人工智能时间线
① 现在什么职业最容易被人工智能取代
最近降温，随着寒流而来的，是接连不断的裁员消息带来的就业焦虑，8月，美团、拉勾爆出裁员信息；10月， 阿里、京东等企业也不同程度“缩招”。上个月，富士康又被爆出裁掉34万人。这是多么震惊的数字，危机来得让人措不及手。大裁员环境下，永远不要假设危机不会降临到自己头上，每个人都要做好被裁的准备。
有一句话讲的很好：打败你的，永远是你看不见的对手。现在面临大面积的裁员就是因为AI的迅速发展，AI带来的不止是繁荣，同时也伴随着危机与挑战，大部分工作将会被机器人替代。从下面这张图里我们可以了解一下到底哪些会被AI替代的人群，哪些又是AI难以取代的。
不会被AI替代的人群
一想到裁员，我们可能首先想到会先被裁员的是那些快递小哥、门童、酒店前台类等没有技术含量的工作，所以一旦裁员，这些人首当其冲。如果这样想的话，那就大错特错了，像这类工作，工资低，有需要一定的沟通互动能力，灵活性很大，所以根本不值得用AI去替代工作。
那AI到底会替代哪些工作？
1.重复性劳动，特别是在相同或非常相似的地方完成的工作，不需与人进行大量面对面交流的工作（如数据输入、装配线检查）
2.有固定台本和对白内容的各种互动（如客户服务、电话营销）
3.相对简单的数据分类，或思考不到一分钟就可以完成识别的工作（如文件归档、作业打分、名片筛选）
4.在某公司一个非常狭小的领域工作（如银行理财产品的电话推销员、某部门的会计）
我们明显可以看出，AI替代的就是一些简单的，可重复的工作，很多白领以为自己工作稳定，不会被裁，反而去担心快递小哥他们会失业，殊不知最先担心的应该是自己，这些简单可重复性的工作，机器完全可模拟作业，而这部分白领的工资相对不低，所以替代的可能性极大。
那人工智能难以取代的工作类型又有哪些？
1.创意性工作（例如，医学研究员、获奖剧本作家、公关专家、企业家、艺术家）。 人工智能不擅长提出新概念，所以创作型的工作AI是无法进行的。
2.同理心/人性化工作（例如，社工、特殊教师、婚姻顾问），人工智能没有人类的情商。人们也不愿“信任”机器，让机器来处理人性化任务。
3.复杂性/战略性工作（例如，首席执行官、谈判专家、并购专家），需要了解多个领域并需要进行战略决策的工作。对于人工智能来说，即使是理解常识也很困难。
李开复说：”未来人类只剩下两类工作，创造型和关爱型。”以上言论绝非危言耸听，发展这些能力是应对未来的重中之重。而我们都知道，艺术类工作从小开始就是需要培养的，我们大部分人无法在短时间内去重新学习掌握的，我们只能在复杂性/战略性工作上面更进一步。未来人才的核心竞争力只能朝创新能力、合作能力、沟通能力以及批判性思维发展。所以像PR、CEO这些职位你说是能被AI所替代的吗？显然是不可能的。
如果你不想被AI替代、被这个社会所淘汰，那只能不断提升自己，让自己占据高位，保持旺盛的学习力，并不断尝试新鲜事物。接纳变化、死磕目标、持续成长，这才是不被AI所淘汰的正确之道。
② 我们有没有可能像电影《终结者》一样，沿着时间线向前移动
我认为很有可能会沿着时间线向前移动
③ 如何看待人工智能的论文
人工智能：冲击，还是救赎？
人工智能，人类期待的下一个科技新燃点正在试图“引爆”我们的社会
交朋友、订餐、打车、网上购物、众筹投资等等，这些我们习以为常的生活技能已经被我们通过众多的社交媒体和App而掌握。然而，如今硅谷再次找到了下一个新燃点——人工智能（AI），试图再次“引爆”我们的世界。截至目前来看，人们对这一科技的未来十分有信心，并且部分学者及科学家，如牛津大学教授卢西亚诺·弗洛里迪，麻省理工斯隆管理学院的埃里克·布莱恩约弗森、安德鲁·麦卡菲等人，认为人工智能或许会成继哥白尼革命、达尔文革命后又一人类自我认知革命，蒸汽机工业革命后的又一机器革命。
未来，人工智能究竟会成为人类认知的冲击力量，还是世界时代发展的技术革命救赎？“硅谷独家大王”，《纽约时报》高级科技记者约翰·马尔科夫，凭借他对互联网发展的惊人洞察力和敏锐度，为我们带来深刻解读。
AI与IA
《时间线》：尽管AI已经成为当前的热门话题，但是似乎AI还没有被给予一个较为完整的定义。在您看来，AI的定义是什么？
马尔科夫： 从普遍共识角度来看，AI是一个关注于执行类似人类能力的技术的领域，包括从认知到语音、视觉以及物理运动。因此机器人学是AI的一个子集。值得注意的是，麦克卡尼最初创造了这个词，因为他想创造和替代控制论领域，主要是因为他不喜欢Norbert Wiener。
《时间线》：在您的《与机器人共舞》这本书中，您为我们呈现了另一个概念，IA（智能增强）。您能为我们详细解释一下IA吗？
马尔科夫：智能增强，即IA，是在20世纪60年代由计算机科学家Douglas Engelbart创造的。Engelbart后来还发明了直到现在我们仍在电脑和网络上使用的电脑鼠标，超文本和其他技术。在提出智能增强一词时，他打算使用各种基于计算机的技术来帮助知识工作者更有效地进行工作。
《时间线》：关于AI与IA的发展关系，您认为它们之间是互斥的还是互相支持的？
马尔科夫：AI与IA的关系是分歧并悖论的。悖论的原因是如果你增强人类智能，意味着你可能需要较少的人类去处理某个任务。我着手写《与机器人共舞》就是为了探索这两个在过去半个世纪都没有任何联系的截然不同的计算机世界。面对这个挑战，我认为的解决办法即是以人类为中心的工程设计。
人机关系与机器人犯罪
《时间线》：人机关系一直是很有争议的话题。在您看来最合适的人机关系是怎样的？您是否同意《人工智能时代》作者Jerry Kaplan教授提出的AI可能会加剧财富分配不均的观点？
马尔科夫：计算机科学家Alan Kay曾说，我们可以选择去设计那些系统作为我们的奴隶，合作伙伴或主人。（他这番话来自黑格尔。）我也赞同通过设计那些可以充当工作同伴的系统来作为解决办法。至于Jerry Kaplan先生提出的关于技术产生更大的财富不平等的观点，我认为相关的证据和情况是复杂的。我看到有一些情况和趋势是反映了他的观点，但是另一些情况确实是与其相背离的。
《时间线》：在机器帮人们解决很多问题同时也意味着人类在逐渐被机器简化。例如现在人们使用的智能手机将很多复杂程序简化，用户不用思考太多的操作流程，只要几步简单的操作就可以掌握它的功能，以至于帮助人们解决很多问题。您认为智能机器的“思维”是否会使人类智慧“退化”？
马尔科夫：不得不说这确实是个问题，这事关我们怎样设计那些会与我们产生相互作用及相关性的AI。比如说，可能通过使用AI去增强一个医生的决策能力和诊断能力。或者，相反地，可能在AI的协助下使有较浅资历和能力的医生助手来替代医生。哪个是正确的选择呢？我想这是很难决定其一的，但它确实是一个社会选择。
《时间线》：现在人们最直观的AI感受除了智能手机外就是目前大热的无人驾驶汽车，但是近期特斯拉无人驾驶汽车车祸死亡事故将安全问题推向舆论风口浪尖。关于最后的追责问题引起人们关注，您如何看待这类问题？在未来，机器人犯罪是否会成为重要的伦理问题之一？
马尔科夫：完全无人驾驶要比欧洲、美国、亚洲的工程师所认为的无人驾驶挑战更大。来自技术和监管的挑战使得设计者需要比想象中更多的时间来设计完全无人驾驶系统。关于完全无人驾驶的责任认定问题，最简单的答案就是责任归属制造者。我认为AI技术将很快被滥用，正如现如今我们使用的相关计算机技术被滥用一样。或许，在未来，语音合成将很可能成为社会工程攻击人类诚信的武器。
人工智能全球化与产业革命
《时间线》：自集成电路发展开始，摩尔定律成为科技发展的默认趋势，但是似乎自大数据、云计算、AI等出现后，摩尔定律在逐渐被打破，您如何看待这种情况？对摩尔定律的突破是否也意味着科技发展的新形式？
马尔科夫：摩尔定律的影响现在是失速的。登纳德缩放比例定律（关于处理器时针速度的指数增长）终结于2006年，并且单个晶体管成本的下降终结于2014年。这意味着始于1965年的“搭便车效应”现在已经终结了。我不知道制造技术在未来是否有新的突破，但是目前还未发生什么。这也不意味着计算机进程正在结束，只是未来可能更多的是依赖人类的创造力。
《时间线》：随着技术的进步，AI技术已经成为部分国家的战略发展，从德国的工业4.0到中国的互联网+，AI全球化成为必然趋势，但这一趋势也毫无疑问地在挑战着目前的发展模式，您认为AI的爆发是否会彻底颠覆人类发展成为新一次的产业革命？
马尔科夫：不，我认为不会的。AI本质是一种技术，就像汽锤或卡车一样。在任何社会中，它既可用来增强人类能力但也可取代人类。但这依赖于如何使用和部署AI技术。
《时间线》：AI和智能机器人的渗透已经开始在影响人类生活了，我们看到在部分行业中，部分职业已经被机器人取代，同时因为AI的出现也衍生出不少新的行业，您认为这一变化是否在预示着AI对产业结构的改变？人类的工作真的会被智能机器抢走吗？您认为人们应该如何应对这一变化？
马尔科夫：AI和机器人的到来要比其狂热者所认为的慢很多。这些技术在被演示的时候表现得非常好，但是目前有些技术在现实生活中仍有些不切实际。一些支持者认为，技术的快速发展在未来将是继续的趋势，但是事实上有些证据却表明速度是慢了下来，而不是持续加速。对于AI和机器人的到来，我认为在许多社会中，特别是那些正在加速成熟的国家，例如中国，如果机器人来得及时，那么对于这些国家来说将是很幸运的。
中国竞争
《时间线》：您能否简单对比下美国AI发展与中国AI发展，有何相同点和不同点？您对中国的AI技术和智能机器人的发展有何看法？对中国的企业家有何建议？
马尔科夫：由于贵国政府没有允许我作为一个报道者在贵国工作，所以很抱歉我的观点很有限。不过，有证据表明，中国正在快速追赶美国的创新能力。但是我还没有见到中国计算机科学家和工程师有根本性的突破，大部分都还只是渐进式的发展。
《时间线》：目前中国经济和科技在面临一次新的转型，中国逐渐在由“中国制造”转变为“中国创造”，您认为AI的爆发对这一转型会产生怎样的影响？
马尔科夫：我认为“中国创造”是一个目标。当新奇的中国技术出现，或是源自中国想法而不是复制美国而产生的新技术平台出现时，那将会非常有意思。
④ 终结者系列的剧情 时间线该怎么理解
图标说明：
黑线：时间线
蓝线、红线：穿越线 （蓝线指与人类敌对立场的穿越，红线指与人类同一立场的穿越）
重要说明：所有数据、分析均只依照终结者1-5共5部电影，不参考其它同名作品。另外分析剧情中自然会利用涉及维度理论的科学原理。个人整理，难免有错漏，还请指正。
下面我们就一步步来分析整个终结者的时间线，理顺所有剧情以及背后的科学道理。
万事开头难！真的，别急，慢慢来。
先看第1条时间线（以下简称1号线），1965年Sarah Connor出生。这个时间影片未明确交代，也不能明确推理出来，但大家一般都公认这个时间，所以图上“1965”后面有个问号。1984年以前一切都正常（1974年的事情之后再说），但1984年天网派T-800穿越过来谋杀Sarah Connor，如a所示。紧接着时间线出现分歧，2号线出现。再接着，b穿越发生——Kyle Reese穿越过来保护Sarah Connor。
我们来看，1号线到底发生了什么？实际没有发生任何穿越，那个1984年的穿越实际是在2号线上。虽然没有穿越，但后来还是出现了天网以及审判日（问号标记审判日，但这个审判日的日期未知），并且最终人类在2029年战胜了天网，就在天网即将战败之时，它派T-800穿越回到过去企图改变命运。
这里说明一下，其实T-800回到过去，无论发生什么都无法改变1号线的事实，因为T-800一旦回到过去，时间在那一刻就出现分歧，一切发生的事情都在2号时间线上，与1号线无直接相关。要知道时间线上的任何变化都会引导时间线的分歧，即把世界引向不同的结果，详见下面提供的维度理论的短片。
1号线上发生的事情仅在第一部电影中少量出现，电影开头对末日战争有简单画面交代，中间部分也有Kyle Reese的回忆交代，其它地方再无出现。然而1号线却是所有事件的源头。如果说终结者的穿越是个循环，那1号线就是循环的起点。因果律是宇宙的绝对法则，而这个1号线就是所有终结者系列事件的“因”，发生于其它事件之“前”。
因果律指的就是先有“因”后有“果”。
下面来看a、b两个穿越。a穿越仅发生在1号线上，是1号线的未来穿越到1号线的过去，是在五维时空里发生的事情。虽然穿越完成后它改变了时间线，但穿越这个事件还是仅与1号线有关。b穿越却是在六维时空里发生的，由1号线穿越到2号线。
维度空间理论可参考视频链接从一维空间到十维空间
为什么b穿越不是像a穿越一样穿越到1号线的过去，或者说和a穿越“一块”发生？首先，a穿越是1号线的2029年穿越到1号线的1984年，如果b穿越也如此，那么Kyle Reese从1号线的2029年穿越到1号线的1984年，1号线的1984年有什么？什么也没有？！没有T-800来临，一切正常，Kyle Reese来干嘛？来抢Sarah Connor作老婆？
这里先插一嘴，刚才说“抢老婆”，你要明白，1号线的Sarah Connor是拯救人类的英雄，而她的儿子John Connor也是人类领袖，并且John Connor的父亲不是Kyle Reese！为什么？因为1号线2029年前没有穿越，哪来的Kyle Reese和Sarah Connor交配产子？
好吧，那么在没有“穿越”这个“提前剧透”的指引下，为什么Sarah Connor还能教儿子John Connor做好应对天网的准备？因为——Sarah Connor牛！她远见卓识，早预料人工智能会对人类反戈一击。1号线是所有事件的“因”，只能这么解释。有一点，你注意到没有？John Connor的父亲是谁根本不重要，重要的是只要John Connor是Sarah Connor的儿子，就能保证John Connor能从他妈那获得“秘籍”，而1号线的John Connor果断会接受他妈的教诲，不像第二部电影里的少年John Connor一开始还以为他妈是疯子，直到“外挂”——改造后的T-800到来才幡然醒悟。
再回到a、b穿越的问题上。b穿越不能和a穿越“一块”发生。本身客观事实上，a、b两个穿越就有先后顺序或者因果关系。1号线上，为什么John Connor会派Kyle Reese回去救自己母亲？要知道这里的John Connor是没有“外挂”的，他怎么知道天网派了T-800去杀自己母亲？因为John Connor的工程师分析天网的设备以及数据得到了这个结论。第五部电影里对此有明确交代，他们可以查出刚穿越的机器人的去向。于是Kyle Reese追随着T-800来到了T-800开辟的2号线。
有个问题：b穿越难道不应该也使2号线出现分歧吗？当然，的确如此！那怎么解释？简单，a穿越使1号线分歧出2’号线，而b穿越又使2’号线分歧出2号线。注意：2’号线上只有T-800，没有Kyle Reese，这条线上的人类的命运如何？我们无从得知，估计不乐观。等等，你要问我为什么不把2’号线画上去？我也想啊，可我是画完图，文章写到一半才想起来的。哎，以后的穿越也有类似缺漏，大家见谅。
a穿越是五维的，b穿越是六维的，一个仪器能这么多功能？抑或，能这样吗？就是穿越是在六维时空里完成的，但可以用其来实现简单的五维穿越。科学上，我真不知道。剧情上，看完第五部电影，这种说法符合得很好。
其实到这，整个终结者的大难题的核心部分已经解释清楚了，下面就是细节问题了。
来看2号线，Kyle Reese终结了T-800，救了Sarah Connor，并成功让其怀孕。但T-800的芯片却遗留下来，故事继续发展。到1994年（由第二部电影以及结合Sarah Connor生日推测得到），T-1000和被人类改造的T-800（以下简称AS，Arnold Schwarzenegger阿诺·施瓦辛格）相继到来。当然跟前面的穿越一样，c穿越带来T-1000，引起2号线出现分歧，3号线出现，AS通过d穿越实际跟随T-1000来到的是3号线。关于3’号线的事情，不用我介绍了吧，总之就是c、d穿越到达之间的时间线。
那么原来的2号线发生了什么呢？没有1994年的机器人到来，但到了1997年8月29日，天网仍然启动。2029年人类在John Connor的带领下取得胜利，同时天网为了最后一搏，送T-1000到当时所在2号线的1994年，紧接着John Connor送AS去追踪T-1000。请注意，这时的John Connor没有被穿越的机器人造访过，只从他妈那听说过1984年的事情，但聪明的John Connor自然会联想到当前面对的天网也会使“盘外招”。不过话说，John Connor会“本能地”以为天网会如以前一样派机器人到1984年吗？聪明的John Connor当然不会！2号线的1984年是怎样的？是已经有T-800和Kyle Reese穿越的！再来个穿越的混乱程度肯定会促使John Connor重新思考（提前说明一下，多个穿越的混乱正是第五部电影的内容！）。John Connor的工程师在分析完仪器的数据后肯定会明白——T-1000被送到了1994年去谋杀童年的John Connor。那么这回，John Connor派的是AS。天网在进步，T-1000都被发明了，而人类也在进步，T-800都能改造了。我在想，这时John Connor身边是否站着Kyle Reese？其实2号线“土生土长”的Kyle Reese不是2号线John Connor的父亲，1号线“土生土长”的Kyle Reese才是。
再看3号线。AS完成了任务，Sarah Connor和John Connor都活了下来，天网的启动还被推迟了，注意，仅仅是推迟，而非取消。推迟到什么时候？第四部电影说是21实际初，也就是第三部电影发生的时间，我们暂且定其为2006年，这是较为普遍的说法。在2006年前，有个2003年，那年Marcus Wright被开始改造成机械骨骼人体，这是第四部电影的剧情，但也在3号线上，当然同时也在4号线上。不同时间线能有共起源，但不能有共结局。
在3号线上，没有T-X，也没有再次到来的AS，2006年天网启动，然后天网又输给了人类，日期推测是2029年。这回天网派T-X通过e穿越到所在3号线的2006年去企图谋杀一连串目标，而来到2006年的T-X自然分歧了时间线，4号线出现。紧接着AS通过f穿越来到了4号线。同样4’号线的事情也不用我介绍了吧，是e、f穿越到达之间的时间线。
相比于2号线，3号线的天网更进一步发明了T-X，而人类还停留在AS，不难想象这回在4号线上，AS只是勉强完成任务，虽然保护了John Connor和其女友Kate Brewster，但审判日完全没被推迟，原来的2006年还是2006年（参考第三部电影）。
接着看4号线。2006年，审判日。2018年，第四部电影的剧情发生。2029年，天网被击败，这已经进入到第五部电影的内容了，注意了，情况有变。天网把T-800通过i穿越送到过去，送到哪了呢？送到了另外一条时间线——6号线上。而这其实只是个诱饵，诱导谁？诱导4号线上2029年的John Connor。这个John Connor是个十足的蠢货（之所以这么蠢，可能是因为接受了Marcus Wright的心脏，哈哈，玩笑话），他竟然还以为是送人到1984年救自己的母亲，拜托，他所在的时间线的1984年已经被穿越了，当然被穿越的还有1994和2006。
就在John Connor满心期待地看着4号线土生土长Kyle Reese准备通过j穿越去追踪T-800时，吃一堑长一智的天网乘机把John Connor逮住并改造成了T-3000。关于这个Kyle Reese，第五部电影交代他小时候被John Connor救过，并“暗示”自此之后他就跟着John Connor。但这与第四部电影冲突，唯一的解释的就是——Kyle Reese小时候被救，John Connor不知道救的就是Kyle Reese，然后两人分开，然后Kyle Reese长大后两人再次遇见。哎，剧情细节上的矛盾还得由我来“擦屁股”。
接下来就是万众瞩目的问题：第五部电影的“老爹”从何而来？不卖关子，直接解释。第五部里Sarah Connor原打算穿越到1997年，谁的主意？当然是老爹教她的，老爹认为审判日发生在1997年。要知道3号线、4号线上的审判日都发生在2006年，那么老爹自然不是来自这两条线的2029年。天网只会在将要输掉的时候才会派机器人穿越到过去改变历史吗？答案是肯定的，因为天网是个死性子，不到黄河心不死，就这么解释吧。
那么老爹来自哪？随便2号线审判日之后分歧出来的某条时间线都有可能，比如5号线。2号线天网把T-1000派到1994，而5号线的天网另辟蹊径，把T-1000通过g穿越派到1974去谋杀9岁的Sarah Connor（这个9岁是推测的）。这个1974年是5号线固有的。在得知T-1000离开后，5号线2029年（推测的）的John Connor派出AS通过h穿越去追踪T-1000。你看，2号线和5号线如此类似，科技水平一样，都是派出T-1000和AS，进一步验证老爹就是来自与2号线类似的5号线。老爹圆满完成任务，不仅救下Sarah Connor，而且陪伴她隐姓埋名一直躲避着T-1000的追杀，这一切发生在6号线上。6’号线是e、f穿越到达之间的时间线。
再说i穿越和j穿越。4号线的天网实在是吊炸天，不仅已经发明T-3000，而且还首次六维穿越，之前天网的穿越可都是五维的。T-800竟然通过i穿越来到6号线，这可是5号线天网派出的T-1000分歧时间制造出来的时间线。当然严格来说，这个T-1000分歧出来的是6’号线，6号线是h穿越的老爹在6’号线基础上分歧出来的。
i穿越和j穿越使的6号线分歧出7号线，7’号线是i、j穿越到达之间的时间线。在6号线上，老爹和T-1000竟然都期待着1984年会有穿越到来，拜托，你们可是穿越到1974年的，哪还有1984年的故事。他们的期待只有一个解释——5号线的天网一定没把维度理论弄明白，以致接受5号线天网教育的将来来到6号线的老爹和T-1000也犯糊涂了。不要吐槽，只能这么解释了。
i穿越和j穿越如此之碉堡，以致j穿越的Kyle Reese竟然获得了其它时间线审判日之前的幼年Kyle Reese的记忆，而这个“其它时间线”不是8号线！因为——因果绝对定律。Kyle Reese记忆这个事件的“因”应该是这样的——Kyle Reese和Sarah Connor如“原计划”在某条时间线上穿越到1997年，结果发现来早了，审判日还在未来，于是他们等啊，战斗啊，又遇见了所在时间线上土生土长的幼年Kyle Reese，然后就告诉他“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.”。这样幼年Kyle Reese就有了这个记忆。至于这条时间线后来如何？与我们讨论的剧情关系不大，毕竟我们只关心记忆的“第一次”来源。
当然这个记忆的获得机理是目前科学从理论上也无法做出任何解释的。
凭借这个记忆，Kyle Reese说服Sarah Connor穿越到2017年。如果他们没穿越，那就是7号线。但他们穿越了，这次穿越与之前的所有穿越都不同，这次是穿越到未来！从Sarah Connor和Kyle Reese搭乘时光机消失的那一刻起，7号线就分歧出无数时间线。因为任何一个变化，譬如老爹某天戴没戴墨镜，某人在高考填志愿时填了清华或者北大等等，都会引导不同的时间线，不同的时间线就对应不同的结局。之前说过了不同时间线能有共起源，但不能有共结局。即便这些结局很可能几乎一样，但微小的差别就是本质的不同。
Sarah Connor和Kyle Reese要去未来，可是未来有无数条时间线，究竟他们去哪一条呢？其实不重要，因为绝大多数时间线都差不多，绝大多数时间线的天网都差不多在2017年启动。戴没戴墨镜这样微小的变动是不会阻止超级人工智能的出现的，这就好比即便抗日战争时林彪被击中后不治生亡了，解放战争的结局估计还是一样。当然来个小行星砸掉地球这样的极小概率事件，Sarah Connor和Kyle Reese是几乎不会碰到的，他们来到的未来绝大多数情况下是“正常”的。
一个问题：Sarah Connor和Kyle Reese没有到达的其它“正常”时间线会怎样？如往常一样，忽视。很多时间线上，天网会胜利，而又有很多时间线上，天网会失败，失败的天网又会不遗余力地企图扭转结局，在六维时空里，我们就看他们这样斗啊斗啊斗。
第五部电影里Sarah Connor和Kyle Reese通过L穿越希望来到一个类似8’号线的时间线上，这个8’号线自然是Sarah Connor穿越前所在时间线的一条子时间线。不过话说，即便Sarah Connor和Kyle Reese不穿越，他们就一直等，也会等到创世纪的雏形的诞生。
4号线的天网在作为诱饵的i穿越发出去后，真正的目的却是k穿越，8’号线因为被天网改造的John Connor的来临，而分歧出8号线，而L穿越正好来到8号线的2017年。
为什么L穿越不是来到8’号线？因为——Sarah Connor穿越前所在时间线的无数子时间线里，有无数个没有被k穿越光临，也有无数个被k穿越光临（分歧点后是有无数时间线的），无数对比无数，所以L穿越来到8号线这么一个被k穿越光临的时间线也绝非小概率事件。
一个重要问题：4号线的天网为什么要这么安排？答案——4号线的天网不可能知道6、7、8号线的穿越事情，它只知道4号线上的事情。除非！有其它时间线上的天网穿越而来告知4号线天网，这是有可能的，不知电影编剧是否想到此处。如果4号线天网没有“外挂”，那它就是瞎蒙的，随便穿越，刚巧来到被5号线干扰的时间线的子线上。
至此，终结者系列的时间线就讲完了。
如果你看完了，十分感谢，毕竟：
满纸荒唐言，一把辛酸泪 。都云作者痴，谁解其中味？
⑤ 人工智能是什么
人工智能（计算机科学的一个分支）
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，但没有一个统一的定义。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
⑥ 求魔法禁书目录和科学的超电磁炮的完整版剧情时间线！！！！
9月28日
受伤的上条当麻还有茵蒂克丝被学院都市方所派遣的超音速客机紧急接了回来。
英国伦敦-英国清教女子宿舍
奥索拉·阿奎纳与雅尼丝部队全员搬入了英国清教女子宿舍。
梵蒂冈-圣彼得大教堂内
“神之右席”成员之一的前方之风逼迫罗马正教教皇马丁·利斯签署刺杀上条当麻的文件。
9月、第四个礼拜五（如果设定此日为29日，那么下面的9月、第五个礼拜五就不可能存在）
英国伦敦-英国清教女子宿舍
晚上——
夜晚偷吃东西的神裂火炽动静太大惊醒了其他人，之后进入厨房的修女安洁莉娜用面包制作了一件奇怪的“艺术品”，让雪莉·克伦威尔感到十分惊讶与崇拜……
9月30日
早上——
上条当麻接受与御坂美琴在大星霸祭期间定下的打赌，输了的上条不得不履行美琴的惩罚……
已在医院修养快一月的一方通行与最后之作出院，在芳川桔梗的介绍下两人住进黄泉川爱穗的宿舍内，由于最后之作偷偷溜出玩耍，让担当保护人的一方通行不得不出去找她……
黄昏——
神之右席成员前方之风侵入学院都市，杀死三名统括理事会理事，并致使许多学院都市学生和警备员昏倒，导致学院都市城市机能陷入瘫痪状态，针对这种情况，理事长亚雷斯塔命令其直属部队“猎犬部队”绑架最后之作。
木原数多所率领的猎犬部队在绑架过程中与暴怒的一方通行发生激战，而侵入的前方之风则与上条当麻展开激战。
最后之作遭到绑架后，亚雷斯塔利用被注入电子病毒“Angel”的最后之作启动了虚数学区·五行机关，形成人工天界，使得在学院都市中游荡的风斩冰华觉醒为人造天使休斯·风斩，被操控的休斯·风斩之后以罗马正教为目标加以攻击。
被木原数多逼至绝境的一方通行爆发出黑之翼，将木原数多秒杀，而半途转向攻击休斯·风斩的前方之风由上条当麻所击晕，由出现的威廉·奥维尔（后方之水）带回。
茵蒂克丝利用歌声将最后之作脑中的电子病毒“Angel”清除，人工天界消失，风斩冰华也变回原样。
激战后的一方通行为了更好的保护最后之作，决定接受学院都市“暗”的邀请，加入了暗部组织“集团（Group）”。
此事件的结果导致科学侧（学院都市方）与魔法侧（罗马正教方）矛盾激化，形成对立局面，之后此事件就以“0930事件”来称呼。
10月3日
早上——
暗部“集团（Group）”执行组建以来的第一个任务：镇压无能力武装组织“Skill Out”。
“集团（Group）”突袭“Skill Out”的据点，“Skill Out”首领驹场利德在与一方通行的战斗中战死，死后他的手机被一方通行捡取，拿去进行“加班服务”（最后一方通行加班半天时间做了什么并不清楚）。
“Skill Out”被压制后不得不听从学院都市高层的控制，新的首领交由滨面仕上所担任。
英国伦敦·英国清教女子宿舍内
吃完早餐的神裂火炽等人接见了陪同上司瓦希莉莎开会而来的莎夏·克洛伊洁芙，并回答她的疑问，莎夏·克洛伊洁芙走后，奥索拉开始讲述起了神裂火炽的恋爱八卦事件，搞得神裂本人都有些崩溃。
晚上——
下午放学后，上条当麻的全班同学（+茵蒂克丝）一起去了火锅店吃火锅。
10月、第一个礼拜五
刚加入“道具（Item）”的滨面仕上陪同绢旗最爱去看B级电影。
拒绝忍者复兴计划的半藏与部下小郭对决，小郭被击晕，半藏从晕倒的小郭身上搜出了一张标记有“原石”能力者的名单，有些惊讶。
10月4日—8日某日（ 根据小说内容推测7、8两天的可能性比较高）
世界各地频繁发生罗马正教、学院都市两方互相攻伐的抗议活动，使得双方的对抗升级。
学院都市统括理事会理事之一的亲船最中与上条当麻有所接触，之后亲船最中命令土御门元春向自己开枪，降低学院都市其他高层的怀疑。
上条和土御门两人乘坐超音速客机前往法国城市阿维尼翁，破坏放置在教廷宫殿中的罗马正教重要灵装“C文书”，从飞机跳伞下来的上条当麻遇上与自己执行同一任务的天草式教徒五和。
上条、土御门、五和三人为了破坏“C文书”与神之右席成员之一的左方之地对峙，对峙中，学院都市派遣的驱动铠部队侵入阿维尼翁，进行镇压作战。
远在英国的史提尔·马格努斯和雅尼丝·桑提斯来到关押犯人的处刑塔内，审问关押在此的丽多薇雅·罗伦婕蒂和彼亚吉欧·普索尼有关“神之右席”的情报，丽多薇雅妥协，告知了“神之右席”的情报，但条件是把欧莉安娜·汤森放出来，欧莉安娜之后为英国清教工作。
上条当麻将左方之地击败时“C文书”也一同被毁，左方之地在随后的混乱中撤离，于此同时，被学院都市派遣而来的一方通行则开始搜索左方之地的尸体以及“C文书”，但没有完成目的只好回归。
逃回梵蒂冈教皇厅左方之地被平日看不惯他恶行的同僚威廉·奥维尔（后方之水）所瞬杀。
远在学院都市的御坂美琴无意中通过手机听到了上条当麻失去记忆的事情，开始烦恼起来。
10月6日
暗部“学校（School）”的狙击手成员被“道具（Item）”所杀“学校（School）”不得不通过情报贩子“人才派遣”介绍另一位佣兵狙击手砂皿致密加入其组织。
10月9日（学院都市独立日）
“学校（School）”、“区块（Block）”两个暗部组织为了各自的目的（都与理事长亚雷斯塔·克劳利有关）行动起来。
他们两个组织的行动也调动其他三个组织“道具（Item）”、“集团（Group）”、“人员（Member）”。
10月、第二个礼拜五
分布在全世界范围内的“原石”能力者遭到不同组织的绑架，远在学院都市的云川芹亚和贝积继敏理事商量对策，决定由分布在全世界学院都市协力机构的“妹妹们”处理，通过“妹妹们”的努力，所有的“原石”能力者得到了解救。
魔法师欧雷尔斯此时侵入学院都市，击败最大的“原石”削板军霸，对大量搜集“原石”能力者的学院都市加以警告。
伤愈出院的“道具（Item）”成员绢旗最爱接受暗杀任务，将绑架“原石”能力者的主谋者乔治·金顿干掉。
由于出现了大量“妹妹们”的目击传闻，远在美国亚利桑那沙漠中的御坂美琴之父御坂旅挂向亚雷斯塔打电话，警告他不要想利用自己的妻儿。
10月某日（10月、第二个礼拜五后）
意大利·米兰
有些忧心的席薇亚见到了安然回家的欧雷尔斯后喜笑颜开。
10月某日（10—16日其中一天的两天前）
威廉·奥维尔（后方之水）分别向学院都市和英国清教下达了要去狙击上条当麻的战帖，给英国清教的战帖中还附带了左方之地的遗体。
接到战帖的学院都市和英国清教为保护上条开始行动起来，英国清教方派遣了下属的天草式十字凄教成员前往学院都市担任他的护卫。
10月某日（10—16日其中一天）
上午——
与上条当麻率先接触的天草式少女五和将追赶上条的魁梧大汉（灾误老师）误认为后方之水，并用力打进了医院。
闹剧过后的五和来到上条的宿舍为上条和茵蒂克丝做饭，引来隔壁的土御门舞夏对自身厨艺的竞争心理。
晚上——
因宿舍热水器坏掉，三人不得不去公共澡堂洗澡。
在回去路上的上条被袭来的后方之水攻击，担任护卫的天草式十字凄教也被击败，之后后方之水给上条当麻考虑放弃右手的时间后离开，上条本人因伤势有些严重被送往医院治疗。
10月12日
连接英国与欧洲大陆的海底隧道被炸毁，随后英国清教向茵蒂克丝发出了“禁书目录召集令”，命令茵蒂克丝回到英国与英国王室共同调查隧道被炸事件。
10月17日
上午——
上条当麻与茵蒂克丝在土御门元春的“帮助”下很快登上了前往伦敦的客机“空客365号”，在飞机上的上条还与机组成员及时处理了一起炸机未遂事件。
10月18日
现任俄罗斯总统索吉耶·I·克莱尼柯夫向全世界发布了第三次世界大战的宣战布告。
10月19日
第三次世界大战开战，俄罗斯与学院都市进行全面战争。
10月30日
上条当麻、一方通行、滨面仕上等众多人马陆续赶到了位于俄罗斯境内的战争主战场，不可避免的卷入到了关乎全世界人类生存的“伯利恒计划”当中。
被学院都市赶来回收的一方通行冒着与学院都市全面对立的危险，救下了最后之作以及新的“妹妹”番外个体。
被上条当麻放走的右方之火回到地面上时受到了亲自动手的亚雷斯塔袭击，被斩断右臂倒在雪山上，濒死之际被欧雷尔斯和席薇亚所救，而远在英国清教的萝拉·斯图亚特在探测到亚雷斯塔本体出现时流露出了吞并学院都市的野心。
俄罗斯成教宗主教克兰斯‧R‧札尔斯基向全世界发布终战宣言，第三次世界大战因各方停战而结束。
11月5日
白天——
第三次世界大战后各自回到学院都市的一方通行、滨面仕上等人回归到了平和的日常生活中。
11月10日
美国夏威夷州
上条一行人来到美国的夏威夷群岛，刚到机场就被“格雷姆林”成员灰姑娘所袭击，被雷维尼亚所制止。
11月13日
东欧某国巴格吉城
脱离学院都市的27个合作机构组成反学院都市组织“科学守护者”与“格雷姆林”合作，在巴格吉城举办格斗大会“自然选择者”，希望以挑选出能够与学院都市对抗的异能力名义扩大自身在世界上的影响力，借此来挑战学院都市的地位。
木原一族成员木原唯一作为学院都市方的代表接受“科学守护者”的投降。
席薇亚与雷维尼亚前往北欧救援了被“后天的女武神”部队（“格雷姆林”所属）袭击的圣人布伦希尔德·爱因库特贝尔。
上条当麻在欧雷尔斯的医护下接回右手，送回了学院都市。
11月中旬某日（一端览祭活动前日）
白天——
被送回的上条当麻因为一端览祭的准备活动而搞得焦头烂额。
欧雷尔斯一方（欧雷尔斯、席薇亚、雷维尼亚·芭德薇、布伦希尔德·爱因库特贝尔）以及“格雷姆林”一方（玛丽安·丝琳格奈娅、投掷之锤、雷神托尔）分别进入了学院都市。
与上条首先接触的欧雷尔斯告知他有关“幻想杀手”的部分真相，稍后与上条接触的雷神托尔则说服他救出关押在“没有门窗的大楼”中的迷之少女Miss·芙洛伊特奈，两人合作想办法破坏了“没有门窗的大楼”后被拥有未知力量的不死者Miss·芙洛伊特奈所弄晕，恢复自由的Miss·芙洛伊特奈开始在街上游荡，与偶遇的芙蕾梅亚·塞维伦和最后之作成为友人，连带着将滨面和一方通行等人所卷入。
木原唯一在统括理事会的示意下放出已是非人类之身的垣根帝督抓捕Miss·芙洛伊特奈，但此时的垣根帝督一心只想向一方通行复仇。
亚雷斯塔的人工智能机械分析出Miss·芙洛伊特奈如果拥有捕食与吸收必要功能后将会为了获取所有的世界信息而去捕食具有“御坂网络”司令塔身份的最后之作的大脑。
11月中旬某日（一端览祭开幕第一天）
凌晨——
卷入此事件的各方人马为了争夺Miss·芙洛伊特奈（或为了保护最后之作）而进行了大混战，托尔还将与此事无关的美琴也卷入进来。
⑦ 哪些职业最容易被人工智能替代
事实上，机械化、自动化、智能化一直都是所有【工具】的大方向，早已如此、正在进行、永不停止。比如，从算盘到计算器到财务软件到智能财务助手，将来也必然是财务助手的智能程度越来越高，直到全公司只需要一两个人进行审核。再如电所交费到银行代办到自助柜员机再到现在的智能交费软件，将来也必然是自动生成单据你一个确认完事。以及原始厨柜到冰箱到智能冰箱，将来也必然是饮食管家搭载冷藏保鲜容器的形式。（当然，饮食管家和其它什么管家可能合并成一个中控系统【智能管家系统】，通过物联网控制各种家电）
人工智能的普及应用，一定是全面存在于纯软件、辅助器械、自动化设备之中，在所有行业、所有行为、所有的方方面面，逐渐渗透的。在此期间，人逐渐从事无巨细自己动手变成下指令者再变成审核命令，最后变成监工。顺便提一句，在人工智能大量取代各行业低端人员的过程中，人类雇员的数量大幅减少，多出来的人手只能向创造性的工作发展，比如科研人员、主播、自媒体、文艺创作等等。作为消费者，也会越来越明显地感受到被各种服务和娱乐的诱惑侵占时间线和金钱，选择困难症将进入高发期。而整个社会来说，生产过剩和就业率可能会成为一个大问题。
在可预见的几年内，翻译会被替代！现在的机器翻译已经是非常牛逼。完全是可用的状态了。举个例子，今天晚上在某个视频网站看视频，发现该网站能同步为视频内容加字幕！演讲者说一个单词，字幕就出一个单词。经过我的观察，几乎没有错误和延迟！可以说语音识别已经是非常厉害（据说是超过人的识别能力）。更牛逼的是，我发现它还有一个自动翻译的功能。就是说电脑上的英文演讲，可以自动生成中文字幕！水准相当不错。我注意到字幕中出现了"居安思危"等成语，以及其他的一些非常生动的词，例如”鸟瞰"。
就我观察，目前和人翻译的字幕还是有差距，但是已经是完全可用，理解演讲者的含义完全没有问题，我就常常看着看着就忘了这是在机器翻译。而且作为深度学习算法，随着数据的增加和算法的精进，几年内消灭人类翻译应该不是问题。除了翻译，保安可能也会面临类似情况。李开复说自己投资了一家人工智能公司，它们的一款产品叫face++，做人脸识别的。在安防方面，这个明显大有可为。以后得面部识别可能不需要我们还对着摄像头，而通过普通的监控摄像头，就能控制安防门，那保安也确实没有存在的必要了。
这是人工智能突破单个职业，极大提升效率，一下子把人比下去的情况。这些我觉得未来五年内一定是会发生的。随着人工智能的发展这种情况会越来越多。但如果说人工智能会最先颠覆什么领域，造成大量人失业的话，我想金融最有可能。真的，金融说到底就是人类的数字游戏，没有实体，所有的经营完全以数据的方式实现，人工智能的第一个要素大数据具备了。其次，金融行业一向对新技术接受能力强，而且他们有钱去做ai方面的尝试。目前市场上已经有相关的企业，据说做到八分钟放贷，坏账率还远低于行业平均水平，分分钟把其他同行秒成渣。同时我认为在未来几年会收到冲击的行业，还有律师和医疗。这两年不断看到消息，人工智能在疾病诊断的准确率方面超过人类。还有一个消息是这样的:
人工智能发现在判断癌症的时候，发现癌细胞周边的细胞也和癌症相关，颠覆了医学界多年以来在这方面研究的认知，这里有必要提一点，就是目前的深度学习和神经网络，最终学习到的经验，对人类来说是个黑箱系统。意思就是说，现在人工智能也能分清猫和狗的区别。但是它和人类的分类方式不一样，而人类也不知道它究竟是怎么进行分类。理论上说，用人工智能来取代医生是完全可预期可实现的，我们以外科手术为例。最开始可能是人工智能在旁边打打下手，帮助做一些判断，然后可能人类只需要在屏幕上点一点，机械就可以自己操作，最后可能手术室为了保证无菌环境禁止人类入内，人工智能自己就可以完成全部事情。律师行业也面临类似情况。我之所以认为这俩个行业会收到冲击，是因为他们有强大的内在需求，不管中国还是美国，我们的医疗资源都是远远不够的。
所以这俩个行业和金融行业又不一样。人工智能更可能是在短期内一下子填补了很多社会资源的不足，当然最终也会有失业问题。最火的无人驾驶我们单独说。特斯拉早就上路了，谷歌的无人驾驶一直是全球最牛逼的。这两家刚好代表俩种不同的发展方向。无人驾驶的安全程度是分级的，像特斯拉目前的车子，大概也就在第二级第三级，能实现在简单路况下的自动驾驶。所以它目前的系统还是个辅助驾驶的系统，复杂情况还需要人来接管。
而谷歌的无人驾驶是另一种计划。他们是打算实现第四级和第五级的水准才会真的销售他们的汽车，不会给用户一个半成品汽车。而国内的情况，估计和特斯拉差不多，实现简单路况下自动驾驶就会开始卖了。然后进一步积攒数据，更新算法，参照网络的阿波罗计划，大致就是这样。但是无人车带来的失业问题吧，目前来说不会很快。出租车司机或者是货车司机真的不需要他们的时候，那至少得是第五级的安全水平，才敢让这样的车上路。可能五到十年吧，应该能实现！
相对于这些，现在仓库里的那些小的运货的车子对失业问题可能威胁更大。一下子把仓库的储物面积提升了百分之五十。还不要工资～李开复的估计是，未来十年我国将有百分之五十的人失业。他自己还说这是根据模型和数据算出来的，很多人不当回事，但是我觉得是有可能的。昨天和明天，过去和未来。过去我们觉得不可能的事情现在正在发生，还有一些过去觉得可能得事情也会变得不可能。如果人工智能时代这次没有跳票，而真的来临的话，我们面临又岂止失业这件小事。我们面临可能就会是一个全新的社会。例如计划经济和市场经济之间这么多年的争论。市场经济中我们说有一只看不见的手，但是当人工智能时代来临，一切都被数据化的时候。
这只手我们真的看不见吗？公司这种组织形式是第二次工业革命之后才出现的，未来就不会有新的组织形式？我认为，与其想着什么工作会失业，不如从现在想，要进行什么样的教育，来适应未来的世界。
⑧ 人工智能方面的机器人发展情况
机器人发展简史
作者：未知 文章来源：《环球科学》杂志
个人机器人——PR(Personal Robot)现在是一个梦想。机器人研究涉及的学科涵盖机械、电子、传感器、驱动与控制等多个领域，过去，对机器人行业有过重大贡献的人数不胜数。不过，从简单的时间线已经能够看出，从第一代工业机器人、第二代带有“感觉”的机器人到第三代智能机器人，机器人的体积越来越小，与PC结合得越来越紧密。说不定，PR就快成为现实了。
以下为1920年至今机器人发展简史：
1920年 捷克斯洛伐克作家卡雷尔·恰佩克在他的科幻小说《罗萨姆的机器人万能公司》中，根据Robota(捷克文，原意为“劳役、苦工”)和Robotnik(波兰文，原意为“工人”)，创造出“机器人”这个词。
1939年 美国纽约世博会上展出了西屋电气公司制造的家用机器人Elektro。它由电缆控制，可以行走，会说77个字，甚至可以抽烟，不过离真正干家务活还差得远。但它让人们对家用机器人的憧憬变得更加具体。
1942年 美国科幻巨匠阿西莫夫提出“机器人三定律”。虽然这只是科幻小说里的创造，但后来成为学术界默认的研发原则。
1948年 诺伯特·维纳出版《控制论》，阐述了机器中的通信和控制机能与人的神经、感觉机能的共同规律，率先提出以计算机为核心的自动化工厂。
1954年 美国人乔治·德沃尔制造出世界上第一台可编程的机器人，并注册了专利。这种机械手能按照不同的程序从事不同的工作，因此具有通用性和灵活性。
1956年 在达特茅斯会议上，马文·明斯基提出了他对智能机器的看法：智能机器“能够创建周围环境的抽象模型，如果遇到问题，能够从抽象模型中寻找解决方法”。这个定义影响到以后30年智能机器人的研究方向。
1959年 德沃尔与美国发明家约瑟夫·英格伯格联手制造出第一台工业机器人。随后，成立了世界上第一家机器人制造工厂——Unimation公司。由于英格伯格对工业机器人的研发和宣传，他也被称为“工业机器人之父”。
1962年 美国AMF公司生产出“VERSTRAN”(意思是万能搬运),与Unimation公司生产的Unimate一样成为真正商业化的工业机器人，并出口到世界各国，掀起了全世界对机器人和机器人研究的热潮。
1962年-1963年 传感器的应用提高了机器人的可操作性。人们试着在机器人上安装各种各样的传感器，包括1961年恩斯特采用的触觉传感器，托莫维奇和博尼1962年在世界上最早的“灵巧手”上用到了压力传感器，而麦卡锡1963年则开始在机器人中加入视觉传感系统，并在1965年，帮助MIT推出了世界上第一个带有视觉传感器，能识别并定位积木的机器人系统。
1965年 约翰·霍普金斯大学应用物理实验室研制出Beast机器人。Beast已经能通过声纳系统、光电管等装置，根据环境校正自己的位置。20世纪60年代中期开始，美国麻省理工学院、斯坦福大学、英国爱丁堡大学等陆续成立了机器人实验室。美国兴起研究第二代带传感器、“有感觉”的机器人，并向人工智能进发。
1968年 美国斯坦福研究所公布他们研发成功的机器人Shakey。它带有视觉传感器，能根据人的指令发现并抓取积木,不过控制它的计算机有一个房间那么大。Shakey可以算是世界第一台智能机器人，拉开了第三代机器人研发的序幕。
1969年 日本早稻田大学加藤一郎实验室研发出第一台以双脚走路的机器人。加藤一郎长期致力于研究仿人机器人，被誉为“仿人机器人之父”。日本专家一向以研发仿人机器人和娱乐机器人的技术见长，后来更进一步，催生出本田公司的ASIMO和索尼公司的QRIO。
1973年 世界上第一次机器人和小型计算机携手合作，就诞生了美国Cincinnati Milacron公司的机器人T3。
1978年 美国Unimation公司推出通用工业机器人PUMA，这标志着工业机器人技术已经完全成熟。PUMA至今仍然工作在工厂第一线。
1984年 英格伯格再推机器人Helpmate，这种机器人能在医院里为病人送饭、送药、送邮件。同年，他还预言：“我要让机器人擦地板，做饭，出去帮我洗车，检查安全”。
1998年 丹麦乐高公司推出机器人(Mind-storms)套件，让机器人制造变得跟搭积木一样，相对简单又能任意拼装，使机器人开始走入个人世界。
1999年 日本索尼公司推出犬型机器人爱宝(AIBO)，当即销售一空，从此娱乐机器人成为目前机器人迈进普通家庭的途径之一。
2002年 丹麦iRobot公司推出了吸尘器机器人Roomba，它能避开障碍，自动设计行进路线，还能在电量不足时，自动驶向充电座。Roomba是目前世界上销量最大、最商业化的家用机器人。
2006年 6月，微软公司推出Microsoft Robotics Studio，机器人模块化、平台统一化的趋势越来越明显，比尔·盖茨预言，家用机器人很快将席卷全球。
⑨ 人工智能有什么好的参考书么
Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）
Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。经典中的经典。Pattern Classification 和这本书是两本必读之书。《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。
推荐两本有意思的书，
一本是《Simple Heuristics that Makes Us Smart》
另一本是《Bounded Rationality: The Adaptive Toolbox》
---------------------------------------------------------------------
<从CSDN上转载的>
机器学习与人工智能学习资源导引
我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类：
首先是两个非常棒的 Wikipedia 条目，我也算是 wikipedia 的重度用户了，学习一门东西的时候常常发现是始于 wikipedia 中间经过若干次 google ，然后止于某一本或几本著作。
第一个是“人工智能的历史”（History of Artificial Intelligence），我在讨论组上写道：
而今天看到的这篇文章是我在 wikipedia 浏览至今觉得最好的。文章名为《人工智能的历史》，顺着 AI 发展时间线娓娓道来，中间穿插无数牛人故事，且一波三折大气磅礴，可谓"事实比想象更令人惊讶"。人工智能始于哲学思辨，中间经历了一个没有心理学（尤其是认知神经科学的）的帮助的阶段，仅通过牛人对人类思维的外在表现的归纳、内省，以及数学工具进行探索，其间最令人激动的是 Herbert Simon （决策理论之父，诺奖，跨领域牛人）写的一个自动证明机，证明了罗素的数学原理中的二十几个定理，其中有一个定理比原书中的还要优雅，Simon 的程序用的是启发式搜索，因为公理系统中的证明可以简化为从条件到结论的树状搜索（但由于组合爆炸，所以必须使用启发式剪枝）。后来 Simon 又写了 GPS （General Problem Solver），据说能解决一些能良好形式化的问题，如汉诺塔。但说到底 Simon 的研究毕竟只触及了人类思维的一个很小很小的方面 —— Formal Logic，甚至更狭义一点 Dective Reasoning （即不包含 Inctive Reasoning , Transctive Reasoning (俗称 analogic thinking）。还有诸多比如 Common Sense、Vision、尤其是最为复杂的 Language 、Consciousness 都还谜团未解。还有一个比较有趣的就是有人认为 AI 问题必须要以一个物理的 Body 为支撑，一个能够感受这个世界的物理规则的身体本身就是一个强大的信息来源，基于这个信息来源，人类能够自身与时俱进地总结所谓的 Common-Sense Knowledge （这个就是所谓的 Emboddied Mind 理论。 ），否则像一些老兄直接手动构建 Common-Sense Knowledge Base ，就很傻很天真了，须知人根据感知系统从自然界获取知识是一个动态的自动更新的系统，而手动构建常识库则无异于古老的 Expert System 的做法。当然，以上只总结了很小一部分我个人觉得比较有趣或新颖的，每个人看到的有趣的地方不一样，比如里面相当详细地介绍了神经网络理论的兴衰。所以我强烈建议你看自己一遍，别忘了里面链接到其他地方的链接。
顺便一说，徐宥同学打算找时间把这个条目翻译出来，这是一个相当长的条目，看不动 E 文的等着看翻译吧:)
第二个则是“人工智能”（Artificial Intelligence）。当然，还有机器学习等等。从这些条目出发能够找到许多非常有用和靠谱的深入参考资料。
然后是一些书籍
书籍：
1. 《Programming Collective Intelligence》，近年出的入门好书，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P
2. Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）。
3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。
4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。
5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。
6. 《Managing Gigabytes》，信息检索好书。
7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。
相关数学基础（参考书，不适合拿来通读）：
1. 线性代数：这个参考书就不列了，很多。
2. 矩阵数学：《矩阵分析》，Roger Horn。矩阵分析领域无争议的经典。
3. 概率论与统计：《概率论及其应用》，威廉·费勒。也是极牛的书，可数学味道太重，不适合做机器学习的。于是讨论组里的 Du Lei 同学推荐了《All Of Statistics》并说到
机器学习这个方向，统计学也一样非常重要。推荐All of statistics，这是CMU的一本很简洁的教科书，注重概念，简化计算，简化与Machine Learning无关的概念和统计内容，可以说是很好的快速入门材料。
4. 最优化方法：《Nonlinear Programming, 2nd》非线性规划的参考书。《Convex Optimization》凸优化的参考书。此外还有一些书可以参考 wikipedia 上的最优化方法条目。要深入理解机器学习方法的技术细节很多时候（如SVM）需要最优化方法作为铺垫。
王宁同学推荐了好几本书：
《Machine Learning, Tom Michell》, 1997.
老书，牛人。现在看来内容并不算深，很多章节有点到为止的感觉，但是很适合新手（当然，不能"新"到连算法和概率都不知道）入门。比如决策树部分就很精彩，并且这几年没有特别大的进展，所以并不过时。另外，这本书算是对97年前数十年机器学习工作的大综述，参考文献列表极有价值。国内有翻译和影印版，不知道绝版否。
《Modern Information Retrieval, Ricardo Baeza-Yates et al》. 1999
老书，牛人。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。
《Pattern Classification (2ed)》, Richard O. Duda, Peter E. Hart, David G. Stork
大约也是01年左右的大块头，有影印版，彩色。没读完，但如果想深入学习ML和IR，前三章（介绍，贝叶斯学习，线性分类器）必修。
还有些经典与我只有一面之缘，没有资格评价。另外还有两本小册子，论文集性质的，倒是讲到了了不少前沿和细节，诸如索引如何压缩之类。可惜忘了名字，又被我压在箱底，下次搬家前怕是难见天日了。
（呵呵，想起来一本：《Mining the Web - Discovering Knowledge from Hypertext Data》 ）
说一本名气很大的书：《Data Mining: Practical Machine Learning Tools and Techniques》。Weka 的作者写的。可惜内容一般。理论部分太单薄，而实践部分也很脱离实际。DM的入门书已经不少，这一本应该可以不看了。如果要学习了解 Weka ，看文档就好。第二版已经出了，没读过，不清楚。
信息检索方面，Du Lei 同学再次推荐：
信息检索方面的书现在建议看Stanford的那本《Introction to Information Retrieval》，这书刚刚正式出版，内容当然up to date。另外信息检索第一大牛Croft老爷也正在写教科书，应该很快就要面世了。据说是非常pratical的一本书。
对信息检索有兴趣的同学，强烈推荐翟成祥博士在北大的暑期学校课程，这里有全slides和阅读材料：http://net.pku.e.cn/~course/cs410/schele.html
maximzhao 同学推荐了一本机器学习：
加一本书：Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。经典中的经典。Pattern Classification 和这本书是两本必读之书。《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。
最后，关于人工智能方面（特别地，决策与判断），再推荐两本有意思的书，
一本是《Simple Heuristics that Makes Us Smart》
另一本是《Bounded Rationality: The Adaptive Toolbox》
不同于计算机学界所采用的统计机器学习方法，这两本书更多地着眼于人类实际上所采用的认知方式，以下是我在讨论组上写的简介：
这两本都是德国ABC研究小组（一个由计算机科学家、认知科学家、神经科学家、经济学家、数学家、统计学家等组成的跨学科研究团体）集体写的，都是引起领域内广泛关注的书，尤其是前一本，后一本则是对 Herbert Simon （决策科学之父，诺奖获得者）提出的人类理性模型的扩充研究），可以说是把什么是真正的人类智能这个问题提上了台面。核心思想是，我们的大脑根本不能做大量的统计计算，使用fancy的数学手法去解释和预测这个世界，而是通过简单而鲁棒的启发法来面对不确定的世界（比如第一本书中提到的两个后来非常著名的启发法：再认启发法（cognition heuristics）和选择最佳（Take the Best）。当然，这两本书并没有排斥统计方法就是了，数据量大的时候统计优势就出来了，而数据量小的时候统计方法就变得非常糟糕；人类简单的启发法则充分利用生态环境中的规律性（regularities），都做到计算复杂性小且鲁棒。
关于第二本书的简介：
1. 谁是 Herbert Simon
2. 什么是 Bounded Rationality
3. 这本书讲啥的：
我一直觉得人类的决策与判断是一个非常迷人的问题。这本书简单地说可以看作是《决策与判断》的更全面更理论的版本。系统且理论化地介绍人类决策与判断过程中的各种启发式方法（heuristics）及其利弊（为什么他们是最优化方法在信息不足情况下的快捷且鲁棒的逼近，以及为什么在一些情况下会带来糟糕的后果等，比如学过机器学习的都知道朴素贝叶斯方法在许多情况下往往并不比贝叶斯网络效果差，而且还速度快；比如多项式插值的维数越高越容易 overfit，而基于低阶多项式的分段样条插值却被证明是一个非常鲁棒的方案）。
在此提一个书中提到的例子，非常有意思：两个团队被派去设计一个能够在场上接住抛过来的棒球的机器人。第一组做了详细的数学分析，建立了一个相当复杂的抛物线近似模型（因为还要考虑空气阻力之类的原因，所以并非严格抛物线），用于计算球的落点，以便正确地接到球。显然这个方案耗资巨大，而且实际运算也需要时间，大家都知道生物的神经网络中生物电流传输只有百米每秒之内，所以 computational complexity 对于生物来说是个宝贵资源，所以这个方案虽然可行，但不够好。第二组则采访了真正的运动员，听取他们总结自己到底是如何接球的感受，然后他们做了这样一个机器人：这个机器人在球抛出的一开始一半路程啥也不做，等到比较近了才开始跑动，并在跑动中一直保持眼睛于球之间的视角不变，后者就保证了机器人的跑动路线一定会和球的轨迹有交点；整个过程中这个机器人只做非常粗糙的轨迹估算。体会一下你接球的时候是不是眼睛一直都盯着球，然后根据视线角度来调整跑动方向？实际上人类就是这么干的，这就是 heuristics 的力量。
相对于偏向于心理学以及科普的《决策与判断》来说，这本书的理论性更强，引用文献也很多而经典，而且与人工智能和机器学习都有交叉，里面也有不少数学内容，全书由十几个章节构成，每个章节都是由不同的作者写的，类似于 paper 一样的，很严谨，也没啥废话，跟《Psychology of Problem Solving》类似。比较适合 geeks 阅读哈。
另外，对理论的技术细节看不下去的也建议看看《决策与判断》这类书（以及像《别做正常的傻瓜》这样的傻瓜科普读本），对自己在生活中做决策有莫大的好处。人类决策与判断中使用了很多的 heuristics ，很不幸的是，其中许多都是在适应几十万年前的社会环境中建立起来的，并不适合于现代社会，所以了解这些思维中的缺点、盲点，对自己成为一个良好的决策者有很大的好处，而且这本身也是一个非常有趣的领域。
（完）