XiaoMi-AI文件搜索系统
World File Search System围棋
引言 哲学思考机器
像深度学习神经网络这样的人工智能程序可能能够在围棋或国际象棋、算术或写海豹突击队复制品方面击败人类，但它们永远无法真正独立思考，无法拥有意识，无法感受到我们人类所能感受到的这个世界的丰富性和复杂性。单纯的、未开化的人类可能会对简单的深度学习程序的能力印象深刻，但从更全面的角度来看，这一切加起来……什么都没有。它们仍然没有表现出任何意识的痕迹。所有可用的数据都支持这样一种观点，即人类对世界的感受和体验与计算机不同。虽然计算机可以击败国际象棋、围棋或其他结构化规则游戏中的人类大师，但它永远无法真正超越这些规则思考，它永远无法在飞行中想出自己的新策略，它永远无法像人类那样去感受、去反应。人工智能程序缺乏意识和自我意识。它们永远无法有幽默感。他们永远无法欣赏艺术、美丽或爱情。他们永远不会感到孤独。他们永远不会对其他人、动物和环境产生同情。他们永远不会享受音乐或坠入爱河，也不会一时冲动而哭泣。仅仅凭现存的、单纯的、未开化的人类在智力上就比计算机优越，无论我们的计算机在围棋或危险边缘等游戏中赢得多少胜利。我们不按照这些游戏的规则生活。我们的思想比这要大得多。计算机意识的可能性一直备受争议，它仍然是一个有争议的话题——所以这段话中的说法并没有什么了不起的。更了不起的是作者是谁：这段话完全是由一台计算机编写的，即 OpenAI 的 GPT-3。碰巧的是，GTP-3 本身是一个神经网络类型的系统，它拥有英语语言的内部模型
可能与方便之间：人工智能在劳动司法中的应用案例
2 这些类型的预言是哲学中所谓的“表现性”问题的表现（Pasquale，2020，第 X 页）。3 例如，Gigerenzer (2022) 提到“人工智能击败人类”的论点，其内容是这样的：人工智能在国际象棋和围棋方面击败了最优秀的人类。计算能力每隔几年就会翻一番。因此，机器很快就会比人类做得更好（第 X 页）。4 Gigerenzer (2022) 指出，由于人工智能中的“I”与我们所知的智能无关，因此经常使用“自动决策”(ADM) 一词来代替它（第 27 页）。
量子计算机棋盘游戏
有很多有趣的棋盘游戏。其中最受欢迎的是国际象棋、围棋和五子棋 (FIR)。具体来说，围棋和 FIR 都是在可扩展的方形棋盘上进行的（见图 1），两个玩家轮流在棋盘上放置黑白棋子。按照量子信息的惯例，我们分别将下白棋和黑棋的两个玩家称为 Alice 和 Bob。在本文中，我们专注于这些可扩展的棋盘游戏，并讨论如何对它们进行概括，以便量子计算机可以在具有内在量子移动的条件下玩它们。研究或玩这些量子棋盘游戏至少可以在两个方面受益。（1）人们一直试图了解思想或智慧是如何从物质中产生的。尽管大多数物理学家认为我们大脑的神经网络是经典的 [1]，但仍有物理学家有充分的理由认为量子物理对于理解我们的大脑至关重要，也就是说，我们的大脑在某种意义上是一台量子计算机，或者具有与量子计算机的一些共同特征 [2,3]。研究量子计算机如何在没有任何外部观察者的情况下相互下棋盘游戏可能有助于我们澄清这一基本问题（见第 5 节中与 QwQ（一台量子计算机与另一台量子计算机）的讨论）。（2）量子计算机的工作方式非常违反直觉。玩具有量子特征的棋盘游戏可以让孩子们更好地为使用量子计算机做好准备（见第 5 节中与 CwC（一台经典计算机与另一台经典计算机）的讨论）。
学习和游戏 AI - DROPS - Schloss Dagstuhl
将学习融入商业游戏可以丰富玩家体验，但可能会让开发者担心诸如失去对游戏世界的控制等问题。我们探讨了一些应用研究和一些实地应用，这些应用表明机器学习研究具有巨大的可能性，包括实时战略游戏、飞行模拟游戏、汽车和摩托车赛车游戏、围棋等棋盘游戏，甚至囚徒困境等传统博弈论问题。这些研究的共同特点是机器学习有可能减轻游戏开发者的负担。然而，存在一些挑战阻碍了机器学习的更广泛应用。我们讨论了其中的一些挑战，同时探索了在游戏中广泛使用机器学习的机会。
人类与人工智能（AI）共存的社会和伦理问题
7）元宇宙是“meta”和“universe”的复合词，前者意为虚拟、抽象，后者意为现实世界，指三维虚拟世界。 8）奇点是指人工人工智能发展到超越人类智能的程度，雷·库兹韦尔预测这个时间点是2045年。9）弱人工智能应用于国际象棋、围棋等特定领域。弱人工智能是指利用出色的计算能力帮助人类完成工作的人工智能，包括谷歌DeepMind 的 AlphaGo 和 IBM 的 Watson。10）强人工智能比人类的智力水平更高，可以独立思考问题并全面解决问题。它指的是以人的数量来判断的人工智能，例如电影《钢铁侠》中的贾维斯伙计。
创意项目 0：抽象策略游戏
策略游戏是指玩家根据一套规则进行一系列动作，希望获得特定结果（例如更高的分数、特定的游戏状态）以赢得游戏的游戏。策略游戏通常允许玩家自由选择要采取哪些动作（在规则范围内），并且几乎没有或完全没有随机性或运气（例如掷骰子、抽牌）。抽象策略游戏是策略游戏的一个子集，通常具有以下特点：a) 完美信息（即所有玩家始终知道完整的游戏状态，以及 b) 几乎没有或完全没有游戏主题或叙事。抽象策略游戏的常见示例包括：国际象棋、跳棋、围棋、井字游戏等。
人工智能可以进行哲学思考吗？ - 森冈昌弘
人工智能（AI）取得了长足的进步。在围棋和将棋的世界里，人类已经无法战胜AI。这股浪潮将进一步蔓延。学术界也不例外。AI有可能取代学者们一直在进行的研究。尤其是在我所研究的哲学领域，思考本身就是哲学的全部，因此哲学可能会遭遇与围棋和将棋相同的命运。让我们进一步思考这一点。首先，发现过去哲学家的思维模式是AI最擅长的。例如，可以让AI阅读哲学家康德的全集，从中发现类似康德的思维模式，并利用它们创建一个名为“人工智能康德”的应用程序。我预测，未来康德研究人员的工作将是向“人工智能康德”提出各种问题并分析其给出的答案。在这个领域，AI和哲学家可以建立愉快的合作关系。接下来，让AI读遍所有过去哲学家的著作，从中尽可能多地提取哲学思维模式，结果就是一系列人类能够思考的哲学思维模式。但是，肯定还有很多哲学思维模式是过去的哲学家们所忽略的，那么就让AI去发现这些未知的思维模式吧。结果就是一系列人类能够思考的哲学思维模式。一旦做到这一点，人类就无法再创造出新的哲学思维模式了。未来哲学家的工作将更接近于一种研究哲学AI行为的计算机科学。但是，这里出现了一个根本性的问题，这种哲学AI是在做真正的哲学工作吗？如果它所做的只是发现外部输入数据中未被发现的模式，或者为由* 教授，人文科学，早稻田大学，2-579-15 Mikajima，Tokorozawa，Saitama，359-1192 Japan 提出的问题提供解决方案。电子邮件：http://www.lifestudies.org/feedback.html
可信人工智能：挑战与前景
1997 年 – IBM Deep Blue 在国际象棋中击败加里·卡斯帕罗夫 2002 年 – 第一个机器人吸尘器 2010 年 – ImageNet 数据库，由普通人进行数据标记。1400 万张图片，2 万个类别 2011 年 – IBM Watson 赢得了节目 Jeopardy！（图片来源：Siri） 2011 年 – 智能手机中的个人助理（Siri） 2016 年 – AlphaGO 击败专业围棋选手 2016 年 – 谷歌翻译开始使用神经机器翻译 8 种语言 2022 年 – OpenAI 发布 ChatGPT。2个月内用户数量就达到了1亿（这是一个记录）。
透明度与解释：模糊性在法律人工智能中的作用
6 Tom Boellstorff，《从理论上制作大数据》（2013 年）18(10) First Monday。7 David Silver 和 Demis Hassabis，《AlphaGo：利用机器学习掌握古老的围棋游戏》[2016]（2021 年 6 月 23 日访问）。8 Robert Prey，《Nothing Personal：音乐流媒体平台上的算法个性化》（2018 年）40(7) Media, Culture & Society 1087。9 Kristian Hammond，《人工智能入门指南》（Wiley 2015 年）。10 Frank Pasquale，《黑箱社会。控制金钱和信息的秘密算法》（哈佛大学出版社 2015 年）。11 Andreas Holzinger 等人，《人工智能在医学中的因果性和可解释性》（2019 年）9(4) WIREs 数据挖掘和知识
“人类应该敬畏人工智能的进步......
2016 年 3 月，谷歌的 AlphaGo 计算机程序在以难度高、抽象性著称的中国古代棋盘游戏围棋中击败了围棋大师李世石 [参考：卫报]，这被视为人工智能进步的又一例证。它紧随 IBM 的“深蓝”和“沃森”的脚步。前者于 1997 年击败了国际象棋世界冠军加里·卡斯帕罗夫 [参考：时代杂志]，后者是另一台 IBM 机器，于 2011 年击败了美国电视智力竞赛节目《危险边缘！》的两位前冠军，展示了理解自然语言问题的能力 [参考：TechRepublic]。然而，人工智能不仅仅被用来在游戏中击败人类——对于某些人来说，它的影响将深远——德国的开发人员甚至提出，机器人可能被用来教难民儿童语言 [参考：Deutsche Welle]。目前，人工智能正在许多领域得到发展，例如无人驾驶运输、金融、欺诈检测，以及机器人技术和文本和语音识别等众多应用。因此，人工智能的支持者认为：“这对人类来说是一个巨大的机遇，而不是威胁”[参考：赫芬顿邮报]，并认为能够学习完成目前需要人类完成的任务的机器可以加快进程，让人类在未来有更多的闲暇时间[参考：泰晤士报]。但批评者担心，如果我们开发出能够快速学习、驾驶我们的汽车和完成我们工作的机器，我们可能会遇到它们变得比人类更聪明的情况——从而对人类在工作场所的未来以及我们在世界上更广泛的地位构成生存问题。鉴于人工智能的各个方面（例如深度学习）的不断发展[参考：Tech World]，反对者怀疑它是否会在某个时候发展出自己的利益并主宰人类，或者在特定情况下对我们造成伤害。鉴于这些担忧，我们是否应该担心人工智能技术的进步？