#168 – Silvio Micali: Cryptocurrency, Blockchain, Algorand, Bitcoin, and Ethereum
Silvio Micali 是麻省理工学院的计算机科学家、图灵奖获得者、Algorand 的创始人。请查看我们的赞助商来支持此播客：- Athletic Greens：https://athleticgreens.com/lex 并使用代码 LEX 获得 1 个月的鱼油- The Information：https://theinformation.com/lex 可享受首月 75% 的折扣- Four Sigmatic：https://foursigmatic.com/lex 并使用代码 LexPod 可享受高达 60% 的折扣- BetterHelp：https://betterhelp.
#130 – Scott Aaronson: Computational Complexity and Consciousness
Scott Aaronson 是一位量子计算机科学家。请关注我们的赞助商，支持本播客：- SimpliSafe：https://simplisafe.com/lex 并使用代码 LEX 获得免费安全摄像头- Eight Sleep：https://www.eightsleep.com/lex 并使用代码 LEX 获得 200 美元折扣- ExpressVPN：https://expressvpn.com/lexpod 并使用代码 LexPod 获得 3 个月免费使用- BetterHelp：https://betterhelp.com/lex 并使用代码 LEX 获得 10% 折扣剧集链接：S
#120 – François Chollet: Measures of Intelligence
François Chollet 是 Google 的人工智能研究员，也是 Keras 的创建者。通过支持我们的赞助商来支持此播客（并获得折扣）：- Babbel：https://babbel.com 并使用代码 LEX- MasterClass：https://masterclass.com/lex- Cash App：下载应用程序并使用代码“LexPodcast”剧集链接：Francois 的 Twitter：https://twitter.com/fcholletFrancois 的网站：https://fchollet.com/关于智力的衡量（论文）：https://arxiv.org
#111 – Richard Karp: Algorithms and Computational Complexity
理查德·卡普是伯克利大学的教授，也是理论计算机科学史上最重要的人物之一。1985 年，他因在算法理论方面的研究而获得图灵奖，包括开发用于解决网络最大流问题的 Edmonds-Karp 算法、用于在二分图中查找最大基数匹配的 Hopcroft-Karp 算法，以及他在复杂性理论方面的里程碑式论文《组合问题的可约性》，他在论文中证明了 21 个问题是 NP 完全的。这篇论文可能是 NP 完全性和 P vs NP 问题研究兴趣激增的最重要催化剂。通过支持我们的赞助商来支持此播客：- Eight Sleep：https://eightsleep.com/lex- Cash App – 使用代码“Lex
#110 – Jitendra Malik: Computer Vision
Jitendra Malik 是伯克利大学的教授，也是计算机视觉领域的开创性人物之一，无论是深度学习革命之前还是之后。他的文章被引用超过 180,000 次，并指导了许多世界级的计算机科学研究人员。通过支持我们的赞助商来支持这个播客：- BetterHelp：http://betterhelp.com/lex- ExpressVPN：https://www.expressvpn.com/lexpod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 @le
#104 – David Patterson: Computer Architecture and Data Storage
David Patterson 是图灵奖获得者，也是伯克利的计算机科学教授。他因对当今 99% 的新芯片所使用的 RISC 处理器架构做出开创性贡献以及共同创建 RAID 存储而闻名。这两条研究和开发路线对我们的世界产生了不可估量的影响。他也是世界上伟大的计算机科学教育家之一。他与 John Hennessy 合著的《计算机架构：定量方法》一书是我第一次了解机器在最低层的内部工作原理并对其感到谦卑的方式。通过支持这些赞助商来支持此播客：- Jordan Harbinger Show：https://jordanharbinger.com/lex/- Cash App – 使用代码“LexPod
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
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
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
Yann LeCun: Deep Learning, Convolutional Neural Networks, and Self-Supervised Learning
Yann LeCun 是深度学习之父之一，深度学习是人工智能领域最近的一场革命，它以机器从数据中学习的可能性吸引了全世界的注意力。他是纽约大学的教授，Facebook 的副总裁兼首席人工智能科学家，并因其在深度学习方面的工作而共同获得图灵奖。他最为人所知的身份可能是卷积神经网络的创始人，尤其是其在光学字符识别方面的早期应用。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
Капча может больше уже не потребоваться
术语 CAPTCHA（区分计算机和人类的完全自动化公共图灵测试）或简称“验证码”于 2003 年创造，用于识别在在线资源上创建帐户时必须输入的损坏字符。
Back to the core of intelligence … to really move to the future
客座作者：José Hernández-Orallo，瓦伦西亚技术大学教授二十年前，我开始研究机器智能指标。那时，在第二次人工智能寒冬的冰冷日子里，很少有人真正对测量人工智能完全缺乏的东西感兴趣。很少有人，比如 David L. Dowe 和我，对与算法信息理论相关的智能指标感兴趣，其中代理与世界之间的交互模型是比特序列，智能是使用 Solomonoff 和 Wallace 的归纳推理理论来制定的。与此同时，似乎每年都会提出数十种图灵测试的变体，引入了 CAPTCHA，David 展示了使用基于大开关方法的非常简单的程序解决一些智商测试是多么容易。如今，蓬勃发展的机器学习领域引发了 AI 的新
Машины могут обучаться за счет простого наблюдения
谢菲尔德大学开发的一种称为图灵学习的新型机器学习技术允许机器模拟自然或人工系统。
Spots, stripes and more: Working out the logic of animal patterns
70 多年前，数学家艾伦·图灵提出了一种机制，解释了如何从平淡的一致性中产生图案。科学家们仍在使用他的模型——并添加新的变化——以更深入地了解动物标记。
Is Artificial Intelligence The Way Forward or Backward?
纽约，7 月 12 日（IPS）——与普遍看法相反，人工智能已经成为技术进步的基石，而且这种现象已经持续了很长时间。计算机科学家艾伦·图灵于 1936 年发明了图灵机，提出了计算机解决复杂人类问题的概念。这台机器为看似无限的问题提供了解决方案，但 20 世纪初的技术限制证明这个数字确实非常有限。快进到 2020 年代，人工智能已成为一种广泛应用的实践，影响着音乐、艺术、科学、法医、金融、农业等许多领域。尽管人工智能被誉为人类进步的未来，但它也因其巨大的碳足迹而对这一未来构成了威胁。阅读 globalissues.org 上的完整故事“人工智能是前进还是后退？” →
