#73 – Andrew Ng: Deep Learning, Education, and Real-World AI
吴恩达是人工智能和技术领域最具影响力的教育家、研究人员、创新者和领导者之一。他共同创立了 Coursera 和 Google Brain，推出了 deeplearning.ai、Landing.ai 和 AI 基金，并曾担任百度首席科学家。作为斯坦福大学教授，以及 Coursera 和 deeplearning.ai 的创始人，他帮助教育和激励了包括我在内的数百万学生。剧集链接：Andrew Twitter：https://twitter.com/AndrewYNgAndrew Facebook：https://www.facebook.com/andrew.ng.96Andrew Linke
#72 – Scott Aaronson: Quantum Computing
Scott Aaronson 是德克萨斯大学奥斯汀分校的教授，也是该校量子信息中心主任，之前曾是麻省理工学院的教授。他的研究兴趣集中在量子计算机的能力和局限性以及更普遍的计算复杂性理论。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它 5 星评价，在 Spotify 上关注它，或在 Patreon
Vladimir Vapnik: Predicates, Invariants, and the Essence of Intelligence
Vladimir Vapnik 是支持向量机、支持向量聚类、VC 理论和统计学习中许多基础思想的共同发明者。他出生于苏联，曾在莫斯科控制科学研究所工作，后来在美国工作，在 AT&T、NEC 实验室、Facebook AI 研究中心工作，现在是哥伦比亚大学的教授。他的作品已被引用超过 200,000 次。此对话是人工智能播客的一部分。如果您想获取有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些对话的视频版本。如果您喜
Jim Keller: Moore’s Law, Microprocessors, Abstractions, and First Principles
Jim Keller 是一位传奇的微处理器工程师，曾在 AMD、Apple、Tesla 和 Intel 工作过。他因在 AMD K7、K8、K12 和 Zen 微架构、Apple A4、A5 处理器方面的工作以及 x86-64 指令集和 HyperTransport 互连规范的合著者而闻名。此对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些对话的视频版本。如果您喜欢播客，请在
David Chalmers: The Hard Problem of Consciousness
David Chalmers 是一位哲学家和认知科学家，专门研究心灵哲学、语言哲学和意识。他最著名的成就或许是提出了意识的难题，可以表述为“为什么伴随感知信息意识的感觉会存在？”本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它打 5 星，在 Spotify 上关注它，或在 Patreon 上支持它。
Cristos Goodrow: YouTube Algorithm
Cristos Goodrow 是 Google 的工程副总裁，也是 YouTube 的搜索和发现主管（又名 YouTube 算法）。此对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它 5 星评价，在 Spotify 上关注它，或在 Patreon 上支持它。本集由 Cash App 提供。下载它（Ap
Paul Krugman: Economics of Innovation, Automation, Safety Nets & Universal Basic Income
保罗·克鲁格曼是诺贝尔经济学奖得主、纽约市立大学教授和《纽约时报》专栏作家。他的学术工作主要围绕国际经济学、经济地理、流动性陷阱和货币危机。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它打 5 星，在 Spotify 上关注它，或在 Patreon 上支持它。本集由 Cash App 提供。下载它
Ayanna Howard: Human-Robot Interaction and Ethics of Safety-Critical Systems
Ayanna Howard 是佐治亚理工学院的机器人专家和教授，也是人机自动化系统实验室主任，其研究兴趣包括人机交互、家庭辅助机器人、治疗游戏应用以及极端环境的远程机器人探索。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它打 5 星，在 Spotify 上关注它，或在 Patreon 上支持它。本
Daniel Kahneman: Thinking Fast and Slow, Deep Learning, and AI
丹尼尔·卡尼曼因将经济学与人类行为、判断和决策心理学相结合而获得诺贝尔经济学奖。他是畅销书《思考，快与慢》的作者，该书以通俗易懂的方式总结了他数十年来的研究，这些研究经常与阿莫斯·特沃斯基合作，研究内容涉及认知偏见、前景理论和幸福感。该书的核心论点是两种思维模式之间的二分法：“系统 1”是快速、本能和情绪化的；“系统 2”则更慢、更慎重、更合乎逻辑。该书描述了与每种思维类型相关的认知偏见。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 You
Grant Sanderson: 3Blue1Brown and the Beauty of Mathematics
Grant Sanderson 是一位数学教育家，也是 3Blue1Brown 的创建者，这是一个流行的 YouTube 频道，使用编程动画可视化来解释线性代数、微积分和其他数学领域的概念。此对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它 5 星评分，在 Spotify 上关注它，或在 Patreon
Stephen Kotkin: Stalin, Putin, and the Nature of Power
斯蒂芬·科特金是普林斯顿大学的历史学教授，也是我们这个时代最伟大的历史学家之一，专门研究俄罗斯和苏联历史。他写过很多关于斯大林和苏联的书，包括关于斯大林的三卷著作的前两卷，他目前正在写第三卷。这次对话是人工智能播客的一部分。如果你想获得有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，在那里你可以观看这些对话的视频版本。如果你喜欢这个播客，请在 Apple Podcasts 上给它打 5 星，在 Spotify 上关注，或在 Patre
Donald Knuth: Algorithms, TeX, Life, and The Art of Computer Programming
唐纳德·克努斯是有史以来最伟大、最具影响力的计算机科学家和数学家之一。1974 年，他获得了图灵奖，该奖被认为是计算机界的诺贝尔奖。他是多卷巨著《计算机编程艺术》的作者。他为算法计算复杂性的严格分析做出了几项重要贡献。他推广了渐近符号，我们都亲切地称之为大 O 符号。他还创建了 TeX 排版，大多数计算机科学家、物理学家、数学家以及科学家和工程师都使用它来撰写技术论文并使其看起来很漂亮。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouT
Melanie Mitchell: Concepts, Analogies, Common Sense & Future of AI
Melanie Mitchell 是波特兰州立大学的计算机科学教授，也是圣达菲研究所的外聘教授。她从令人着迷的角度研究和撰写了有关人工智能的文章，包括自适应复杂系统、遗传算法和 Copycat 认知架构，后者将类比过程置于人类认知的核心。从她与导师 Douglas Hofstadter 和 John Holland 一起攻读博士到今天，她为人工智能领域贡献了很多重要的想法，包括她最近的一本书，简称为《人工智能：思考人类的指南》。本次对话是人工智能播客的一部分。如果您想获得有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、F
Jim Gates: Supersymmetry, String Theory and Proving Einstein Right
Jim Gates (S James Gates Jr.) 是布朗大学的理论物理学家和教授，研究超对称、超引力和超弦理论。他曾担任前总统奥巴马的科学技术顾问委员会成员。他是新书《证明爱因斯坦是对的》的合著者，该书讲述了那些着手证明爱因斯坦相对论的科学家。这次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给
Sebastian Thrun: Flying Cars, Autonomous Vehicles, and Education
Sebastian Thrun 是我们这个时代最伟大的机器人专家、计算机科学家和教育家之一。他领导了斯坦福大学自动驾驶汽车的开发，该汽车赢得了 2005 年 DARPA 大挑战赛，并在 2007 年 DARPA 城市挑战赛中获得第二名。然后，他领导了谷歌自动驾驶汽车计划，掀起了自动驾驶革命。2011 年，他教授了斯坦福大学流行的人工智能课程，这是最早的 MOOC 课程之一。那段经历促使他共同创立了在线教育平台 Udacity。他还是 Kitty Hawk 的首席执行官，该公司致力于制造飞行汽车或更技术性的 eVTOLS（代表电动垂直起降飞机）。本次对话是人工智能播客的一部分。如果您想获取有关此
Michael Stevens 是 Vsauce 的创建者，Vsauce 是世界上最受欢迎的教育 YouTube 频道之一，拥有超过 1500 万订阅者和超过 17 亿次观看。他的视频经常提出和回答既深刻又有趣的问题，涵盖从物理学到心理学等主题。作为其频道的一部分，他创作了 3 季 Mind Field，该系列探讨了人类行为。此对话是人工智能播客的一部分。如果您想获取有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在其中观看这些
Rohit Prasad: Amazon Alexa and Conversational AI
Rohit Prasad 是亚马逊 Alexa 的副总裁兼首席科学家，也是其原创者之一。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话的视频版本。如果您喜欢播客，请在 Apple Podcasts 上给它 5 星评分或在 Patreon 上支持它。本集由 Cash App 提供。下载它（App Store、Google Play），使用代码“LexPodcast”。
Judea Pearl: Causal Reasoning, Counterfactuals, Bayesian Networks, and the Path to AGI
Judea Pearl 是加州大学洛杉矶分校的教授，也是图灵奖的获得者，该奖被公认为计算机界的诺贝尔奖。他是人工智能、计算机科学和统计学领域的开创性人物之一。他开发并倡导了人工智能的概率方法，包括贝叶斯网络和因果关系方面的深刻思想。这些思想不仅对人工智能很重要，而且对我们理解和实践科学也很重要。但在人工智能领域，对许多人来说，因果关系、因果关系的概念是目前缺失的核心，也是构建真正智能系统必须开发的核心。出于这个原因和其他许多原因，他的作品值得经常回顾。本次对话是人工智能播客的一部分。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitte
