雷神托爾）分別進入了學院都市。
與上條首先接觸的歐雷爾斯告知他有關「幻想殺手」的部分真相，稍後與上條接觸的雷神托爾則說服他救出關押在「沒有門窗的大樓」中的迷之少女Miss·芙洛伊特奈，兩人合作想辦法破壞了「沒有門窗的大樓」後被擁有未知力量的不死者Miss·芙洛伊特奈所弄暈，恢復自由的Miss·芙洛伊特奈開始在街上游盪，與偶遇的芙蕾梅亞·塞維倫和最後之作成為友人，連帶著將濱面和一方通行等人所捲入。
木原唯一在統括理事會的示意下放出已是非人類之身的垣根帝督抓捕Miss·芙洛伊特奈，但此時的垣根帝督一心只想向一方通行復仇。
亞雷斯塔的人工智慧機械分析出Miss·芙洛伊特奈如果擁有捕食與吸收必要功能後將會為了獲取所有的世界信息而去捕食具有「御坂網路」司令塔身份的最後之作的大腦。
11月中旬某日（一端覽祭開幕第一天）
凌晨——
捲入此事件的各方人馬為了爭奪Miss·芙洛伊特奈（或為了保護最後之作）而進行了大混戰，托爾還將與此事無關的美琴也捲入進來。
⑦ 哪些職業最容易被人工智慧替代
事實上，機械化、自動化、智能化一直都是所有【工具】的大方向，早已如此、正在進行、永不停止。比如，從算盤到計算器到財務軟體到智能財務助手，將來也必然是財務助手的智能程度越來越高，直到全公司只需要一兩個人進行審核。再如電所交費到銀行代辦到自助櫃員機再到現在的智能交費軟體，將來也必然是自動生成單據你一個確認完事。以及原始廚櫃到冰箱到智能冰箱，將來也必然是飲食管家搭載冷藏保鮮容器的形式。（當然，飲食管家和其它什麼管家可能合並成一個中控系統【智能管家系統】，通過物聯網控制各種家電）
人工智慧的普及應用，一定是全面存在於純軟體、輔助器械、自動化設備之中，在所有行業、所有行為、所有的方方面面，逐漸滲透的。在此期間，人逐漸從事無巨細自己動手變成下指令者再變成審核命令，最後變成監工。順便提一句，在人工智慧大量取代各行業低端人員的過程中，人類雇員的數量大幅減少，多出來的人手只能向創造性的工作發展，比如科研人員、主播、自媒體、文藝創作等等。作為消費者，也會越來越明顯地感受到被各種服務和娛樂的誘惑侵佔時間線和金錢，選擇困難症將進入高發期。而整個社會來說，生產過剩和就業率可能會成為一個大問題。
在可預見的幾年內，翻譯會被替代！現在的機器翻譯已經是非常牛逼。完全是可用的狀態了。舉個例子，今天晚上在某個視頻網站看視頻，發現該網站能同步為視頻內容加字幕！演講者說一個單詞，字幕就出一個單詞。經過我的觀察，幾乎沒有錯誤和延遲！可以說語音識別已經是非常厲害（據說是超過人的識別能力）。更牛逼的是，我發現它還有一個自動翻譯的功能。就是說電腦上的英文演講，可以自動生成中文字幕！水準相當不錯。我注意到字幕中出現了"居安思危"等成語，以及其他的一些非常生動的詞，例如」鳥瞰"。
就我觀察，目前和人翻譯的字幕還是有差距，但是已經是完全可用，理解演講者的含義完全沒有問題，我就常常看著看著就忘了這是在機器翻譯。而且作為深度學習演算法，隨著數據的增加和演算法的精進，幾年內消滅人類翻譯應該不是問題。除了翻譯，保安可能也會面臨類似情況。李開復說自己投資了一家人工智慧公司，它們的一款產品叫face++，做人臉識別的。在安防方面，這個明顯大有可為。以後得面部識別可能不需要我們還對著攝像頭，而通過普通的監控攝像頭，就能控制安防門，那保安也確實沒有存在的必要了。
這是人工智慧突破單個職業，極大提升效率，一下子把人比下去的情況。這些我覺得未來五年內一定是會發生的。隨著人工智慧的發展這種情況會越來越多。但如果說人工智慧會最先顛覆什麼領域，造成大量人失業的話，我想金融最有可能。真的，金融說到底就是人類的數字游戲，沒有實體，所有的經營完全以數據的方式實現，人工智慧的第一個要素大數據具備了。其次，金融行業一向對新技術接受能力強，而且他們有錢去做ai方面的嘗試。目前市場上已經有相關的企業，據說做到八分鍾放貸，壞賬率還遠低於行業平均水平，分分鍾把其他同行秒成渣。同時我認為在未來幾年會收到沖擊的行業，還有律師和醫療。這兩年不斷看到消息，人工智慧在疾病診斷的准確率方面超過人類。還有一個消息是這樣的:
人工智慧發現在判斷癌症的時候，發現癌細胞周邊的細胞也和癌症相關，顛覆了醫學界多年以來在這方面研究的認知，這里有必要提一點，就是目前的深度學習和神經網路，最終學習到的經驗，對人類來說是個黑箱系統。意思就是說，現在人工智慧也能分清貓和狗的區別。但是它和人類的分類方式不一樣，而人類也不知道它究竟是怎麼進行分類。理論上說，用人工智慧來取代醫生是完全可預期可實現的，我們以外科手術為例。最開始可能是人工智慧在旁邊打打下手，幫助做一些判斷，然後可能人類只需要在屏幕上點一點，機械就可以自己操作，最後可能手術室為了保證無菌環境禁止人類入內，人工智慧自己就可以完成全部事情。律師行業也面臨類似情況。我之所以認為這倆個行業會收到沖擊，是因為他們有強大的內在需求，不管中國還是美國，我們的醫療資源都是遠遠不夠的。
所以這倆個行業和金融行業又不一樣。人工智慧更可能是在短期內一下子填補了很多社會資源的不足，當然最終也會有失業問題。最火的無人駕駛我們單獨說。特斯拉早就上路了，谷歌的無人駕駛一直是全球最牛逼的。這兩家剛好代表倆種不同的發展方向。無人駕駛的安全程度是分級的，像特斯拉目前的車子，大概也就在第二級第三級，能實現在簡單路況下的自動駕駛。所以它目前的系統還是個輔助駕駛的系統，復雜情況還需要人來接管。
而谷歌的無人駕駛是另一種計劃。他們是打算實現第四級和第五級的水準才會真的銷售他們的汽車，不會給用戶一個半成品汽車。而國內的情況，估計和特斯拉差不多，實現簡單路況下自動駕駛就會開始賣了。然後進一步積攢數據，更新演算法，參照網路的阿波羅計劃，大致就是這樣。但是無人車帶來的失業問題吧，目前來說不會很快。計程車司機或者是貨車司機真的不需要他們的時候，那至少得是第五級的安全水平，才敢讓這樣的車上路。可能五到十年吧，應該能實現！
相對於這些，現在倉庫里的那些小的運貨的車子對失業問題可能威脅更大。一下子把倉庫的儲物面積提升了百分之五十。還不要工資～李開復的估計是，未來十年我國將有百分之五十的人失業。他自己還說這是根據模型和數據算出來的，很多人不當回事，但是我覺得是有可能的。昨天和明天，過去和未來。過去我們覺得不可能的事情現在正在發生，還有一些過去覺得可能得事情也會變得不可能。如果人工智慧時代這次沒有跳票，而真的來臨的話，我們面臨又豈止失業這件小事。我們面臨可能就會是一個全新的社會。例如計劃經濟和市場經濟之間這么多年的爭論。市場經濟中我們說有一隻看不見的手，但是當人工智慧時代來臨，一切都被數據化的時候。
這只手我們真的看不見嗎？公司這種組織形式是第二次工業革命之後才出現的，未來就不會有新的組織形式？我認為，與其想著什麼工作會失業，不如從現在想，要進行什麼樣的教育，來適應未來的世界。
⑧ 人工智慧方面的機器人發展情況
機器人發展簡史
作者：未知 文章來源：《環球科學》雜志
個人機器人——PR(Personal Robot)現在是一個夢想。機器人研究涉及的學科涵蓋機械、電子、感測器、驅動與控制等多個領域，過去，對機器人行業有過重大貢獻的人數不勝數。不過，從簡單的時間線已經能夠看出，從第一代工業機器人、第二代帶有「感覺」的機器人到第三代智能機器人，機器人的體積越來越小，與PC結合得越來越緊密。說不定，PR就快成為現實了。
以下為1920年至今機器人發展簡史：
1920年 捷克斯洛伐克作家卡雷爾·恰佩克在他的科幻小說《羅薩姆的機器人萬能公司》中，根據Robota(捷克文，原意為「勞役、苦工」)和Robotnik(波蘭文，原意為「工人」)，創造出「機器人」這個詞。
1939年 美國紐約世博會上展出了西屋電氣公司製造的家用機器人Elektro。它由電纜控制，可以行走，會說77個字，甚至可以抽煙，不過離真正幹家務活還差得遠。但它讓人們對家用機器人的憧憬變得更加具體。
1942年 美國科幻巨匠阿西莫夫提出「機器人三定律」。雖然這只是科幻小說里的創造，但後來成為學術界默認的研發原則。
1948年 諾伯特·維納出版《控制論》，闡述了機器中的通信和控制機能與人的神經、感覺機能的共同規律，率先提出以計算機為核心的自動化工廠。
1954年 美國人喬治·德沃爾製造出世界上第一台可編程的機器人，並注冊了專利。這種機械手能按照不同的程序從事不同的工作，因此具有通用性和靈活性。
1956年 在達特茅斯會議上，馬文·明斯基提出了他對智能機器的看法：智能機器「能夠創建周圍環境的抽象模型，如果遇到問題，能夠從抽象模型中尋找解決方法」。這個定義影響到以後30年智能機器人的研究方向。
1959年 德沃爾與美國發明家約瑟夫·英格伯格聯手製造出第一台工業機器人。隨後，成立了世界上第一家機器人製造工廠——Unimation公司。由於英格伯格對工業機器人的研發和宣傳，他也被稱為「工業機器人之父」。
1962年 美國AMF公司生產出「VERSTRAN」(意思是萬能搬運),與Unimation公司生產的Unimate一樣成為真正商業化的工業機器人，並出口到世界各國，掀起了全世界對機器人和機器人研究的熱潮。
1962年-1963年 感測器的應用提高了機器人的可操作性。人們試著在機器人上安裝各種各樣的感測器，包括1961年恩斯特採用的觸覺感測器，托莫維奇和博尼1962年在世界上最早的「靈巧手」上用到了壓力感測器，而麥卡錫1963年則開始在機器人中加入視覺感測系統，並在1965年，幫助MIT推出了世界上第一個帶有視覺感測器，能識別並定位積木的機器人系統。
1965年 約翰·霍普金斯大學應用物理實驗室研製出Beast機器人。Beast已經能通過聲納系統、光電管等裝置，根據環境校正自己的位置。20世紀60年代中期開始，美國麻省理工學院、斯坦福大學、英國愛丁堡大學等陸續成立了機器人實驗室。美國興起研究第二代帶感測器、「有感覺」的機器人，並向人工智慧進發。
1968年 美國斯坦福研究所公布他們研發成功的機器人Shakey。它帶有視覺感測器，能根據人的指令發現並抓取積木,不過控制它的計算機有一個房間那麼大。Shakey可以算是世界第一台智能機器人，拉開了第三代機器人研發的序幕。
1969年 日本早稻田大學加藤一郎實驗室研發出第一台以雙腳走路的機器人。加藤一郎長期致力於研究仿人機器人，被譽為「仿人機器人之父」。日本專家一向以研發仿人機器人和娛樂機器人的技術見長，後來更進一步，催生出本田公司的ASIMO和索尼公司的QRIO。
1973年 世界上第一次機器人和小型計算機攜手合作，就誕生了美國Cincinnati Milacron公司的機器人T3。
1978年 美國Unimation公司推出通用工業機器人PUMA，這標志著工業機器人技術已經完全成熟。PUMA至今仍然工作在工廠第一線。
1984年 英格伯格再推機器人Helpmate，這種機器人能在醫院里為病人送飯、送葯、送郵件。同年，他還預言：「我要讓機器人擦地板，做飯，出去幫我洗車，檢查安全」。
1998年 丹麥樂高公司推出機器人(Mind-storms)套件，讓機器人製造變得跟搭積木一樣，相對簡單又能任意拼裝，使機器人開始走入個人世界。
1999年 日本索尼公司推出犬型機器人愛寶(AIBO)，當即銷售一空，從此娛樂機器人成為目前機器人邁進普通家庭的途徑之一。
2002年 丹麥iRobot公司推出了吸塵器機器人Roomba，它能避開障礙，自動設計行進路線，還能在電量不足時，自動駛向充電座。Roomba是目前世界上銷量最大、最商業化的家用機器人。
2006年 6月，微軟公司推出Microsoft Robotics Studio，機器人模塊化、平台統一化的趨勢越來越明顯，比爾·蓋茨預言，家用機器人很快將席捲全球。
⑨ 人工智慧有什麼好的參考書么
Peter Norvig 的《AI, Modern Approach 2nd》（無爭議的領域經典）
Bishop, 《Pattern Recognition and Machine Learning》. 沒有影印的，但是網上能下到。經典中的經典。Pattern Classification 和這本書是兩本必讀之書。《Pattern Recognition and Machine Learning》是很新（07年），深入淺出，手不釋卷。
推薦兩本有意思的書，
一本是《Simple Heuristics that Makes Us Smart》
另一本是《Bounded Rationality: The Adaptive Toolbox》
---------------------------------------------------------------------
<從CSDN上轉載的>
機器學習與人工智慧學習資源導引
我經常在 TopLanguage 討論組上推薦一些書籍，也經常問裡面的牛人們搜羅一些有關的資料，人工智慧、機器學習、自然語言處理、知識發現（特別地，數據挖掘）、信息檢索這些無疑是 CS 領域最好玩的分支了（也是互相緊密聯系的），這里將最近有關機器學習和人工智慧相關的一些學習資源歸一個類：
首先是兩個非常棒的 Wikipedia 條目，我也算是 wikipedia 的重度用戶了，學習一門東西的時候常常發現是始於 wikipedia 中間經過若干次 google ，然後止於某一本或幾本著作。
第一個是「人工智慧的歷史」（History of Artificial Intelligence），我在討論組上寫道：
而今天看到的這篇文章是我在 wikipedia 瀏覽至今覺得最好的。文章名為《人工智慧的歷史》，順著 AI 發展時間線娓娓道來，中間穿插無數牛人故事，且一波三折大氣磅礴，可謂"事實比想像更令人驚訝"。人工智慧始於哲學思辨，中間經歷了一個沒有心理學（尤其是認知神經科學的）的幫助的階段，僅通過牛人對人類思維的外在表現的歸納、內省，以及數學工具進行探索，其間最令人激動的是 Herbert Simon （決策理論之父，諾獎，跨領域牛人）寫的一個自動證明機，證明了羅素的數學原理中的二十幾個定理，其中有一個定理比原書中的還要優雅，Simon 的程序用的是啟發式搜索，因為公理系統中的證明可以簡化為從條件到結論的樹狀搜索（但由於組合爆炸，所以必須使用啟發式剪枝）。後來 Simon 又寫了 GPS （General Problem Solver），據說能解決一些能良好形式化的問題，如漢諾塔。但說到底 Simon 的研究畢竟只觸及了人類思維的一個很小很小的方面 —— Formal Logic，甚至更狹義一點 Dective Reasoning （即不包含 Inctive Reasoning , Transctive Reasoning (俗稱 analogic thinking）。還有諸多比如 Common Sense、Vision、尤其是最為復雜的 Language 、Consciousness 都還謎團未解。還有一個比較有趣的就是有人認為 AI 問題必須要以一個物理的 Body 為支撐，一個能夠感受這個世界的物理規則的身體本身就是一個強大的信息來源，基於這個信息來源，人類能夠自身與時俱進地總結所謂的 Common-Sense Knowledge （這個就是所謂的 Emboddied Mind 理論。 ），否則像一些老兄直接手動構建 Common-Sense Knowledge Base ，就很傻很天真了，須知人根據感知系統從自然界獲取知識是一個動態的自動更新的系統，而手動構建常識庫則無異於古老的 Expert System 的做法。當然，以上只總結了很小一部分我個人覺得比較有趣或新穎的，每個人看到的有趣的地方不一樣，比如裡面相當詳細地介紹了神經網路理論的興衰。所以我強烈建議你看自己一遍，別忘了裡面鏈接到其他地方的鏈接。
順便一說，徐宥同學打算找時間把這個條目翻譯出來，這是一個相當長的條目，看不動 E 文的等著看翻譯吧:)
第二個則是「人工智慧」（Artificial Intelligence）。當然，還有機器學習等等。從這些條目出發能夠找到許多非常有用和靠譜的深入參考資料。
然後是一些書籍
書籍：
1. 《Programming Collective Intelligence》，近年出的入門好書，培養興趣是最重要的一環，一上來看大部頭很容易被嚇走的:P
2. Peter Norvig 的《AI, Modern Approach 2nd》（無爭議的領域經典）。
3. 《The Elements of Statistical Learning》，數學性比較強，可以做參考了。
4. 《Foundations of Statistical Natural Language Processing》，自然語言處理領域公認經典。
5. 《Data Mining, Concepts and Techniques》，華裔科學家寫的書，相當深入淺出。
6. 《Managing Gigabytes》，信息檢索好書。
7. 《Information Theory：Inference and Learning Algorithms》，參考書吧，比較深。
相關數學基礎（參考書，不適合拿來通讀）：
1. 線性代數：這個參考書就不列了，很多。
2. 矩陣數學：《矩陣分析》，Roger Horn。矩陣分析領域無爭議的經典。
3. 概率論與統計：《概率論及其應用》，威廉·費勒。也是極牛的書，可數學味道太重，不適合做機器學習的。於是討論組里的 Du Lei 同學推薦了《All Of Statistics》並說到
機器學習這個方向，統計學也一樣非常重要。推薦All of statistics，這是CMU的一本很簡潔的教科書，注重概念，簡化計算，簡化與Machine Learning無關的概念和統計內容，可以說是很好的快速入門材料。
4. 最優化方法：《Nonlinear Programming, 2nd》非線性規劃的參考書。《Convex Optimization》凸優化的參考書。此外還有一些書可以參考 wikipedia 上的最優化方法條目。要深入理解機器學習方法的技術細節很多時候（如SVM）需要最優化方法作為鋪墊。
王寧同學推薦了好幾本書：
《Machine Learning, Tom Michell》, 1997.
老書，牛人。現在看來內容並不算深，很多章節有點到為止的感覺，但是很適合新手（當然，不能"新"到連演算法和概率都不知道）入門。比如決策樹部分就很精彩，並且這幾年沒有特別大的進展，所以並不過時。另外，這本書算是對97年前數十年機器學習工作的大綜述，參考文獻列表極有價值。國內有翻譯和影印版，不知道絕版否。
《Modern Information Retrieval, Ricardo Baeza-Yates et al》. 1999
老書，牛人。貌似第一本完整講述IR的書。可惜IR這些年進展迅猛，這本書略有些過時了。翻翻做參考還是不錯的。另外，Ricardo同學現在是Yahoo Research for Europe and Latin Ameria的頭頭。
《Pattern Classification (2ed)》, Richard O. Duda, Peter E. Hart, David G. Stork
大約也是01年左右的大塊頭，有影印版，彩色。沒讀完，但如果想深入學習ML和IR，前三章（介紹，貝葉斯學習，線性分類器）必修。
還有些經典與我只有一面之緣，沒有資格評價。另外還有兩本小冊子，論文集性質的，倒是講到了了不少前沿和細節，諸如索引如何壓縮之類。可惜忘了名字，又被我壓在箱底，下次搬家前怕是難見天日了。
（呵呵，想起來一本：《Mining the Web - Discovering Knowledge from Hypertext Data》 ）
說一本名氣很大的書：《Data Mining: Practical Machine Learning Tools and Techniques》。Weka 的作者寫的。可惜內容一般。理論部分太單薄，而實踐部分也很脫離實際。DM的入門書已經不少，這一本應該可以不看了。如果要學習了解 Weka ，看文檔就好。第二版已經出了，沒讀過，不清楚。
信息檢索方面，Du Lei 同學再次推薦：
信息檢索方面的書現在建議看Stanford的那本《Introction to Information Retrieval》，這書剛剛正式出版，內容當然up to date。另外信息檢索第一大牛Croft老爺也正在寫教科書，應該很快就要面世了。據說是非常pratical的一本書。
對信息檢索有興趣的同學，強烈推薦翟成祥博士在北大的暑期學校課程，這里有全slides和閱讀材料：http://net.pku.e.cn/~course/cs410/schele.html
maximzhao 同學推薦了一本機器學習：
加一本書：Bishop, 《Pattern Recognition and Machine Learning》. 沒有影印的，但是網上能下到。經典中的經典。Pattern Classification 和這本書是兩本必讀之書。《Pattern Recognition and Machine Learning》是很新（07年），深入淺出，手不釋卷。
最後，關於人工智慧方面（特別地，決策與判斷），再推薦兩本有意思的書，
一本是《Simple Heuristics that Makes Us Smart》
另一本是《Bounded Rationality: The Adaptive Toolbox》
不同於計算機學界所採用的統計機器學習方法，這兩本書更多地著眼於人類實際上所採用的認知方式，以下是我在討論組上寫的簡介：
這兩本都是德國ABC研究小組（一個由計算機科學家、認知科學家、神經科學家、經濟學家、數學家、統計學家等組成的跨學科研究團體）集體寫的，都是引起領域內廣泛關注的書，尤其是前一本，後一本則是對 Herbert Simon （決策科學之父，諾獎獲得者）提出的人類理性模型的擴充研究），可以說是把什麼是真正的人類智能這個問題提上了檯面。核心思想是，我們的大腦根本不能做大量的統計計算，使用fancy的數學手法去解釋和預測這個世界，而是通過簡單而魯棒的啟發法來面對不確定的世界（比如第一本書中提到的兩個後來非常著名的啟發法：再認啟發法（cognition heuristics）和選擇最佳（Take the Best）。當然，這兩本書並沒有排斥統計方法就是了，數據量大的時候統計優勢就出來了，而數據量小的時候統計方法就變得非常糟糕；人類簡單的啟發法則充分利用生態環境中的規律性（regularities），都做到計算復雜性小且魯棒。
關於第二本書的簡介：
1. 誰是 Herbert Simon
2. 什麼是 Bounded Rationality
3. 這本書講啥的：
我一直覺得人類的決策與判斷是一個非常迷人的問題。這本書簡單地說可以看作是《決策與判斷》的更全面更理論的版本。系統且理論化地介紹人類決策與判斷過程中的各種啟發式方法（heuristics）及其利弊（為什麼他們是最優化方法在信息不足情況下的快捷且魯棒的逼近，以及為什麼在一些情況下會帶來糟糕的後果等，比如學過機器學習的都知道樸素貝葉斯方法在許多情況下往往並不比貝葉斯網路效果差，而且還速度快；比如多項式插值的維數越高越容易 overfit，而基於低階多項式的分段樣條插值卻被證明是一個非常魯棒的方案）。
在此提一個書中提到的例子，非常有意思：兩個團隊被派去設計一個能夠在場上接住拋過來的棒球的機器人。第一組做了詳細的數學分析，建立了一個相當復雜的拋物線近似模型（因為還要考慮空氣阻力之類的原因，所以並非嚴格拋物線），用於計算球的落點，以便正確地接到球。顯然這個方案耗資巨大，而且實際運算也需要時間，大家都知道生物的神經網路中生物電流傳輸只有百米每秒之內，所以 computational complexity 對於生物來說是個寶貴資源，所以這個方案雖然可行，但不夠好。第二組則采訪了真正的運動員，聽取他們總結自己到底是如何接球的感受，然後他們做了這樣一個機器人：這個機器人在球拋出的一開始一半路程啥也不做，等到比較近了才開始跑動，並在跑動中一直保持眼睛於球之間的視角不變，後者就保證了機器人的跑動路線一定會和球的軌跡有交點；整個過程中這個機器人只做非常粗糙的軌跡估算。體會一下你接球的時候是不是眼睛一直都盯著球，然後根據視線角度來調整跑動方向？實際上人類就是這么乾的，這就是 heuristics 的力量。
相對於偏向於心理學以及科普的《決策與判斷》來說，這本書的理論性更強，引用文獻也很多而經典，而且與人工智慧和機器學習都有交叉，裡面也有不少數學內容，全書由十幾個章節構成，每個章節都是由不同的作者寫的，類似於 paper 一樣的，很嚴謹，也沒啥廢話，跟《Psychology of Problem Solving》類似。比較適合 geeks 閱讀哈。
另外，對理論的技術細節看不下去的也建議看看《決策與判斷》這類書（以及像《別做正常的傻瓜》這樣的傻瓜科普讀本），對自己在生活中做決策有莫大的好處。人類決策與判斷中使用了很多的 heuristics ，很不幸的是，其中許多都是在適應幾十萬年前的社會環境中建立起來的，並不適合於現代社會，所以了解這些思維中的缺點、盲點，對自己成為一個良好的決策者有很大的好處，而且這本身也是一個非常有趣的領域。
（完）