格子net的个人资料

GitHub 的独立运营时代，彻底结束了 GitHub 的独立运营时代，彻底结束了。 CEO Thomas Dohmke 突然宣布辞职，他计划年底前完成交接，重返创业。更震撼的是，微软决定不再任命新 CEO，而是直接将 GitHub 完全并入今年 1 月刚成立的 CoreAI 部门。微软显然意识到了这种威胁，通过将 GitHub 深度整合进 CoreAI，希望加速 AI 功能的迭代速度。对于开源社区来说，GitHub 失去独立性可能会引起部分重视平台中立性的开发者的担忧。尽管存在不确定性，但 Dohmke 对未来充满信心。在告别信中，他预言世界将很快看到 “十亿开发者被数十亿 AI 智能体赋能” 的景象。而他自己，则选择在这个关键时刻离开，再次成为一名创始人，开启人生的下一个篇章。至于微软这边，CoreAI 团队的领导者 Jay Parikh 曾是 Facebook（现 Meta）的工程副总裁，在 Meta 工作了超过 10 年，负责过基础设施和工程团队。Julia Liuson 则是微软的老将，在公司工作超过 30 年，见证了从传统软件到云计算再到 AI 时代的完整转型。一个时代结束了，另一个时代正在开启。当 GitHub 不再独立，AI 成为编程的主角，开发者的世界将会变成什么样？这或许是每个程序员都需要思考的问题。作者：量子位链接：http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fjuejin.cn%2Fpost%2F7537594312688861184&urlrefer=da071dcbd52ff8443678397c782d135d 来源：稀土掘金著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

南开大学最新研究成果让AI“识破”AI 近日，南开大学计算机学院媒体计算实验室取得最新研究成果，不仅从评估的角度揭示了现有AI检测方法的性能不足，并创新性地提出了“直接差异学习”优化策略，教会AI用“火眼金睛”辨别人机不同，实现AI检测性能的巨大突破。相关成果论文已被计算机多媒体领域国际顶级会议ACM MM 2025接收。目前AI生成内容检测主要有两种路线，一种是“基于训练的检测方法”，使用特定数据训练一个专用的分类模型；另一种是“零样本检测方法”，直接使用一个预训练的语言模型并设计某种分类标准进行分类。多项研究表明，现有检测方法在应对复杂的现实场景时常显不足。此前也曾有权威媒体报道，《荷塘月色》《流浪地球》等经典作品被某常用论文AI率检测系统检出高AI率。为何现有的AI检测工具会“误判”？论文第一作者、南开大学计算机学院计算机科学卓越班2023级本科生付嘉晨解释道：“如果把AI文本检测比作一场考试，检测器的训练数据等同于日常练习题，现有检测方法是机械刷题、死记硬背答题的固定套路，难以学会答题逻辑，一旦遇到全新难题，准确率就会显著下降。” “要想实现通用检测，理论上需收集所有大模型的数据进行训练，但在大模型迭代飞速的今天几乎不可能。”付嘉晨说，让检测器真正学会举一反三，即提升检测器的泛化性能，是提升AI文本检测性能的关键。为此，研究团队提出了DDL方法另辟蹊径，通过直接优化模型预测的文本条件概率差异与人为设定的目标值之间的差距，帮助模型学习AI文本检测的内在知识，可以精准捕捉人机文本间的深层语义差异，从而大幅提升检测器的泛化能力与鲁棒性。 “使用DDL训练得到的检测器如同有了‘火眼金睛’，即便只‘学习’过DeepSeek-R1的文本，也能精准识别像GPT-5这样最新大模型生成的内容。”付嘉晨说。团队还提出了一个全面的测试基准数据集MIRAGE，使用13种主流的商用大模型（如豆包、DeepSeek、Kimi等）以及4种先进的开源大模型（如Qwen等），从AI生成、润色、重写三个角度构造了接近十万条人类-AI文本对。 “MIRAGE是目前唯一聚焦于对商用大语言模型检测的基准数据集。直观地说，之前的基准数据集是由少而且能力简单的大模型命题出卷，而MIRAGE是17个能力强大的大模型联合命题，形成一套高难度、又有代表性的检测试卷。”论文通讯作者、南开大学计算机学院副教授郭春乐说。 MIRAGE的测试结果显示，现有检测器的准确率从在简单数据集上的90%骤降至约60%；而使用DDL训练的检测器仍保持85%以上的准确率。与斯坦福大学提出的DetectGPT相比，性能相对提升71.62%；与马里兰大学、卡内基梅隆大学等共同提出的Binoculars方法相比，性能相对提升68.03%。 “AIGC发展日新月异，我们将持续迭代升级评估基准和技术，致力于实现更快、更准、更低成本的AI生成文本检测，以AI之力，让每一篇成果更出彩。”研究团队负责人、南开大学计算机学院教授李重仪说。值得一提的是，该论文的第一作者付嘉晨是南开大学一名大二学生。他毕业于福州第一中学，入学后经过“二次选拔”考入南开大学计算机科学卓越班，并进入媒体计算实验室在李重仪和郭春乐两位导师的指导下开始科研实习。这也是南开大学拔尖创新人才培养改革——系列“特色班”的一个缩影。谈到未来学习计划，付嘉晨还将继续在生成式人工智能领域探索，“能在大一进入实验室参与科研是我的幸运，老师同学们为解决实际问题攻坚克难，这也教会了我不仅要发论文，更要发有用的论文”。

《当人类群星闪耀时》-前言没有一个艺术家在他一生的二十四小时之内始终处于不停的艺术创作之中；所有那些最具特色、最有生命力的成功之笔往往只产生在难得而又短暂的灵感勃发的时刻。历史——我们把它赞颂为一切时代最伟大的诗人和演员——亦是如此，它不可能持续不断地进行新的创造。尽管歌德曾怀著敬意把历史称为“上帝的神秘作坊”，但在这作坊里发生的，却是许多数不胜数无关紧要和习以为常的事。在这里也像在艺术和在生话中到处遇到的情况一样，那些难忘的非常时刻并不多见．这个作坊通常只是作为编年史家，冷漠而又持之以恒地把一件一件的事实当作一个又一个的环节连成一条长达数千年的链条，因为所有那些最重要的历史性时刻都需要有酝酿的时间，每一桩真正的事件都需要有一个发展过程。在一个民族内，为了产生一个天才，总是需要有几百万人。一个真正具有世界一时意义的时刻——一个人类的群星闪耀时刻出现以前，必然会有漫长的岁月无谓地流逝而去．　　不过，诚如在艺术上一旦有一个天才产生就会流芳百世一样，这种具有世界历史意义的时刻一旦发生，就会决定几十年和几百年的历史进程。就象避雷针的尖端集中了整个大气层的电流一样，那些数不胜数的事件也都住住挤在这最短的时间内发作。那些平时慢慢悠悠顺序发生和并列发生的事，都压缩在这样一个决定一切的短暂时刻表现出来．这一时刻对世世代代作出不可改变的决定，它决定着一个人的生死。一个民族的存亡、甚至整个人类的命运。　　这种充满戏剧性和与命运攸关的时刻在个人的一生中和历史的进程中都是难得有的；这种时刻住住发生在某一天、某一小时、甚至常常只发生在某一分钟，但它们的决定性影响却是超越时间的。我想在这里从极其不同的时代和地区回顾这种群星闪耀的某些时刻——我之所以这样称呼这种时刻，是因为它们宛若星辰一般永远散射着光辉，普照着暂时的黑夜！但我丝毫不想通过自己的虚构来增加或者冲淡所发生的一切的内外真实性，因为在那些非常时刻历史本身己表现得十分完全，无需任何后来的帮手。历史是真正的诗人和戏剧家，任何一个作家都甭想去超过它。

Scheme作为一种编程语言 Scheme作为一种编程语言，它的设计目标在于构建一个极简且统一的理论框架来支撑所有编程结构，促使开发者聚焦于语言的语义而非语法复杂度。Scheme的一大特点是它的一等函数（first-class functions），这意味着函数可以作为值传递和返回，也可以被存储在数据结构中。 Scheme的另一个重点是它的宏系统，这允许开发者根据需要创建新的语法结构和操作，增加了编程的灵活性和表达力。与其他Lisp方言不同，Scheme对宏提供了一种更为精确和可靠的处理方式，称为卫生宏（hygienic macros）。在Scheme中，一个程序通常由一系列嵌套的列表组成，列表内可以包含原子元素如符号、数字或者更多的列表，这种统一的结构简化了代码的解析和处理过程。

数学猜想（1）由克雷数学研究所（Clay Mathematics Institute）在2000年提出的7个问题，每个悬赏 100万美元，目前仅庞加莱猜想（2003年由佩雷尔曼解决）被攻克。 1、黎曼猜想（Riemann Hypothesis）领域：解析数论内容：所有非平凡零点都位于复平面上的直线 Re(s)=1/2 上。意义：与素数分布密切相关，若成立将彻底改变数论、密码学等领域。 2、P vs NP 问题领域：计算复杂性理论内容：是否存在一种算法，能在多项式时间内验证的问题也能在多项式时间内解决？意义：若 P=NP，密码学、优化问题等将面临革命性颠覆。 3、纳维-斯托克斯存在性与光滑性（Navier-Stokes Equations）领域：数学物理内容：证明三维不可压缩流体的纳维-斯托克斯方程在任意初始条件下存在光滑解。意义：揭示湍流本质，推动物理学和工程学突破。 4、霍奇猜想（Hodge Conjecture）领域：代数几何内容：某些复杂几何对象的“形状”能否用代数方程描述？意义：连接拓扑与代数几何，深化对高维空间的理解。 5、杨-米尔斯存在性与质量间隙（Yang-Mills Theory）领域：量子场论内容：证明量子杨-米尔斯场存在且具有质量间隙（粒子物理中的基本问题）。意义：统一量子力学与相对论，推动理论物理发展。 6、贝赫和斯维讷通-戴尔猜想（BSD Conjecture）领域：数论（椭圆曲线）内容：椭圆曲线的有理点数量与L函数在1处的零点阶数相关。意义：揭示数论与几何的深层联系，影响密码学（如椭圆曲线加密）。第二梯队：经典未解之谜 1、哥德巴赫猜想（Goldbach Conjecture）领域：数论内容：每个大于2的偶数都可表示为两个素数之和。现状：陈景润证明了“1+2”（最接近的成果），但“1+1”仍未解决。 2、孪生素数猜想（Twin Prime Conjecture）领域：数论内容：是否存在无限多对相差2的素数（如3和5、11和13）？进展：张益唐（2013）证明存在无限多对素数间隔小于7000万，后改进至246。 3、ABC猜想（ABC Conjecture）领域：数论内容：对于互质整数a+b=c，c的质因数不会远小于a、b、c的乘积。现状：望月新一宣称证明（2012），但争议极大，未被广泛接受。 4、完美长方体问题（Perfect Cuboid）领域：数论/几何内容：是否存在一个长方体，其所有棱长、面对角线、体对角线均为整数？意义：欧拉时代遗留问题，计算机搜索未果。第三梯队：现代重要问题 1、兰道-西格尔零点猜想（Landau-Siegel Zeros）领域：解析数论内容：是否存在某种例外零点，可能威胁黎曼猜想的正确性？进展：张益唐（2022）宣称部分突破，但未完全解决。 2、移动沙发问题（Moving Sofa Problem）领域：几何优化内容：能通过L形走廊的最大平面区域面积是多少？现状：已知上限约为2.37，但精确解未找到。 3、康威扭结问题（Conway Knot Problem）领域：拓扑学内容：康威扭结是否为“光滑切片扭结”？进展：2020年通过Heegaard Floer同调理论证明其不是，但更一般问题仍开放。 4、哈代-拉马努金问题（Hardy-Ramanujan Partition）领域：组合数学内容：整数分拆函数的渐近行为及精确公式。意义：连接数论与量子物理。第四梯队：趣味性与挑战性并存 1、考拉兹猜想（Collatz Conjecture）领域：数论内容：对任意正整数，反复应用“偶数除2，奇数乘3加1”操作，最终是否都收敛到1？现状：已验证到 268268 以内的数，但无理论证明。 2、吉尔布雷思猜想（Gilbreath’s Conjecture）领域：数论内容：对素数序列进行差分迭代后，首项是否总是1？现状：计算验证支持，但无证明。 3、幸福结局问题（Happy Ending Problem）领域：组合几何内容：平面内任意5个点（无三点共线）是否总包含4个点构成凸四边形？扩展：广义问题（如埃尔德什-塞凯赖什猜想）仍未解决。未解难题的共性跨领域性：许多问题需要融合数论、几何、物理等多学科工具（如黎曼猜想与量子混沌的联系）。理论与应用的双重价值：例如P vs NP问题直接影响密码学与人工智能的极限。人类智慧的终极挑战：部分问题可能永远无法解决，或需要全新的数学范式（如非标准证明）。结语数学的未解之谜既是智力的“圣杯”，也是推动科学进步的引擎。它们的解决可能彻底改变人类对宇宙的认知——正如希尔伯特所言：“我们必须知道，我们必将知道。”

数学家丘成桐的发言 “作为数学家,我们追求的不是敌国的财富,也不是千年的霸业,这些东西终究不免化为尘土。我们追求的乃是理论和方程，它们带领着我们在寻求永恒真理的道路上迈进。这些想法比金子来得珍贵，比诗歌来得炫目，两者在简朴的真理面前黯然失色。数学是诸多应用科学的基础,它能使国家富强。善用数学,能为现代社会维持其现状、规划其未来,达至国家的长治久安。”

1915哈佛数学崛起（2）到其他地方学习是美国名校的传统,比如哈佛,它并不希望本校的本科生留在哈佛念博士,而是鼓励学生去新的环境学习不一样的学问,感受不一样的学术风气,让他们有更宏大的看法和创新的思维，我觉得这一点是很重要的。但对于中国,我们首先要让研究生能够在本土完成第一流的研究。就清华而言，数学科学系或数学科学中心能否跻身世界的顶尖行列,关键在于能不能培养出第一流的研究生。回顾哈佛大学数学系的历史,近代美国数学发展的重要转折点是1915年哈佛的伯克霍夫解决了限制性三体问题(restricted three body problem),这是庞加莱去世后,数学家在动力系统(Dynamical System s)方面做出的最重要的工作成果。伯克霍夫一辈子没离开过美国,在他以前,美国主要是派留学生到欧洲，虽然他们也做出了不错的成果,但直至伯克霍夫,其研究成果才真正影响了整个美国的数学发展。美国数学家从此有了自信心,不一定要派留学生到国外去也可以完成举世瞩目的工作。伯克霍夫发表了这个工作成果以后，在哈佛培养了一大批世界一流的博士生,如哈斯勒·惠特尼、马斯顿·莫尔斯、查尔斯·莫里等，推动了很多奠基性工作在哈佛创立。能查到的伯克霍夫的学生，及其学生的学生,如今已超过九千人，而在美国真正做研究的数学家不会超过两万人。这表明从伯克霍夫开始,美国数学的学风和基础已形成。我期盼清华也能产生像伯克霍夫那样开风气之先的领航者，希望我们的研究生或者本科生也能够在清华念书期间完成如此重要的论文。清华的学风其实很开放，同时能创造自己的环境。翻阅清华的历史,我最佩服的是清华四大国学导师之一的王国维，他是留着辫子的遗老,没拿过任何学位,但学问是崭新的，是20世纪融汇中西方学术-尤其是中国与德国的哲学思想--最早且最重要的学者。他改变了中国历史、文学、美学和考古学的研究，奠定了中国20世纪这些学科的走向。我们数学系的陈省身先生也是一代宗师,不过他的重要贡献是在海外完成的。我希望将来引领数学研究走向的最主要工作是在清华完成的，这要靠我们师生的努力。21世纪应当是中国人扬眉吐气的时代，让我们在20年代,也就是未来这十年,走出一条新的道路,引领世界。我觉得时机已经成熟,不再像以前那样只能去学习外国的学问。学习当然很重要，无论如何一定要学习,假如我们不了解海外的重要工作,就不可能走出新的道路。但我们也要有自信心能够走出自己的路,要在学习中探寻什么是最重要的方向。19世纪以前,数学跟其他学科不分家,物理和数学往往是在一起的;从20世纪初期到70年代，数学的发展变得相对独立;最近四十年来，数学走了跟之前不大一样的道路,数学学科跟物理、工程等产生了很大的融合,产生了颇多杰出的成果,对数学本身和其他学科都非常重要。在每一次大的转变中,数学都吸收了很多重要的思想,譬如，量子场论的发展让物理、数学物理、代数几何以及拓扑学等产生了很重要的改变,而且这种改变会不断地加深。我们就算不深入研究,也应当了解新的发展动向，至少使自己在听演讲时知道人家在讲什么。本科与研究生阶段是最有时间去学习的时候，要多花工夫了解和思考，同时最重要的是将基础打扎实。尽管花大量的工夫对每个学生来说都不容易,但绝不可错过最佳的学习时机。每一位从事数学工作的人都有以下类似的经历:博士毕业后到新的数学系工作,假如你是做拓扑学的,系里的同事就会认为你是拓扑学的专家，应该懂得拓扑学的所有知识，而实际上你只是写了一篇拓扑学方面的论文，懂得的其实相当有限，于是你要花精力把拓扑学钻研透，因此就少了很多时间去学其他还没学过的学科。一个人要学的东西实在太多,我亦总觉得自己懂的学问不够。而当你是学生时，不是专家，没有以上的负担，学生的首要任务本来就是学习。

1915哈佛数学崛起（1）中国人可以从字面上将“危机”理解为:有危险就有机遇。在目前的形势下,中国经济也会受挫，高校亦会遇到经济困难，但中国的体制与欧美诸国不一样。从前美国的优势在于私立学校的独立办学,但在遇到困难的时候,他们就各自为政,不会帮助对方，而中国的体制能确保国内主要的大学协同发展,共同培养人才。今日的毕业生要面对的第一个现实是:华裔学者在美国高校生存的环境将比从前差很多。因为美国的高校除了经济困难以外,现在还遇到种族平等的问题。对于今年毕业的学生,若要到国外去留学,我赞成,但请你们不要忽视上述的现实。假如你们要去的是第一流的学校,像哈佛大学、麻省理工学院、普林斯顿大学、斯坦福大学等,我觉得还是很值得去的,因为那里有很好的老师和环境;但如果是去国外的普通高校,相比之下,清华大学的水准和氛围其实要好得多。这十多年来，我们的努力是很有成果的。清华大学数学科学系、数学科学中心聘请和培养了一大批杰出的数学家，尤其是年轻学者，他们完成的论文都是世界第一流的，而且我们的学风能够比得上世界顶尖的大学(包括哈佛在内)。因此，你们在清华做研究不会比在国外差。虽然我刚才鼓励你们去世界顶尖的大学,但去不了并不代表有很大的损失,至少国内也能提供同样的研究氛围。

“两门板斧” 本科与研究生阶段是最有时间去学习的时候，要多花工夫了解和思考，同时最重要的是将基础打扎实。尽管花大量的工夫对每个学生来说都不容易,但绝不可错过最佳的学习时机。每一位从事数学工作的人都有以下类似的经历:博士毕业后到新的数学系工作,假如你是做拓扑学的,系里的同事就会认为你是拓扑学的专家，应该懂得拓扑学的所有知识，而实际上你只是写了一篇拓扑学方面的论文，懂得的其实相当有限，于是你要花精力把拓扑学钻研透，因此就少了很多时间去学其他还没学过的学科。一个人要学的东西实在太多,我亦总觉得自己懂的学问不够。而当你是学生时，不是专家，没有以上的负担，学生的首要任务本来就是学习。你们在做学生的这段时间,最基本的工具一定要学好。若连最基本的工具都没掌握,根本就谈不上跨学科的研究。我们都知道，第一流的学问往往是不同学科的融合而爆发出来的火花。安德雷·韦依是伟大的数学家,当年他告诉我，一个伟大的数学学者非要精通至少两门不同学科不可。举例来说,在数学上,假如你学拓扑学,你还要懂得几何或分析,这样你才能通过两个不同的工具来完成前人没有想到的工作。刚才我们提到的伯克霍夫的学生马斯顿·莫尔斯，莫尔斯理论的伟大是他将分析和拓扑学联系起来,以后拓扑学好几个主要的方向都是通过莫尔斯理论来完成的。假如莫尔斯对拓扑学或者临界点理论(critical point theory)没有兴趣，他就无法完成此理论。不妨再看看其他20世纪伟大的数学家，我们也会发现他们大部分都是能精通两门以上学科的。当你进入一个学科的研究领域以后,不可能通晓所有东西,但必须将其工具都掌握了，所谓精通就是对工具能运用自如,遇到困难的题目不会惧怕，懂得如何学习和思考。我希望你们能达到这种不畏难题的境界。当然，你也可以请教其他专家，让他们给你建议作参考,这都是可以的,但绝不能畏惧,要尽力去解决。面对棘手的问题不知所措，不光是学生会遇到的，就连著名的大师也会遇到同样的尴尬。大物理学家泡利，他的不相容原理(exclusion principle)是20世纪物理学最重要的里程碑之一。据说泡利在去世前曾在酒后跟他的朋友讲:“我一辈子就是等大问题来了,让我能够去解决它。但有时我看着大问题来了，又看着它离开我,因为我没有办法解决它。”我想泡利讲的是量子电动力学(Quantum Electrodynamics,QED),他当时没有足够的工具解决这个问题,所以他觉得很颓唐。你们毕业的时候,要尽量学会一些主要的工具，这是以后对付数学、物理、生物或工程上的问题的重要“兵器”，这些问题从自然界产生，既复杂又有趣，要有办法和工具对付它。有很多工具，刚开始以为不重要、不流行,很多人不想去学,这往往是个错误的看法。我记得三十年前，拓扑学做到一定地步以后,大家认为同伦理论(homotopy theory)用处不大,于是就不学了。但最近这几年来，同伦理论变得越来越重要,这是凝聚态物理要用到很多同伦理论的缘故。自然产生的理论总是有其好处，我们不要挑剔。总的来讲,我希望你们在做学生的时候至少掌握两门不同的工具,以后做学问的时候有两门“板斧”,而且每一门都要精通,才能在真正去解决问题时收放自如。假如我们的学生都能这么做的话,中国的数学将很快转型。我寄望在你们身上,希望你们能够努力。对我来讲,世界上没有天才,要做得好,自己一定要努力。

我常常觉得奇怪我常常觉得奇怪,为何中国培养的科学家和西方相比，无论质和量皆不如。本人之所以比大部分中国数学家更有成就，或许乃得益于以先父教导的历史和思想为根基，再加上在美国多年，承袭了彼邦的自由思想之故。在过去差不多半个世纪中,美国对我不薄,我对美国感激良多，对美国数学界尤其如此。我非常赞赏它大力培养后进的传统。再者,全世界的研究人才来到美国,都有宾至如归之感。因此之故,我有幸能接触到各种各样的思想,从而大大地丰富了我对数学的看法。还有一点,那就是在美国我可以畅所欲言,在中国则不然,大家出言都会谨慎些。另外,学生和同行对我蹩脚的口音都非常宽容。最后,在美国令人赞赏的一点就是,只要你的工作出色,升迁差不多是没有悬念的。但在中国就不同了，个人工作上的成绩未必足够，还要看其他条件。虽然如此,我仍然心系祖国,决心改变她在教育和研究上的积习。聊堪告慰的是,尤其是近几年,情况渐渐出现了变化,其中在下或许也有点功劳。经过这么多年,我的身心何在?纵使我对中国怀着深厚的感情和强烈的使命感,事实上,我大部分时间却居住在美国。虽然对美国的情感没那么深厚,但那是孩子出生和成长的地方,而且我的家和工作还在那里。正如前面说过,这令我有不知何处是吾家的奇怪感觉,我真正的家似乎介于两者之间(在太平洋中部曲折地经过的国际日期变更线)。说到底,只有一样事物能不受这两个国家和不同文化的支配,它就是数学,它早已变成我真正的护照了。我在数学的长路上走了很久，从伯克利当研究生起计,差不多有五十年了。然而，我尚未有高挂直尺和圆规的打算……

扫清迷雾…… 我总觉得问题并非绝不含糊地解决了,或者要留待涵盖异常广泛的定理出现后,才能扫清这些迷雾。对这问题提出异议，在现实上是非常危险的做法。但为了问题的本身,为了数学上的真理，我还是希望知悉我们走到了哪里。如果这样会遭鄙视,就由他吧。半个世纪前我选择了数学这条道路,说到底还是数学比较重要,别人的看法没这么要紧。

佩雷尔曼…… 以幅度如此深广、细节如此复杂的证明而言，这三篇论文加起来可说很短。在论文中,佩雷尔曼证明了汉密尔顿最忌惮的奇点不会在里奇流中产生,这是足以使人惊叹的结果，同时也是佩雷尔曼的一大功绩。汉密尔顿说:“排除了‘雪茄’出现的可能性,是我在奇点的分类中做不出来的地方。”引入了新的技巧来控制奇点，佩雷尔曼为证明瑟斯顿几何化猜想(见第七章)铺平了道路，而庞加莱猜想只是个特殊情况,他的有些结果也适用于高维空间。

了解庞加莱要了解庞加莱心中的想法,可以先考虑二维球面,它便是地球仪的表面(内部不计)。你可以把橡皮圈拉长,沿赤道勒上去，然后把它逐渐向南极或北极推动。这时,橡皮圈就会毫不费力地缩成一点。另一方面,考虑带洞的甜甜圈,把橡皮圈缠绕在圈的中部--除非橡皮圈或甜甜圈断开了,否则它是不能缩成一点的。绕着甜甜圈外侧或内侧的橡皮圈也不能缩成一点,除非把甜甜圈挤压成一团,但那时它就不再是甜甜圈了。再次提醒读者,我们讨论的是甜甜圈的表面或它的外层,不包括它可口的内部。球面和甜甜圈这两个形状,本质上的区别在于有洞或没有洞。球面无洞而甜甜圈却有，这意味着球面不能在不弄破它的状态下变成甜甜圈,反之亦然。二维的曲面早在19世纪已为人熟知。庞加莱猜想与三维球面有关,三维球面即是四维球的表面,对一般人来说有点难以想象。正如二维球面由在三维空间中所有和原点距离等于r的点所组成，这些点的坐标(x,y,z)满足方程式x2+y2+z2=2;类似地，三维球面由所有四维空间中和原点距离等于r的点所组成,这些点的坐标(x, y,z, w) 满足方程式x2+y2+z²+w2=r。可以预见，通过研究这猜……

人生最大的荣耀人生最大的荣耀，乃是屡败屡战,尤其是受到阴险的招数攻击之后。稍堪告慰的是2006年10月在《纽约时报》刊登的,以我为主角、题为《数学皇帝》的文章,里面洋溢着颂扬之词。它比《纽约客》的文章迟了两个月,这并非偶然。娜萨曾跟我说,她听说《纽约时报》在访问我,因此她要赶快写,好抢在时报前面,引人注目。《纽约时报》的文章写得非常客气,我想它给出了对无论是本人还是本人工作比较全面的写照。部分的原因或在于文章的作者丹尼斯·奥弗比(Dennis Overbye)花了不少时间访问我，断断续续地做了半年。如前面贬我的文章一样,这篇文章的内容我从未过问,并未参以己见,或提出任何删改。对我而言，更重要的是自己能掌握的,只有不断向前,才能完成事业上定下的目标。因此,那些有关本人的文章,不管是褒是贬,也不用想太多。希望能集中精力对付数学,进行研究,这才是我之所乐,我之所爱。精神受到压力的日子,我每以工作为寄托,数学从来没有让我失望。举例来说，我把注意力放在广义相对论上。有一个问题我想了几十年,它是由早期有关正质量猜想(和孙理察及其他人合作) 引出来的。这问题源于直到今天，人们还搞不懂如何在爱因斯坦的理论中定义“局部质量”。在封闭的系统中,我们只能定义在差不多无限远处,无限远的质量,我和理察早已证明了这质量必须为正，不然整个系统会不稳定。但我们亦希望能描述系统在附近周围,这便涉及所谓“拟局部质量”的概念。例如,当两个黑洞相互作用时,从远处去看,如何定义其中一个黑洞的质量,而非两者合起来的总质量呢? 这类问题当然不仅仅限于黑洞,在空间给出一个闭合的二维曲面,除了要求其质量必须为正时,我们还能进一步对它说什么。2003年,我的学生刘秋菊(现任哥伦比亚大学教授)和我在一篇论文中给出了一个拟局部质量的定义，并进一步证明，它在所有情况下都取正值(除了在某一显然的情况下,质量可以为零)。我在剑桥以此为题,向霍金和彭罗斯以及加里·吉本斯等物理学家说明了我们的定义。霍、彭二人各有自己对拟局部质量的定义，虽然他们没有说我们找到了正确的定义，但他们也没有反对。这些学者不是内敛的人,如果我的推演中有任何弱点,他们肯定不会让我好过。

回到原来的话题回到原来的话题，几何分析专题年于4月结束了，好几位与会者都向我提议，整理一份这学科中的公开问题。记得十年前，我刚当了一年的研究生，陈先生出席尼斯的国际数学家大会。他在演讲中讨论了好些悬而未决的问题，以期借着破解它们,从而开辟新的数学领域。我清楚记得，他说这样做对同行大有帮助,也记得美国发明家查尔斯·凯特林(Charles Kettering)曾说:“问题问得好，就是成功的一半。” 因此之故,我提了一百二十个问题。这些问题大多数曾在演讲中论及，大部分问题是我想出来的,别人的也有,有的甚至早见于文献之中。无论如何,这些问题流播很快,差不多每个工作和几何分析有关的人都知晓。到了今天,其中约三十个已完全或部分解决，其他的都得到广泛的关注。我清楚明白这些局限于几何一角的问题,绝不能与1900年希尔伯特提出的二十三个问题比肩，后者在数学上的影响至为深远。无论如何,这些问题在几何分析中确能引起关注，刺激研究活动。因此之故,在这个高研院规划结束的时刻发表它们,也算是适当的闭幕词吧。

coolwulf 地下室实验引FBI“乌龙”搜查！南大校友用50张显卡对抗癌症文 |《中国科学报》实习生孟凌霄 2018年，一个网名为“coolwulf”的“业余程序员”，在程序员社区V2EX发布了一款应用，可以通过人工智能（AI）看胸片，给出是否罹患乳腺癌的意见。它有很高的准确率，而且是免费的。一时间引来无数好评。如今，“coolwulf”的方向从癌症检测转移到实际治疗方面，并带着AI诊疗脑瘤系统回来了。 “coolwulf”原名姜浩，本科毕业于南京大学物理系，博士毕业于密歇根大学核工程和放射科学系，曾在布鲁克、西门子担任研发总监，指导影像领域的产品开发。目前在医学影像深度学习公司NeuralRad担任首席执行官。这些年来，他有自掏腰包，发动亲友蹲守50张显卡的壮举；也有地下室跑实验，引来FBI登门检查的乌龙；但更多的是，“让患者活下去、活得好一些”的愿景。 2017年，姜浩的一位南京大学学妹因乳腺癌去世。“当时发现得晚了，才34岁，留下了一个4岁的孩子。” 根据世界卫生组织数据，乳腺癌已成为全球发病率第一的癌症。姜浩知道，乳腺癌的一大特点是“越年轻，越凶险”，年轻人的乳腺癌会扩散更快。如果能在乳腺癌Ⅰ期发现，5年生存率是99% ，但在国内，乳腺癌的早期发现率不足20%，而通过筛查发现的比例更不及5% 。姜浩想，如果AI可以帮着“看片子”，也许能大大提高乳腺癌的早期检测成功率。他决定，将医疗影像与深度学习相结合。对于一个足够好的深度学习模型，一是要有足够多的数据，二是要有足够强大的计算力。姜浩从北美和欧洲几个研究机构获得了带标注的胸部医疗影像。他解释道，这些标注能够区分是否患有乳腺癌（良性或恶性的肿块或者钙化组织），而标注大多来自美国放射学委员会认证的放射科专家。如果深度学习模型能够训练好，就可以达到这些专家读图的平均水平，甚至更好。另一方面，足够强大的计算力需要硬件支撑。在乳腺癌检测项目启动的2017年底，市面上几乎没有GPU云端服务，因此只能个人购买硬件设备。当时虚拟币挖矿火热，单张显卡的价格被从几百美元炒到1100美元，而且还有价无货。为了凑到足够的硬件算力，姜浩自掏腰包，发动亲友在购物网站蹲守多日，终于抢到了50张1080Ti显卡。此外，加上训练模型所需的电脑主板、CPU、固态硬盘和内存条等，粗粗一算，总花费不可小觑。姜浩玩笑道，“其实我从来没算过钱，算出来，被太太知道不好”。万事俱备后，姜浩找到一位开中餐馆的朋友，把设备安置在餐馆地下室中。没想到的是，此举却给朋友招来“大麻烦”。在一次卫生例行检查中，一位检查员被中餐馆地下室的硬件设备吓了一跳。没过几天，四名警察和两名FBI工作人员登门搜查。一番解释后，警察才了解到，原来地下室藏着的是实验用的硬件设备，而非“地下赌博网站”。 2018年，经过几个月的奋战，姜浩的AI检测乳腺癌网站终于上线。只要将乳腺癌影像以JPG形式上传网站，就能获得AI的判断结果。这一检测系统速度快、准确率高。更重要的是，它完全免费。姜浩曾在欧洲的INbreast 数据库上做了测试，准确度达到90%。美国肯塔基大学医院和中国的一家合作公司使用在某个乳腺癌检测世界竞赛中获得第二名的程序来测试乳腺癌影像数据库，结果显示漏了10个阳性案例；使用姜浩的系统进行测试，只漏了一个阳性案例。漏检阳性案例，结果就会出现假阴性。“假阴性会让患者漏掉癌症结果，肯定比假阳性有更大的危险，错过恶性病变总比让病人去做活检要麻烦很多。”而姜浩发明的检测方法，假阴性几率极低。不过，姜浩强调，这一工具并不能用于诊断，只能为患者、医生提供第二参考意见。在缺乏医疗资源的偏远地区，这些宝贵的“第二意见”，不仅有助于医生在诊断时更有信心，更能为潜在患者争取治疗时间。实际上，即使在专业医生的诊断中，影像筛查仍不能100%准确显示女性是否患有乳腺癌。这一检测项目获得了业内的广泛关注，以及网友们如潮的好评：“同样是1080（1080Ti显卡），有的用来游戏，有的用来挖矿......这是用技术造福人类的典型”“佩服大神有能力为社会贡献价值” “这才是极客应该做的”。这一切，都是姜浩在短短几个月内，利用业余时间独立完成的。只是，乳腺癌检测项目耗资不菲，仅仅50张显卡就超过5万美元，硬件设备共计超过10万美元。为什么不将网站商用，用它赚点钱，至少回个本？姜浩却答，“没想过”。他说，做免费乳腺癌检测的初衷，一是学妹因病去世的触发，二是自己刚好有这方面能力。这项技术具体造福了多少人，姜浩并不清楚。当时设计的乳腺癌检测平台出于隐私保护的考虑，并不保留后台影像数据，但每天上百的IP访问和来自世界各地的感谢信让他意识到，也许自己所做的一切正在起作用。在乳腺癌检测网站之后，姜浩还开发了人工智能检测CT肺结节网站，同样完全免费。乳腺癌项目下的评论留言为挚友实现遗愿姜浩想过，如果能将癌症检测转移到实际治疗中，就能让更多患者从中受益，但“老卢”找到他合作时，他却犹豫了。那时，姜浩是公司重量级项目的负责人之一，“出走”会对项目进度有不小的影响。最终，“老卢”的过往经历打动了姜浩。“老卢”是美国得克萨斯大学西南医学中心副教授卢卫国。他曾放弃企业高层的丰厚薪水，到医院中做一位临床物理师。他对姜浩解释，“我不能做了一辈子研究，但没有亲手治过一个病人”。这一想法与姜浩不谋而合，姜浩说，“做医疗行业的人，很多人都有使命感。写程序可以进很多大企业，但更应该做一些有意义的事情。” 更重要的是，卢卫国提起两人共同的朋友——陈昱，“如果陈昱还活着，就会找他合作。” 陈昱是姜浩在密歇根大学的师兄，不仅是癌症放射治疗的专家，也是姜浩的一生挚友。毕业后，陈昱工作于世界顶尖放疗公司TomoTherapy，他研发的TomoEdge系统正在全世界各地的癌症中心救治患者。 2017年5月31日，陈昱在一次意外事故中去世。为了纪念他，放疗学术界最高水平的杂志International Journal of Radiation Oncology - Biology - Physics将2018年的一期封面设为他的照片。姜浩和卢卫国知道，如果陈昱的生命还在继续，他一定会继续医学物理的事业，继续毫无保留地帮助患者。姜浩说，“我就想帮他实现这个遗愿。” 从检测到诊疗，AI能走多远？这一次，他们最先关注的，是脑瘤放射治疗。起因是一位同事的亲人罹患脑肿瘤，采用了“全脑放疗”进行治疗，但几个月后，脑肿瘤再次复发，患者最终去世。 “全脑放疗”是对整个大脑进行放射治疗，以控制颅内肿瘤生长的常规疗法。尽管这项技术可使患者生存期延长一段时间，但在肿瘤复发时，这种“无差别攻击”就不能二次采用。姜浩说，仅在美国，每年就有20万病人要做全脑放疗，在中国可能数量更多。与一次性的“全脑放疗”相比，“立体定向放疗”更温和、精准，治疗效果更好，而患者也可以多次进行治疗，生活质量也更高。但在实际医疗中，“立体定向放疗”的使用率并不高。这背后的原因是，医生在为多发性脑病患者进行这一手术时，需要对每个病灶进行精确的勾画、标记和追踪，并精准设计对应的治疗计划。在紧张的医疗资源面前，许多患者不得不选择“全脑放疗”。如何让更多的脑癌患者使用“立体定向放疗”，而非只能选择“全脑放疗”，这是姜浩团队真正想解决的问题。从2019年起，姜浩团队与美国得克萨斯大学西南医学中心、斯坦福大学共同合作，开发了自动勾画、标记和治疗脑瘤的AI模型。目前，他们已经开发出三种模型，分别对应脑瘤的诊疗过程，包括自动勾画/标记脑转移瘤病灶的模型、基于SVM-放射组学的快速减少假阳性的模型，以及基于优化辐射剂量图，快速分割多个病灶到不同治疗疗程的模型。这一平台已经在得克萨斯大学西南医学中心等机构进行了临床一期和二期试验，治疗了大约100个患者。目前，这项工作已经在2022年美国医学物理学家协会（AAPM）春季临床会议上，由团队在斯坦福大学的合作者发表，并会在今年7月的 AAPM 年会上有一个专题报告。接下来，姜浩团队未来的目标是让脑癌系统获得美国食品药品监督管理局（FDA）认证，以便让更多医院使用。他表示，目前的平台还能拓展应用于头颈、肺部、心脏等部位。 “如果能将连续放疗手段与免疫疗法结合，就有可能把癌症拖成慢性病，延长患者的生命，”姜浩说， “这就是我们的愿景。”

几个工具 Maltego Maltego是一款取证与开源情报（OSINT）应用程序，最初由Paterva公司开发，主要为用户环境提供清晰的威胁视图。对于单点故障的复杂性与严重性、存在于基础设施范围内的信任关系，它都做了展示。 Maltego能够收集发布在互联网上的任何信息，无论是公司网络边缘路由器当前的配置，还是某个用户当前的行踪。商业许可需要付费，社区版免费，但有一些使用限制。另外，可以把Maltego与VirusTotal以及Internet Archive的Wayback Machine进行集成，从而扩展Maltego功能。工具地址：http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fwww.maltego.com%2F&urlrefer=d73ec0ef6206275dc950db0b3e3de57b Kali Linux Kali Linux是基于Linux的渗透测试发行版，此前被称为BackTrack。专业安全人员可以使用它在专门用于黑客攻击的纯本地环境中执行评估。用户可以轻松访问从端口扫描到密码破解器的各种工具。你可以下载Kali的ISO安装至32位或64位x86系统上，或安装在ARM处理器上。它也可以作为VMware或Hyper-V的虚拟机映像。 Kali的工具主要分为信息收集、漏洞分析、无线攻击、web应用程序、漏洞利用工具、压力测试、取证、嗅探与欺骗、密码攻击、维持访问、逆向工程、报告工具及硬件黑客这几类。工具地址：http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fwww.kali.org%2F&urlrefer=86d4c1748da583fbf5a01a48c4518787 Photon Photon是一款用于收集开源情报（OSINT）的超高速网络爬虫。它可以用来获取电子邮件地址、社交媒体账户、亚马逊buckets（存储区）以及其他与某个域相关的关键信息，并利用谷歌和Internet Archive的Wayback Machine等公共资源。Photon用Python编写，可以添加插件，例如将收集到的数据导出为格式整齐的JSON，或将DNSDumpster与Photon进行集成。工具地址：http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fgithub.com%2Fs0md3v%2FPhoton&urlrefer=431154106b12257f54f32ee02c76e702

Chuck Hull 1983年，胡尔在紫外线设备生产商UVP公司（Ultraviolet Products）担任副总裁，这家公司利用紫外光来硬化家具和纸制品表面的涂层。胡尔每天在公司里拨弄着各种各样的紫外线灯，看着那些原本是液态的树脂一碰到紫外线就凝固的过程。某一天他突然意识到，如果能够让紫外线一层一层地扫在光敏聚合物的表面上，使其一层一层地变成固体，将这成百上千的薄层叠加在一起，他就能够制造任何可以想象的三维物体了。

Chuck Hull

Chuck Hull-3D打印介绍图为Chuck Hull发明的SLA的工作原理示意图。高级工程制图软件将物体的计算机模型切片成数千个数字横截面，然后将数据发送到SLA打印设备。树脂槽21中装满光敏树脂液体。打印平台29浸没在树脂中，与树脂液面23保持一段距离（该距离即下层需要打印的层高）。激光26（一般为紫外光）从上方照射在光敏树脂的液面上。激光在振镜的反射下，按照程序画出每层图案。随着激光的照射，光敏树脂完成固化。打印平台29由软件控制向下移动一段距离（该距离即下层需要打印的层高）。光敏树脂流动直到覆盖已打印的这层（如果光敏树脂黏度较大，流动性较差，需要刮刀帮助涂覆这一层）。然后将该步骤不断重复，直到完成整个物品的打印。

PROPOSAL FOR RESEARCH BY M.L.MINSKY PROPOSAL FOR RESEARCH BY M.L.MINSKY It isnot difficult to design a machine which exhibits the following type oflearning. The machine is provided with input and output channels and aninternal means of providing varied output responses to inputs in such a waythat the machine may be ``trained'' by a ``trial and error'' process to acquireone of a range of input-output functions. Such a machine, when placed in anappropriate environment and given a criterior of ``success'' or ``failure'' canbe trained to exhibit ``goal-seeking'' behavior. Unless the machine is providedwith, or is able to develop, a way of abstracting sensory material, it canprogress through a complicated environment only through painfully slow steps,and in general will not reach a high level of behavior. Now letthe criterion of success be not merely the appearance of a desired activitypattern at the output channel of the machine, but rather the performance of agiven manipulation in a given environment. Then in certain ways the motorsituation appears to be a dual of the sensory situation, and progress can bereasonably fast only if the machine is equally capable of assembling anensemble of ``motor abstractions'' relating its output activity to changes in theenvironment. Such ``motor abstractions'' can be valuable only if they relate tochanges in the environment which can be detected by the machine as changes inthe sensory situation, i.e., if they are related, through the structure of theenvironrnent, to the sensory abstractions that the machine is using. I havebeen studying such systems for some time and feel that if a machine can bedesigned in which the sensory and motor abstractions, as they are formed, canbe made to satisfy certain relations, a high order of behavior may result.These relations involve pairing, motor abstractions with sensory abstractionsin such a way as to produce new sensory situations representing the changes inthe environment that might be expected if the corresponding motor act actuallytook place. Theimportant result that would be looked for would be that the machine would tendto build up within itself an abstract model of the environment in which it isplaced. If it were given a problem, it could first explore solutions within theinternal abstract model of the environment and then attempt externalexperiments. Because of this preliminary internal study, these externalexperiments would appear to be rather clever, and the behavior would have to beregarded as rather ``imaginative'' A verytentative proposal of how this might be done is described in my dissertationand I intend to do further work in this direction. I hope that by summer 1956 Iwi11 have a model of such a machine fairly close to the stage of programming ina computer. PROPOSAL FOR RESEARCH BY N. ROCHESTER Originality in Machine Performance Inwriting a program for an automatic calculator, one ordinarily provides themachine with a set of rules to cover each contingency which may arise andconfront the machine. One expects the machine to follow this set of rulesslavishly and to exhibit no originality or common sense. Furthermore one isannoyed only at himself when the machine gets confused because the rules he hasprovided for the machine are slightly contradictory. Finally, in writingprograms for machines, one sometimes must go at problems in a very laboriousmanner whereas, if the machine had just a little intuition or could makereasonable guesses, the solution of the problem could be quite direct. Thispaper describes a conjecture as to how to make a machine behave in a somewhatmore sophisticated manner in the general area suggested above. The paperdiscusses a problem on which I have been working sporadically for about fiveyears and which I wish to pursue further in the ArtificialIntelligence Project next summer. The Process of Invention or Discovery Livingin the environment of our culture provides us with procedures for solving manyproblems. Just how these procedures work is not yet clear but I shall discussthis aspect of the problem in terms of a model suggested by Craik . He suggests that mental action consists basically ofconstructing little engines inside the brain which can simulate and thuspredict abstractions relating to environment. Thus the solution of a problemwhich one already understands is done as follows: 1. Theenvironment provides data from which certain abstractions are formed. 2. Theabstractions together with certain internal habits or drives provide: 2.1 Adefinition of a problem in terms of desired condition to be achieved in thefuture, a goal. 2.2 Asuggested action to solve the problem. 2.3 Stimulationto arouse in the brain the engine which corresponds to this situation. 3. Thenthe engine operates to predict what this environmental situation and theproposed reaction will lead to. 4. Ifthe prediction corresponds to the goal the individual proceeds to act asindicated. Theprediction will correspond to the goal if living in the environment of hisculture has provided the individual with the solution to the problem. Regardingthe individual as a stored program calculator, the program contains rules tocover this particular contingency. For amore complex situation the rules might be more complicated. The rules mightcall for testing each of a set of possible actions to determine which providedthe solution. A still more complex set of rules might provide for uncertainty aboutthe environment, as for example in playing tic tac toe one must not onlyconsider his next move but the various possible moves of the environment (hisopponent). Nowconsider a problem for which no individual in the culture has a solution andwhich has resisted efforts at solution. This might be a typical currentunsolved scientific problem. The individual might try to solve it and find thatevery reasonable action led to failure. In other words the stored programcontains rules for the solution of this problem but the rules are slightlywrong. Inorder to solve this problem the individual will have to do something which isunreasonable or unexpected as judged by the heritage of wisdom accumulated bythe culture. He could get such behavior by trying different things at randombut such an approach would usually be too inefficient. There are usually toomany possible courses of action of which only a tiny fraction are acceptable.The individual needs a hunch, something unexpected but not altogether reasonable.Some problems, often those which are fairly new and have not resisted mucheffort, need just a little randomness. Others, often those which have longresisted solution, need a really bizarre deviation from traditional methods. Aproblem whose solution requires originality could yield to a method of solutionwhich involved randomness. Interms of Craik's S model, the engine which should simulate the environment atfirst fails to simulate correctly. Therefore, it is necessary to try variousmodifications of the engine until one is found that makes it do what is needed. Insteadof describing the problem in terms of an individual in his culture it couldhave been described in terms of the learning of an immature individual. Whenthe individual is presented with a problem outside the scope of his experiencehe must surmount it in a similar manner. So farthe nearest practical approach using this method in machine solution ofproblems is an extension of the Monte Carlo method. In the usual problem which isappropriate for Monte Carlo there is a situation which is grossly misunderstoodand which has too many possible factors and one is unable to decide whichfactors to ignore in working out analytical solution. So the mathematician hasthe machine making a few thousand random experiments. The results of theseexperiments provide a rough guess as to what the answer may be. The extensionof the Monte Carlo Method is to use these results as a guide to determine whatto neglect in order to simplify the problem enough to obtain an approximateanalytical solution. Itmight be asked why the method should include randomness. Why shouldn't themethod be to try each possibility in the order of the probability that thepresent state of knowledge would predict for its success? For the scientistsurrounded by the environment provided by his culture, it may be that onescientist alone would be unlikely to solve the problem in his life so theefforts of many are needed. If they use randomness they could all work at onceon it without complete duplication of effort. If they used system they wouldrequire impossibly detailed communication. For the individual maturing incompetition with other individuals the requirements of mixed strategy (usinggame theory terminology) favor randomness. For the machine, randomness willprobably be needed to overcome the shortsightedness and prejudices of theprogrammer. While the necessity for randomness has clearly not been proven,there is much evidence in its favor. TheMachine With Randomness Inorder to write a program to make an automatic calculator use originality itwill not do to introduce randomness without using forsight. If, for example,one wrote a program so that once in every 10,000 steps the calculator generateda random number and executed it as an instruction the result would probably bechaos. Then after a certain amount of chaos the machine would probably trysomething forbidden or execute a stop instruction and the experiment would beover. Twoapproaches, however, appear to be reasonable. One of these is to find how thebrain manages to do this sort of thing and copy it. The other is to take someclass of real problems which require originality in their solution and attemptto find a way to write a program to solve them on an automatic calculator.Either of these approaches would probably eventually succeed. However, it isnot clear which would be quicker nor how many years or generations it wouldtake. Most of my effort along these lines has so far been on the former approachbecause I felt that it would be best to master all relevant scientificknowledge in order to work on such a hard problem, and I already was quiteaware of the current state of calculators and the art of programming them. Thecontrol mechanism of the brain is clearly very different from the controlmechanism in today's calculators. One symptom of the difference is the mannerof failure. A failure of a calculator characteristically produces somethingquite unreasonable. An error in memory or in data transmission is as likely tobe in the most significant digit as in the least. An error in control can donearly anything. It might execute the wrong instruction or operate a wronginput-output unit. On the other hand human errors in speech are apt to resultin statements which almost make sense (consider someone who is almost asleep,slightly drunk, or slightly feverish). Perhaps the mechanism of the brain issuch that a slight error in reasoning introduces randomness in just the rightway. Perhaps the mechanism that controls serial order in behavior guides the random factor so as to improve the efficiency ofimaginative processes over pure randomness. Somework has been done on simulating neuron nets on our automatic calculator. Onepurpose was to see if it would be thereby possible to introduce randomness inan appropriate fashion. It seems to have turned out that there are too manyunknown links between the activity of neurons and problem solving for thisapproach to work quite yet. The results have cast some light on the behavior ofnets and neurons, but have not yielded a way to solve problems requiringoriginality. Animportant aspect of this work has been an effort to make the machine form andmanipulate concepts, abstractions, generalizations, and names. An attempt wasmade to test a theory3 of how the brain does it. The first set ofexperiments occasioned a revision of certain details of the theory. The secondset of experiments is now in progress. By next summer this work will befinished and a final report will have been written. Myprogram is to try next to write a program to solve problems which are membersof some limited class of problems that require originality in their solution.It is too early to predict just what stage I will be in next summer, or just;how I will then define the immediate problem. However, the underlying problemwhich is described in this paper is what I intend to pursue. In a singlesentence the problem is: how can I make a machine which will exhibitoriginality in its solution of problems? REFERENCES 1.K.J.W. Craik, The Nature of Explanation, Cambridge University Press,1943 (reprinted 1952), p. 92. 2. K.S.Lashley, ``The Problem of Serial Order in Behavior'', in Cerebral Mechanismin Behavior, the Hixon Symposium, edited by L.A. Jeffress, John Wiley &Sons, New York, pp. 112-146, 1951. 3. D.O. Hebb, The Organization of Behavior, John Wiley & Sons, New York,1949 PROPOSAL FOR RESEARCH BY JOHN MCCARTHY Duringnext year and during the Summer Research Project on Artificial Intelligence, Ipropose to study the relation of language tointelligence. It seems clear that the direct application of trialand error methods to the relation between sensory data and motor activity willnot lead to any very complicated behavior. Rather it is necessary for the trialand error methods to be applied at a higher level of abstraction. The humanmind apparently uses language as its means of handling complicated phenomena.The trial and error processes at a higher level frequently take the form offormulating conjectures and testing them. The English language has a number ofproperties which every formal language described so far lacks. 1. Arguments in English supplemented byinformal mathematics can be concise. 2. English is universal in the sense thatit can set up any other language within English and then use that languagewhere it is appropriate. 3. The user of English can refer tohimself in it and formulate statements regarding his progress in solving theproblem he is working on. 4. In addition to rules of proof, Englishif completely formulated would have rules of conjecture . Thelogical languages so far formulated have either been instruction lists to makecomputers carry out calculations specified in advance or else formalization ofparts of mathematics. The latter have been constructed so as: 1. to be easily described in informalmathematics, 2. to allow translation of statements frominformal mathematics into the language, 3. to make it easy to argue about whetherproofs of (???) Noattempt has been made to make proofs in artificial languages as short asinformal proofs. It therefore seems to be desirable to attempt to construct anartificial language which a computer can be programmed to use on problemsrequiring conjecture and self-reference. It should correspond to English in thesense that short English statements about the given subject matter should haveshort correspondents in the language and so should short arguments orconjectural arguments. I hope to try to formulate a language having theseproperties and in addition to contain the notions of physical object, event,etc., with the hope that using this language it will be possible to program amachine to learn to play games well and do other tasks. PEOPLE INTERESTED IN THE ARTIFICIAL INTELLIGENCE PROBLEM Thepurpose of the list is to let those on it know who is interested in receivingdocuments on the problem. The people on the 1ist wlll receive copies of thereport of the Dartmouth Summer Project on Artificial Intelligence. [1996 note:There was no report.] Thelist consists of people who particlpated in or visited the Dartmouth SummerResearch Project on Artificlal Intelligence, or who are known to be interestedin the subject. It is being sent to the people on the 1ist and to a few others. For thepresent purpose the artificial intelligence problem is taken to be that ofmaking a machine behave in ways that would be called intelligent if a humanwere so behaving. Arevised list will be issued soon, so that anyone else interested in getting onthe list or anyone who wishes to change his address on it should write to: John McCarthy Dapartment of Mathematics Dartmouth College Hanover, NH [1996note: Not all of these people came to the Dartmouth conference. They werepeople we thought might be interested in Artificial Intelligence.] (Mr. Qinlongji notes 47 p.) The list consists of: Adelson,Marvin HughesAircraft Company, Airport Station, Los Angeles, CA Ashby, W.R. BarnwoodHouse, Gloucester, England Backus,John IBMCorporation, 590 Madison Avenue, New York, NY Bernstein,Alex IBMCorporation, 590 Madison Avenue, New York, NY Bigelow,J. H. Institutefor Advanced Studies, Princeton, NJ Elias,Peter R. L.E., MIT, Cambridge, MA Duda, W.L. IBMResearch Laboratory, Poughkeepsie, NY Davies,Paul M. 1317 C. 18thStreet, Los Angeles, CA. Fano, R.M. R. L.E., MIT, Cambridge, MA Farley,B. G. 324 ParkAvenue, Arlington, MA. Galanter,E. H. Universityof Pennsylvania, Philadelphia, PA Gelernter,Herbert IBMResearch, Poughkeepsie, NY Glashow,Harvey A. 1102Olivia Street, Ann Arbor, MI. Goertzal,Herbert 330 West11th Street, New York, New York Hagelbarger,D. BellTelephone Laboratories, Murray Hill, NJ Miller,George A. MemorialHall, Harvard University, Cambridge, MA. Harmon,Leon D. BellTelephone Laboratories, Murray Hill, NJ Holland,John H. E. R. I., University of Michigan AnnArbor, MI Holt,Anatol, 7358 Rural Lane, Philadelphia, PA Kautz,William H. StanfordResearch Institute, Menlo Park, CA Luce, R.D. 427 West117th Street, New York, NY MacKay,Donald Departmentof Physics, University of London, London, WC2, England McCarthy,John DartmouthCollege, Hanover, NH McCulloch,Warren S. R.L.E., M.I.T., Cambridge, MA Melzak,Z. A. MathematicsDepartment, University of Michigan AnnArbor, MI Minsky,M. L. , 112 Newbury Street, Boston, MA More,Trenchard Departmentof Electrical Engineering, MIT, Cambridge, MA Nash, John Institutefor Advanced Studies, Princeton, NJ Newell,Allen Departmentof Industrial Administration, Carnegie Institute of Technology, Pittsburgh, PA Robinson,Abraham Departmentof Mathematics, University of Toronto, Toronto, Ontario, Canada Rochester,Nathaniel EngineeringResearch Laboratory, IBM Corporation, Poughkeepsie, NY Rogers,Hartley, Jr. Departmentof Mathematics, MIT, Cambridge, MA. Rosenblith,Walter R.L.E.,M.I.T. , Cambridge, MA. Rothstein,Jerome 21 EastBergen Place, Red Bank, NJ Sayre,David IBMCorporation, 590 Madison Avenue, New York, NY Schorr-Kon,J.J. C-380Lincoln Laboratory, MIT, Lexington, MA Shapley,L. RandCorporation, 1700 Main Street, Santa Monica, CA Schutzenberger,M.P. R.L.E.,M.I.T. , Cambridge, MA Selfridge,O. G. LincolnLaboratory, M.I.T. , Lexington, MA Shannon,C. E. R.L.E.,M.I.T. , Cambridge, MA Shapiro,Norman RandCorporation, 1700 Main Street, Santa Monica, CA Simon,Herbert A. Departmentof Industrial Administration, Carnegie Institute of Technology, Pittsburgh, PA Solomonoff,Raymond J. TechnicalResearch Group, 17 Union Square West, New York, NY Steele,J. E., Capt. USAF Area B.,Box 8698, Wright-Patterson AFB, Ohio Webster,Frederick 62Coolidge Avenue, Cambridge, MA Moore, E.F. BellTelephone Laboratory, Murray Hill, NJ Kemeny,John G. DartmouthCollege, Hanover, NH [Mr. Qin notes: 13 pages original paper (PDF).] Aboutthis document ... Next:Aboutthis document John McCarthy Wed Apr 3 19:48:31 PST 1996

A PROPOSAL FOR THEDARTMOUTH SUMMER RESEARCH PROJECT ON ARTIF Next:About this document A PROPOSAL FOR THEDARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE J. McCarthy, Dartmouth College M. L. Minsky, Harvard University N. Rochester, I.B.M. Corporation C.E. Shannon, Bell Telephone Laboratories August 31, 1955 We propose that a 2 month, 10 man study of artificial intelligence be carried outduring the summer of 1956 at Dartmouth College in Hanover, New Hampshire. Thestudy is to proceed on the basis of the conjecture that every aspect oflearning or any other feature of intelligence can in principle be so preciselydescribed that a machine can be made to simulate it. An attempt will be made tofind how to make machines use language, form abstractions and concepts, solvekinds of problems now reserved for humans, and improve themselves. We thinkthat a significant advance can be made in one or more of these problems if acarefully selected group of scientists work on it together for a summer. The following are some aspects of the artificial intelligenceproblem: 1. AutomaticComputers If amachine can do a job, then an automatic calculator can be programmed to simulatethe machine. The speeds and memory capacities of present computers may beinsufficient to simulate many of the higher functions of the human brain, butthe major obstacle is not lack of machine capacity, but our inability to writeprograms taking full advantage of what we have. 2. HowCan a Computer be Programmed to Use a Language It maybe speculated that a large part of human thought consists of manipulating wordsaccording to rules of reasoning and rules of conjecture. From this point ofview, forming a generalization consists of admitting a new word and some ruleswhereby sentences containing it imply and are implied by others. This idea hasnever been very precisely formulated nor have examples been worked out. 3. NeuronNets How cana set of (hypothetical) neurons be arranged so as to form concepts.Considerable theoretical and experimental work has been done on this problem byUttley, Rashevsky and his group, Farley and Clark, Pitts and McCulloch, Minsky,Rochester and Holland, and others. Partial results have been obtained but theproblem needs more theoretical work. 4. Theoryof the Size of a Calculation If weare given a well-defined problem (one for which it is possible to testmechanically whether or not a proposed answer is a valid answer) one way ofsolving it is to try all possible answers in order. This method is inefficient,and to exclude it one must have some criterion for efficiency of calculation.Some consideration will show that to get a measure of the efficiency of a calculationit is necessary to have on hand a method of measuring the complexity ofcalculating devices which in turn can be done if one has a theory of thecomplexity of functions. Some partial results on this problem have beenobtained by Shannon, and also by McCarthy. 5. Self-lmprovement Probablya truly intelligent machine will carry out activities which may best bedescribed as self-improvement. Some schemes for doing this have been proposedand are worth further study. It seems likely that this question can be studiedabstractly as well. 6. Abstractions Anumber of types of ``abstraction'' can be distinctly defined and several othersless distinctly. A direct attempt to classify these and to describe machinemethods of forming abstractions from sensory and other data would seemworthwhile. 7. Randomnessand Creativity Afairly attractive and yet clearly incomplete conjecture is that the differencebetween creative thinking and unimaginative competent thinking lies in theinjection of a some randomness. The randomness must be guided by intuition tobe efficient. In other words, the educated guess or the hunch includecontrolled randomness in otherwise orderly thinking. Inaddition to the above collectively formulated problems for study, we have askedthe individuals taking part to describe what they will work on. Statements bythe four originators of the project are attached. Wepropose to organize the work of the group as follows. Potentialparticipants will be sent copies of this proposal and asked if they would liketo work on the artificial intelligence problem in the group and if so what theywould like to work on. The invitations will be made by the organizing committeeon the basis of its estimate of the individual's potential contribution to thework of the group. The members will circulate their previous work and theirideas for the problems to be attacked during the months preceding the workingperiod of the group. Duringthe meeting there will be regular research seminars and opportunity for themembers to work individually and in informal small groups. The originators of this proposal are: 1. C.E. Shannon, Mathematician, Bell Telephone Laboratories. Shannon developedthe statistical theory of information, the application of propositional calculusto switching circuits, and has results on the efficient synthesis of switchingcircuits, the design of machines that learn, cryptography, and the theory ofTuring machines. He and J. McCarthy are co-editing an Annals of MathematicsStudy on ``The Theory of Automata'' . 2. M.L. Minsky, Harvard Junior Fellow in Mathematics and Neurology. Minsky hasbuilt a machine for simulating learning by nerve nets and has written a PrincetonPhD thesis in mathematics entitled, ``Neural Nets and the Brain Model Problem''which includes results in learning theory and the theory of random neural nets. 3. N. Rochester, Manager of Information Research,IBM Corporation, Poughkeepsie, New York. Rochester was concerned with thedevelopment of radar for seven years and computing machinery for seven years.He and another engineer were jointly responsible for the design of the IBM Type701 which is a large scale automatic computer in wide use today. He worked outsome of the automatic programming techniques which are in wide use today andhas been concerned with problems of how to get machines to do tasks whichpreviously could be done only by people. He has also worked on simulation ofnerve nets with particular emphasis on using computers to test theories inneurophysiology. 4. J. McCarthy, Assistant Professor of Mathematics,Dartmouth College. McCarthy has worked on a number of questions connected withthe mathematical nature of the thought process including the theory of Turingmachines, the speed of computers, the relation of a brain model to itsenvironment, and the use of languages by machines. Some results of this workare included in the forthcoming ``Annals Study'' edited by Shannon and McCarthy.McCarthy's other work has been in the field of differential equations. TheRockefeller Foundation is being asked to provide financial support for theproject on the following basis: 1.Salaries of $1200 for each faculty level participant who is not being supportedby his own organization. It is expected, for example, that the participantsfrom Bell Laboratories and IBM Corporation will be supported by theseorganizations while those from Dartmouth and Harvard will require foundationsupport. 2. Salariesof $700 for up to two graduate students. 3.Railway fare for participants coming from a distance. 4. Rentfor people who are simultaneously renting elsewhere. 5.Secretarial expenses of $650, $500 for a secretary and $150 for duplicatingexpenses. 6.Organization expenses of $200. (Includes expense of reproducing preliminarywork by participants and travel necessary for organization purposes. 7.Expenses for two or three people visiting for a short time. EstimatedExpenses 6 salaries of 1200 $7200 2 salaries of 700 &1400 8 traveling and rent expenses averaging 300 &2400 Secretarial and organizational expense &850 Additional traveling expenses &600 Contingencies &550 &----& $13,500 PROPOSAL FOR RESEARCH BY C.E.SHANNON I would like to devote my research to one or both of the topicslisted below. While I hope to do so, it is possible thatbecause of personal considerations I may not be able to attend for the entiretwo months. I, nevertheless, intend to be there for whatever time is possible. 1.Application of information theory concepts to computing machines and brainmodels. A basic problem in information theory is that of transmittinginformation reliably over a noisy channel. An analogous problem in computingmachines is that of reliable computing using unreliable elements. This problemhas been studies by von Neumann for Sheffer stroke elements and by Shannon andMoore for relays; but there are still many open questions. The problem forseveral elements, the development of concepts similar to channel capacity, thesharper analysis of upper and lower bounds on the required redundancy, etc. areamong the important issues. Another question deals with the theory ofinformation networks where information flows in many closed loops (ascontrasted with the simple one-way channel usually considered in communicationtheory). Questions of delay become very important in the closed loop case, anda whole new approach seems necessary. This would probably involve concepts suchas partial entropies when a part of the past history of a message ensemble isknown. 2. Thematched environment - brain model approach to automata. In general a machine oranimal can only adapt to or operate in a limited class of environments. Eventhe complex human brain first adapts to the simpler aspects of its environment,and gradually builds up to the more complex features. I propose to study thesynthesis of brain models by the parallel development of a series of matched(theoretical) environments and corresponding brain models which adapt to them.The emphasis here is on clarifying the environmental model, and representing itas a mathematical structure. Often in discussing mechanized intelligence, wethink of machines performing the most advanced human thought activities-provingtheorems, writing music, or playing chess. I am proposing here to start at thesimple and when the environment is neither hostile (merely indifferent) norcomplex, and to work up through a series of easy stages in the direction ofthese advanced activities. PROPOSAL FOR RESEARCH BY M.L.MINSKY It isnot difficult to design a machine which exhibits the following type oflearning. The machine is provided with input and output channels and aninternal means of providing varied output responses to inputs in such a waythat the machine may be ``trained'' by a ``trial and error'' process to acquireone of a range of input-output functions. Such a machine, when placed in anappropriate environment and given a criterior of ``success'' or ``failure'' canbe trained to exhibit ``goal-seeking'' behavior. Unless the machine is providedwith, or is able to develop, a way of abstracting sensory material, it canprogress through a complicated environment only through painfully slow steps,and in general will not reach a high level of behavior. Now letthe criterion of success be not merely the appearance of a desired activitypattern at the output channel of the machine, but rather the performance of agiven manipulation in a given environment. Then in certain ways the motorsituation appears to be a dual of the sensory situation, and progress can bereasonably fast only if the machine is equally capable of assembling anensemble of ``motor abstractions'' relating its output activity to changes in theenvironment. Such ``motor abstractions'' can be valuable only if they relate tochanges in the environment which can be detected by the machine as changes inthe sensory situation, i.e., if they are related, through the structure of theenvironrnent, to the sensory abstractions that the machine is using. I havebeen studying such systems for some time and feel that if a machine can bedesigned in which the sensory and motor abstractions, as they are formed, canbe made to satisfy certain relations, a high order of behavior may result.These relations involve pairing, motor abstractions with sensory abstractionsin such a way as to produce new sensory situations representing the changes inthe environment that might be expected if the corresponding motor act actuallytook place. Theimportant result that would be looked for would be that the machine would tendto build up within itself an abstract model of the environment in which it isplaced. If it were given a problem, it could first explore solutions within theinternal abstract model of the environment and then attempt externalexperiments. Because of this preliminary internal study, these externalexperiments would appear to be rather clever, and the behavior would have to beregarded as rather ``imaginative'' A verytentative proposal of how this might be done is described in my dissertationand I intend to do further work in this direction. I hope that by summer 1956 Iwi11 have a model of such a machine fairly close to the stage of programming ina computer. PROPOSAL FOR RESEARCH BY N. ROCHESTER Originality in Machine Performance Inwriting a program for an automatic calculator, one ordinarily provides themachine with a set of rules to cover each contingency which may arise andconfront the machine. One expects the machine to follow this set of rulesslavishly and to exhibit no originality or common sense. Furthermore one isannoyed only at himself when the machine gets confused because the rules he hasprovided for the machine are slightly contradictory. Finally, in writingprograms for machines, one sometimes must go at problems in a very laboriousmanner whereas, if the machine had just a little intuition or could makereasonable guesses, the solution of the problem could be quite direct. Thispaper describes a conjecture as to how to make a machine behave in a somewhatmore sophisticated manner in the general area suggested above. The paperdiscusses a problem on which I have been working sporadically for about fiveyears and which I wish to pursue further in the ArtificialIntelligence Project next summer.

国家研究云计划（National Research Cloud，NRC）国家研究云计划（National Research Cloud，NRC）。国家研究云是一个完全由公共资金和资源（而非营利部门）支持的共享人工智能开发平台，目标是让全世界的学者、初创企业、非政府组织和政府都能开展人工智能研究，从而确保我们的领域不会永远被科技巨头或者我们这样的大学所垄断。两年前，国家研究云平台还只是个想法而已。如果没有斯坦福HAI，它可能会永远停留在理念的层面。斯坦福HAI包括了法律和公共政策专家的多元化团队把这一概念变为使命。特别是约翰，他利用自己职业生涯累积的宝贵人脉资源，招募全国各地的大学组成联盟，这是我在学术界见过的最了不起的联盟。经过了一系列的思想交流、建议磋商、跨国飞行和理性辩论，他很快就形成了完备的立法蓝图，并将其提交给了国会。要使人工智能成为真正具有包容性的追求，我们还有很长的路要走，但国家研究云平台这样的成就是朝着正确方向迈出的重要步伐。

从根本上重新构想人工智能，使其成为以人为本的实践是时候重新评估人工智能教育的各个层面了。未来几年，从业者需要的不仅是专业技术知识，他们还必须了解哲学、伦理学，甚至法律。他们需要看到阿尼确保环境智能团队所看到的一切，他们需要将其融入众多学科中。研究工作也必须不断发展。在经历了这一天之后，我知道我们需要一种新的政策方法，首先要对民选官员（就像我刚刚遇到的那些政府官员一样）进行人工智能方面的普及教育。想象空间是巨大的，但愿景需要一个重要的纽带串联起来，这个纽带就是大学。早在有人利用人工智能谋取利益之前，人工智能就已经在大学里起步了。在大学校园里，仍然最有可能感受到某些意想不到的研究突破带来的火花。感知机、神经网络、ImageNet，以及后来的很多东西都出自大学。我想建立的一切都已经在那里扎下了根基。我们只需要加以利用。我们要从根本上重新构想人工智能，使其成为以人为本的实践，这个共同的目标就是下一颗北极星。在我看来，与其说这是旅程方向的改变，不如说是旅程范围的扩展。人工智能一直以来都追求科学性，而现在，它必须也追求人性。人工智能应该秉承最优秀的学术传统，保持合作和敬畏，同时不惧怕直面现实世界。毕竟，星光是多样的。一旦白色的光辉展开，各种颜色就会发出耀眼夺目的光芒。

电影《蜘蛛侠》里的台词-威力越大，责任越大 “科学、太空和技术委员会听证会现在开始。”委员会主席、弗吉尼亚州众议员芭芭拉·科姆斯托克（Barbara Comstock）对着麦克风淡淡地说，“早上好，欢迎各位来到今天的听证会。今天听证会的主题为‘人工智能——威力越大，责任越大’。” 至少我听出了其中一句话是电影《蜘蛛侠》里的台词…… 我曾经把人工智能视作纯粹的科学，而现在，我用了很多不同的词来形容其化身：“现象”“颠覆”“谜题”“特权”“自然之力”。但当我穿过首都的街道返回酒店时，一个新词占据了我的思维。如今，人工智能是一种责任，是我们所有人共同承担的责任。我确信，这是一个值得面对的挑战。深度学习飞速发展，每一年都感觉像是要面对一个全新的领域，其应用的深度和多样性增长得如此之快，甚至全职研究生和博士后也很难跟上文献的步伐，更不用说教授们了。可能性无穷无尽，挑战也永无止境。即使在这样一个黑暗的时代，人工智能也具有无与伦比的激励力量。面对全球亟待解决的问题，面对具有历史意义的机遇，面对可能需要几代人的努力才能揭开谜底的未知，真正解决所有问题的答案远远不是公司战略或学术课程所能提供的。

企足而待“古典”时代的黎明我将一切美好感受转化成语言，介绍了我心目中人工智能的潜力和应有的样子。我讲述了启动AI4ALL公益项目的经历，以及项目启动以来，我学到了什么。我谈到了环境智能，分享了这个话题对我的意义。我还谈到了未来，表示相信人工智能可以为缩小世界各地的机会差距做出贡献。这是我就人工智能话题进行过的最友好的对话。在伊利诺伊州众议员比尔·福斯特（Bill Foster）的影响下，我们甚至谈及了更专业的领域。他是一位拥有物理学博士学位的政治家，在从政之前曾在能源部费米国家加速器实验室工作。他的求知欲激励了我，也再次验证了人工智能是多么新颖的研究领域，比化学、生物学和物理学等更成熟的学科要年轻几个世纪。即使是现代人工智能，也更接近于牛顿出现前伽利略和第谷·布拉赫所处的时代，当时人们正在对各种现象进行观察、归纳和预测，但统一的模型尚未正式形成。我说，我们生活在一个令人兴奋的初生时代，仍在企足而待“古典”时代的黎明。

导致算法无意中带有偏见有果必有因，正如记者兼评论员杰克·克拉克（Jack Clark）所言，问题的根源在于人工智能“男性之海”问题：科技行业的代表性不足，导致算法无意中带有偏见，在非白人、非男性用户身上表现不佳。这篇文章于2016年发表在彭博社网站上，是对人工智能伦理问题的最早一批讨论之一。此后，相关对话日益激烈。人们担心人工智能在做好事的同时（如支持残障人士、追踪森林砍伐、以各种新方式保护人类生命等），也有可能产生危害。

多读文献 “请大家不要每天只从arXiv下载最新的预印本作品了。去读一读拉塞尔和诺维格的著作，去读明斯基、麦卡锡和威诺格拉德的书，读哈特利和西塞曼的作品，读一读帕尔默写的东西。不要因为这些材料距离现在时间久就忽略它们。我们就是要多读一些以前的东西，他们的理念经得起时间的考验，依然非常重要。”

科学并不是正确的起点，我们必须从人类自身开始思考在回家的路上，我突然有了一个奇怪的想法：我很庆幸我们还没有招收任何学生助手，否则，我早已用计算机科学家的阅读清单把他们淹没，使他们习惯于从数据、神经网络和最新架构进展的角度来思考。这当然很重要——在这样的项目中，科学问题是无法回避的。但我现在明白，科学并不是正确的起点。如果想让人工智能帮助人类，那么我们必须从人类自身开始思考。

ActivityNet的数据集胡安·卡洛斯·尼布尔斯（Juan Carlos Niebles）的整篇博士论文的主题就是识别视频中的人类活动。他现在是哥伦比亚北方大学的教授，不久前刚和自己的学生们打造了一个名为ActivityNet的数据集。顾名思义，ActivityNet就是类似于ImageNet的动作识别数据集，其中包含了数万个视频短片，每个短片都标注了它们所描绘的身体动作，比如走路、跑步、跳舞、演奏乐器等等。换句话说，尽管我们对于准确分析视频的设想尚未完全实现，但也并非不可能实现：这正是研究的最佳切入点。

未来不会只有诗意一种全新的范式正在诞生，一如20世纪初物理学的崛起。这让我回想起十几岁时那些激发我想象力的故事，我幻想着，在那些激情燃烧的岁月里，物理学家们过着怎样的人生。这些早期先驱一定感受到了无限的神秘和深深的敬畏，量子世界的奥秘和宇宙相对论的威严唤醒了他们，他们对现实的看法发生了翻天覆地的变化，这种变化来得如此彻底、如此突然，让人很难不心生羡慕。他们在正确的时间出生在正确的地点，接受了历史最令人惊叹的礼物之一。我们不禁要问，神经网络这一现代化身是否就是我们这一代人的使命和召唤？即便如此，我们也有理由承认，未来不会只有诗意。与人工智能相关的学术会议正在发生转变，这是更令人不安的变化预兆之一。几十年来，这些活动都很低调，只有教授、研究人员和学生参加，幸免于媒体的关注，同时经费也相当紧张。企业赞助商很少，通常仅限于施普林格（Springer）这样的学术出版商，而且只能在展厅角落里摆几张长板凳。但在AlexNet发布之后的几年里，来自《财富》世界500强的全球顶尖企业把学术活动变成了一场场盛宴，每一次新的聚会都更像是拉斯维加斯大道上的行业博览会。在短短几年内，沐浴在彩色灯光下的展台变得司空见惯，这些展台规模宏大，上面的企业标志十分醒目。谷歌和微软等公司还为正在选择职业的研究生举办了奢华的聚会。

更是深度学习的时代 2012年ImageNet挑战赛的冲击波仍在回荡。对像我们这样痴迷于计算机视觉的人来说，这是一个分水岭，全世界都开始认识到，比赛结果不仅仅是对图片理解的转折点，更是对一切事物理解的转折点。在这个曾经鲜为人知的竞赛中，AlexNet展示了大规模数据集、高速图形处理器和深度分层神经网络三者近乎神奇的组合。这种组合是一幅蓝图，其应用范围注定要远远超出计算机视觉领域。世界各地的实验室都在构建更加丰富的分层网络，与此相对应的，一个新的名字正在流行——这不仅仅是机器学习的时代，更是深度学习的时代。一种全新的范式正在诞生，一如20世纪初物理学的崛起。这让我回想起十几岁时那些激发我想象力的故事，我幻想着，在那些激情燃烧的岁月里，物理学家们过着怎样的人生。这些早期先驱一定感受到了无限的神秘和深深的敬畏，量子世界的奥秘和宇宙相对论的威严唤醒了他们，他们对现实的看法发生了翻天覆地的变化，这种变化来得如此彻底、如此突然，让人很难不心生羡慕。他们在正确的时间出生在正确的地点，接受了历史最令人惊叹的礼物之一。我们不禁要问，神经网络这一现代化身是否就是我们这一代人的使命和召唤？即便如此，我们也有理由承认，未来不会只有诗意。与人工智能相关的学术会议正在发生转变，这是更令人不安的变化预兆之一。几十年来，这些活动都很低调，只有教授、研究人员和学生参加，幸免于媒体的关注，同时经费也相当紧张。企业赞助商很少，通常仅限于施普林格（Springer）这样的学术出版商，而且只能在展厅角落里摆几张长板凳。但在AlexNet发布之后的几年里，来自《财富》世界500强的全球顶尖企业把学术活动变成了一场场盛宴，每一次新的聚会都更像是拉斯维加斯大道上的行业博览会。在短短几年内，沐浴在彩色灯光下的展台变得司空见惯，这些展台规模宏大，上面的企业标志十分醒目。谷歌和微软等公司还为正在选择职业的研究生举办了奢华的聚会。

今天我们讨论的是《超级智能》今天我们讨论的是《超级智能》，这本书是牛津大学哲学家尼克·博斯特罗姆（Nick Bostrom）探索人工智能未来的一本颇具争议性的巨著。比尔·盖茨和埃隆·马斯克等人都在推特上对这本书大加赞赏，同时也表达了对其影响的担忧；在他们的推荐下，这本书在大众市场获得了意想不到的成功，重新引发了人们对科幻小说中人类与机器之间即将决一胜负的讨论。我们的谈话不拘一格，涉及机器人杀手、算法中主观意识的潜力，最后还谈到了与电脑相爱的想法。不过，就连那天下午最刺激的漫无边际的讨论，也承载着我在往年不曾预料到的分量。当未来突然如此迅速地来临时，我们很难不去谈论未来。

把卷积神经网络和递归神经网络进行配对 “我想我有办法了。”安德烈隔着我办公室的门说。距离我们上次谈话已经过去了几天，这次他显得没那么沮丧了。我甚至看得出他有了好点子。“想象一下，把卷积神经网络和递归神经网络进行配对，”他一边说一边进屋坐到沙发上，“一个负责对视觉信息进行编码，同时将它跟单词配对，另一个负责生成语言。然后我们以成对出现的图像和人类文字描述为基础，来训练我们的模型。” 现在总算有些眉目了，我边琢磨边点头。 “继续。”我好奇他还有什么想法，“然后呢？” “肯定还有一些未知的东西需要解决，但我认为递归神经网络会根据语库中已有的单词，有条件地生成图片描述中的每个新单词。这样，我们在描述图像内容的同时，也能遵循从训练数据中推断出的语法模式。至少从理论上来讲，结果应该是一个完全新颖的描述，或多或少是使用自然语言来呈现的。” 我很难不被这个想法打动。哪怕这招儿只有一半管用，他也能从我给他留下的困境中脱身。我迫不及待地想知道接下来会发生什么。

递归神经网络虽然新时代早期的头条新闻主要是计算机视觉的突破，但在同一时期，自然语言处理技术也取得了丰硕成果。其中一颗早期的明珠就是递归神经网络（Recurrent Neural Network，RNN）。递归神经网络是一组专门为处理线性单词序列而设计的算法，能够快速推断文本的基本属性，就像AlexNet这类卷积神经网络处理图像的方式一样。和卷积神经网络一样，递归神经网络也已经存在了几十年，但直到现在，人们才意识到它们的真正威力。

最希望看到的作为教授，我们最希望看到的，也是觉得最有价值的，就是学生能够独立提出新创意、新想法，甚至完全出人意料的观点。

克里热夫斯基一个21世纪的学生用“老古董”这个词来形容几十年前的工作，足以证明我们的领域是多么年轻（可能也证明我正在变老——我选择无视这种可能性）。但他说得没错。神经网络是由生物学启发、层次分明的相互连接的决策单元阵列。由于计算机视觉领域的迅速发展，到了21世纪初，我们中的大多数人已经把神经网络看成是尘封已久的艺术品，包裹在玻璃罩中，四周用天鹅绒绳索保护，闲人勿近。 “真的吗？是神经网络算法？” 这个参赛算法最令人惊讶的地方，也许在于它提高准确率的具体方法。尽管发展了数十年的支持向量机等现代算法已经引起广泛兴趣，并曾在前两年的比赛中获胜，但这次获胜算法的研发团队却选择了让神经网络重出江湖，并在比赛中大显身手，把第二名远远甩在身后。冠军算法名为AlexNet，是向这项技术和项目的主要作者、多伦多大学研究员亚历克斯·克里热夫斯基（Alex Krizhevsky）致敬。

自动化下载实现自动化的第一个环节就是下载。之前下载图片，需要标注员手动在图片搜索引擎输入WordNet中的每个类别，现在编写了自动化程序。但由于搜索引擎是为人类用户而不是为机器服务的，所以不会直接返回一组图像，而是以滚动缩略图网格的形式呈现在页面上。这时，邓嘉设计的程序就会解析网页的源代码，找到链接，并下载原图。

WordNet “你听说过一个叫WordNet的项目吗？” 我随后了解到，WordNet是心理学和认知科学领域的传奇人物乔治·阿米蒂奇·米勒（George Armitage Miller）的杰作。乔治出生于1920年，是当代最具影响力的心理学家之一。他与其他心理学家一同致力于超越人类行为的表象，建立起驱动人类行为的心理过程模型。因此，他自然而然地就对语言结构及其在思维中的作用产生了兴趣。他想通过WordNet以极其庞大的规模绘制出语言结构图。1985年启动以来，WordNet已经发展到极其庞大的规模，收录了超过14万个英文单词，并迅速扩展到新的语言。

欧文·比德曼我费了一番功夫，终于找到了一些资料。这些资料甚至来自一个熟悉的来源——现代视觉研究成果的主要贡献者之一欧文·比德曼。他的这篇论文发表于1983年，我上次读这篇文章已经是好几年之前的事了，应该是在凌晨两点跟其他一堆文献一起浏览的。现在，我们已经对单样本学习进行了大量探索，并真正实现了视觉分类的梦想，从中学到的一切让我开始以一种崭新的视角重新审视这篇论文的观点。比德曼在论文中探讨的话题与我的研究领域并不直接相关，但其中的内容却非常有趣。他讨论了如何利用基本几何形状的知识来识别复杂的物体。在论述和推导结论的过程中，比德曼试图回答一个看似简单的问题：世界上大约有多少独特的“事物”类别？也就是说，如果把所有的事物都相加——包括“摇椅”“企鹅”“跑车”“拉布拉多”“山”和其他所有东西——总数会是多少？这个问题听上去更像一个谜语，而不是科学挑战。但是，比德曼采用了一种基于对英语语言的分析的独特方法，令我非常钦佩。单词在帮助我们对所见事物进行分类方面发挥着基础性的作用，因此他推断，对所有离散且可量化的事物的单词（即英文中的可数名词）进行计数，将是一个很好的起点。然后，他又计算出每个可数名词有多少个真正不同的变体，就像“杯子”这样单一类别的物体可能包括带华丽把手的白色茶具、色彩鲜艳的咖啡杯和普通的透明玻璃杯。由于某些类别比其他类别更具多样性，他通过假设一个合理的平均值将问题简化为一个简单的乘法问题，从而计算出总数。

要实现机器智能，关键的第一步是更好地了解人类在长达5亿年的时间里，进化不断对光敏蛋白质施压。在其不懈的推动下，光敏蛋白质跨越漫长的岁月，发展成为一个精密到让人几乎无法参透的结构。进化的辛勤劳动打造了整个视觉皮质，从眼睛的玻璃表面一直延伸到大脑的最深处。所以在加州理工学院，我们要拜进化成果为师，尝试揭开视觉之谜。在我的导师看来，要实现机器智能，关键的第一步是更好地了解人类。

大脑很快，生物创新的闪光绽放成为集体之舞，随着不断丰富的生命分类进入一个新的时代，力量的平衡来回摇摆。今天，化石记录揭示了这一狂热时期自然选择的成果；有证据表明，仅仅是三叶虫的进化就在寒武纪末期达到顶峰，有数万个物种分布在10个目中。与此同时，触觉的出现使进化变得更为复杂，很快就与不断发展的视觉形成了互补与平衡。与早期的光敏感性一样，新生的神经末梢也遍布原始生物的体表，传递触觉信号。这些神经细胞不断生长并相互连接，形成了所谓的“神经网络”。这种分散的网络是中枢神经系统的前身，而中枢神经系统最终将成为更高级生命形式的特征。神经网络是一种生物电系统，原理简单，但功能强大。神经网络将对运动功能和感觉功能的控制融合到同一个反应机制中，这种机制适合执行“应对身体攻击”和“觅食”等基本任务。在进化过程中，神经网络虽然原始，却是与竞争日益激烈的外部世界保持同步的权宜之计，即使今天也依然存在，尤其是在水生生物中，例如某些种类的水母。但是，仅仅将眼睛、神经末梢和四肢连接起来是不够的，尤其是因为随着眼球不断进化，看到的世界越发广阔、细致，同时，四肢也发展出了新的自由度和更强的关节。要在复杂的环境中有效行动，需要的不仅仅是条件反射，这就带来了另一个适应性挑战，促使生物体在“所见所感”和“如何反应”之间发展出日益复杂的中间环节。随着感官所提供的信息深度和数量不断增加，生物体处理信息的工具也面临着增长的压力，类似我们需要更多更加复杂的计算设备来管理现代世界中的海量数据。为了处理五花八门的信息，神经系统不断发展，最终形成一个集中枢纽，其中的组成部分被越来越密集地压缩到一个器官里。我们把这个器官称为大脑。因此，大脑并不是内部某种神秘的智力火花的产物，而是对外部世界的反应。愈加清晰和纷杂的外部世界影像，通过感官到达生物体内部，感知周围环境的能力促使我们发展出了整合、分析并最终理解这种感知的机制。视觉就是感知系统最为活跃的组成部分。

我只需要找到那颗北极星。我把自己的一部分留在了伯克利实验室的黑暗之中，从未离去。在我的记忆中，扩音器发出的不属于这个世界的声音仍在回响，每一个嘶嘶声和噼啪声都暗示着一种科学语言刚刚开始崭露头角。比起普林斯顿大学，伯克利更能代表父母来到这个国家所追求的东西：自由地认清自己的激情，毫不妥协、无怨无悔地活出激情。无论未来是什么样的，那些在实验室里一边倾听一边心跳加速的时刻已经足够让我确信，他们做出了正确的抉择。父母对无限机会的追求是他们的北极星。这个愿景让他们焕发出无与伦比的活力，在他们的生命中打下了深深的烙印，是他们生而为人的定义。正是这种狂热的追求，让我心目中的英雄们一步步地从学者变为科学家，最终成为传奇。与真正的科学发现的第一次接触至今仍让我惊叹不已。与此同时，我发现自己开始在天宇中追寻属于自己的北极星，那是每一位科学家都会穷尽一切追逐的坐标，无论是一个问题、一个假设，还是一个赌注。哪怕要追到天涯海角，我也会毫不犹豫。我只需要找到那颗北极星。

学习C语言物理学为我学习计算机打下了坚实的基础。我开始学习一门新的语言—— 一种简称为C的编程语言。与英语不同，C语言以一种前所未有的方式赋予我力量。它的清晰度和精确度都堪称完美，让我能够以复杂、抽象的方式进行计算，而且计算规模之大是我以前无法想象的。我想起在从中国飞往美国的航班上，为了让我振作精神，母亲对我说：“学习一门新语言，就像打开了一扇通往新世界的大门。”在最初挣扎着学习英语的那几年里，我并不认同她的观点。但随着我对计算机科学的深入研究，她的话引起了我更多共鸣。

欢迎来到‘物理105 “欢迎来到‘物理105：高级力学’课。这门课要求很高，但对愿意付出努力的人来说，也会非常有启发性。”教授满头灰发，显然是匆匆梳理过，粗花呢外套就披在椅子上。他沉稳淡定，一派修为数十年的大师风范。 “我听说有些学生把我的课叫作‘死亡力学’，”他笑着补充道，“我想这相当准确地概括了学生的流失率。” 我靠在座位上，缓缓吸了一口气，感到既欣喜又焦虑。 “对历史感兴趣的人可能会知道，我们现在身处的帕尔默厅，就是爱因斯坦在校期间多次演讲的场所。就是这个地方。” 什么？我不由自主地挺直了身子。 “事实上，离这里不远就是高等研究院，位于爱因斯坦大道1号。据说这个地点是专门为他挑选的，因为他喜欢在周围的树林中漫步，思考那些需要独处沉思的问题。” 我已经为学校的百年历史和高耸的哥特式建筑深深着迷，已经无比确信物理学是我正确的选择，已经爱上了这里，没想到还有这样的意外之喜。

鲁梅尔哈特 1986年，由加州大学圣迭戈分校教授大卫·鲁梅尔哈特（David E. Rumelhart）领导的一个研究人员小组在科学杂志《自然》（Nature）上发表短篇研究报告，介绍了一种能让新认知机等算法有效学习的技术。他们将其称为“反向传播”（backpropagation），名字来源于这一技术最显著的特征：在这种级联效应中，每个训练实例（具体来说，是网络对给定刺激的反应与正确答案之间的差异）通过网络的一端传递到另一端，并逐层进行误差的递减调整。然而，真正使反向传播大放异彩的，是网络结构随着时间的推移出现的变化。随着网络接触到越来越多的实例（如照片或音频波形集），神经元之间的连接就会因所见所闻而被重塑，留下越来越详细的印记。就像流淌几百年的河水雕刻出的峡谷壁一样，在经过一定的训练后，神经网络会逐渐呈现出特定的特征。经过多年的努力，神经网络突然开始以前所未有的规模进行学习，并达到了前所未有的精确度，这预示着真正的转折点即将到来。

摘录2 机器学习的历史可以说是人工智能发展历史中不太为人所知的章节。尽管图灵本人很早就认可过机器学习，但这一概念相对来说仍然比较小众。1950年，图灵发表了一篇题为《计算机器与智能》的论文，简要对比了“基于规则的人工智能”（rule-based AI）和机器学习。基于规则的人工智能是指从零开始构建具有智能行为能力的完整体，而机器学习指的是允许智能体自主发展。图灵问道：“与其努力打造程序来模拟成人的思维，为何不尝试用程序模拟儿童的思维呢？”事实上，机器学习自诞生之初就从人类认知中汲取了一定的灵感，这在很大程度上得益于神经科学等领域的同步发展。

马斯克为什么离开openAI 马斯克离开OpenAI的主要原因是因为他与奥特曼在公司的控制权和资金筹集问题上产生了严重分歧。马斯克和奥特曼在2015年共同创立了OpenAI，初衷是为了确保人工通用智能（AGI）的发展不会落入少数公司（如谷歌）的控制中。然而，随着时间的推移，两人的关系逐渐出现了裂痕。2017年，OpenAI的研究人员意识到开发先进的AI技术需要巨额资金，而仅靠非营利模式难以支撑。管理层开始考虑将OpenAI转变为营利性公司，但马斯克和奥特曼在如何构建这一转变上产生了严重分歧。马斯克要求获得多数控制权并成为CEO，但被奥特曼阻止，最终导致马斯克在2018年离开了OpenAI12。此外，马斯克试图将OpenAI纳入特斯拉旗下并担任其首席执行官，但未能如愿。随着时间推移，他越发强烈地希望加强对OpenAI的控制，以确保公司能按照他的设想发展，这引发了内部的紧张气氛。最终，马斯克因无法接受失败而选择离开2。

250429 We have got places to go,people to see, dreams to realize.

摘录回想这些节日，可见就算是最艰辛的岁月，辛劳和贫困之间也点缀着快乐。每个星期，父亲给我们兄弟和附近的男孩讲授书法诗词。他相信每个自重的学者必须写得一手好字，这是长久以来的传统。我们要熟记著名诗人的杰作，并抄写在廉价的纸上。他教导我们，学者必须用砚磨墨。我们依法照办，这可是费劲的功夫。不过这种磨出来的墨，要比从店里买的墨油亮得多。再进一步就更难了。父亲要我们熟记长篇的诗作，并且在他面前背诵，抑扬顿挫，不能读错字。他说：“只有高声吟诵，才能细味诗歌。” 虽然背诵诗词比派对的吵耳喧闹声好些，但也有邻居投诉孩子念诗时的声浪。父亲给的作业，有的很难，但我依然从这些作业中，学到了不少中国文学和历史的知识。那时候，我在学校不算用心，对父亲的课却认真得很。他是我那时，甚至直到现在最重要的老师。早期受他的训练，我养成了对中国历史、文学，特别是诗歌的兴趣，一生受惠。他甚至影响了我在数学方面的工作。我不是说具体如何解决问题，而是如何去看问题。从他那里，我学懂了必须了解问题的历史背景，总结过去，足以为未来提供线索。

宇宙百年探险 1936年，哈勃在《星云的国度》一书中写道，“处于不利位置的天文学家朝着暗淡模糊的宇宙边界竭力张望。他们只测量到影影绰绰的东西，然后在鬼魅幽灵般的测量误差中去寻找并不怎么真实的路标。然而，正是基于大批大批这样虚幻缥缈的测量、误差还有路标，到了20世纪60年代末，天文学家认为他们已经知晓了星系形成和演化的全部秘密”。但随着时间推移，又不断有天文学家证明这并不是全部秘密，他们发现了星系团CI、E＋A星系、赛弗特星系、星系成团、莱曼α团块等等等等，虽然这些发现仍然远没有到达尽头，但却让宇宙结构渐渐清晰起来。

人生代代无穷已，江月年年望相似。人生代代无穷已，江月年年望相似。

《春江花月夜》-张若虚江水流春去欲尽，江潭落月复西斜。斜月沉沉藏海雾，碣石潇湘无限路。

门外青山朵朵，窗前黄叶萧萧。门外青山朵朵，窗前黄叶萧萧。 ——宋·憨山大师《禅诗》门外青山仿佛一朵朵翠绿的云彩，连绵不绝如同绿色的屏障守护着这片土地；窗前的黄叶则如同秋风中的低语，轻轻飘落，带来阵阵萧瑟之声风景。

《战国策目录序》-曾巩盖法者，所以适变也，不必尽同﹔道者，所以立本也，不可不一﹔此理之不易者也。故二子者守此，岂好为异论哉？能勿苟而已矣。可谓不惑于流俗而笃于自信者也。

思想的改变思想的改变就是失败转化为成功的不二法门，勇气、力量、灵感、和谐，这些想法取代了原先的失败、绝望、匮乏、限制与嘈杂的声音，慢慢在心中生根，身体组织也随之发生改变，个体的生命将被新的亮光所照耀，旧事已经消亡，万物焕然一新，你因此获得新生。

Think Different To me, marketing is about values. This is a very complicated world; it’s a very noisy world. And we’re not going to get a chance to get people to remember much about us. No company is. And so we have to be really clear on what we want them to know about us. Now, Apple fortunately is one of the half-a-dozen best brands in the whole world. Right up there with Nike, Disney, Coke, Sony, it is one of the greats of the greats. Not just in this country but all around the globe. And – but even a great brand needs investment and caring if it’s going to retain its relevance and vitality. And the Apple brand has clearly suffered from neglect in this area in the last few years. And we need to bring it back. The way to do that is not to talk about the speeds and fees, it’s not to talk about MIPS and megahertz, it’s not to talk about why we’re better than Windows The dairy industry tried for twenty years to convince you that milk was good for you. It's a lie but they tried anyway. And the sales were going like this. And then they tried Got Milk and the sales are going like this. Got Milk doesn’t even talk about the product – as a matter of fact it focuses on the absence of the product. But the best example of all and one of the greatest jobs of marketing that the universe has ever seen is Nike. Remember, Nike sells the commodity. They sell shoes. And yet when you think of Nike you feel something different than a shoe company. In their ads, as you know, they don’t ever talk about the product, they don’t ever tell you about their air soles and why they're better than Reebok’s air soles What is Nike doing in their advertising? They honor great athletes and they honor great athletics That’s who they are, that’s what they are about Apple spends a fortune on advertising. You'd never know it. You'd never know it. So when I got here, Apple just fired their agency we're doing a competition with twenty-three agencies that you know four years from now we would pick one and we blew that up and we hired Chiat-Day – the ad agency that I was fortunate enough to work with years ago. We created some award-winning work including the commercial voted the best ad ever made – "1984," by advertising professionals. And we started working about eight weeks ago and the question we asked was: Our customers want to know who is Apple and what is it that we stand for? Where do we fit in this world? And what we are about isn’t making boxes for people to get their jobs done, although we do that well. We do that better than almost anybody in some cases. But Apple’s about something more than that. Apple at the core – its core value is that we believe that people with passion can change the world for the better That’s what we believe. And we had the opportunity to work with people like that. We have the opportunity to work with people like you, with software developers, with customers who have done it in some big and some small ways. And we believe that in this world people can change it for the better. And that those people who are crazy enough to think they can change the world are the ones that actually do. And so what we’re going to do in our first brand marketing campaign in several years is to get back to that core value. A lot of things have changed. The market is a totally different place than it was a decade ago and Apple is totally different. Apple’s place in it is totally different. And believe me, the products and the distribution strategy and the manufacturing are totally different and we understand that. But values and core values, those things shouldn’t change. The things that Apple believed in at its core are the same things that Apple really stands for today. And so we wanted to find a way to communicate this and what we have is something that I am very moved by it – it honors those people who have changed the world. Some of them are living and some of them are not, but the ones that aren’t, as you’ll see, we know that if they’d ever used a computer it would have been a Mac And the theme of the campaign is “Think Different”. It’s the people honoring the people who think different and who moves this world forward. And it is what we are about. It touches the soul of this company. So I’m going ahead and roll it and I hope that you feel the same way about it that I do Here’s to the crazy ones – the misfits, the rebels, the troublemakers, the round pegs in the square holes, the ones who see things differently. They’re not fond of rules. And they have no respect for the status quo. You can quote them, disagree with them, glorify or vilify them. But the only thing you can’t do is ignore them because they change things. They push the human race forward. And while some may see them as the crazy ones, we see genius. Because the people who are crazy enough to think they can change the world, are the ones who do.

Think Different 乔布斯演讲众所周知，1997 年史蒂夫·乔布斯重回苹果公司后，不仅创造了商业历史和其个人职业生涯的巨大成功，并且他还奇迹般地带领苹果公司重回正轨。世界范围内的人们也正是从那时开始，形成了对苹果及其产品的认知。下面这个演讲就是乔布斯回归苹果不久后，在内部做的一次分享。在乔布斯的众多演讲中，它绝不是最知名的，但他或许是最具启发、最深刻的。关于苹果公司是什么？它代表什么？以及它要在这个世界上处于怎样的地位？究竟乔布斯是怎样将苹果带到被全世界所熟知的？那时的苹果想要追求的是什么？ Think Different 乔布斯演讲：对我来说，营销讲的是价值观。这是个复杂的世界，喧嚣的世界，我们没法让人们铭记我们，没有一家公司能做到。所以，我们要非常清楚——我们想让人们铭记我们什么，并非常清楚地把它传达出来。幸运的是，如今苹果已经是世界上最好的六大品牌之一，跟耐克、迪士尼、可口可乐、索尼在同一个级别。苹果是巨头中的巨头，不只是在美国，在世界范围内都是这样。但是一个再伟大的品牌要保持地位和活力，需要投入和关心。显然，过去这些年，苹果忽视了这一点，我们需要找回失去的东西，但找回的方式不是谈论速度和反馈，不是谈论 MIPS 架构和兆赫，也不是谈论我们比 windows 系统优越之处。乳制品行业花了 20 年说服人们“喝牛奶对你好”。这是谎言，但他们尽力尝试了，牛奶销量是这样（往下滑），然后他们推出了“Got Milk”（“来一杯”）营销广告，销量因此变成了这样（往上涨），“Got Milk” 广告没有提过产品指标，它甚至特意削弱产品的存在感。最棒的营销案例是耐克，耐克可以称得上是营销界史无前例的最强者。注意，耐克是卖商品的，他们卖鞋子，但当你想到耐克时，你会觉得它和普通鞋厂不一样。他们的广告也不怎么提产品，他们从来不提 Air Sole 气垫，也不提他们的气垫比锐步的好在哪里。耐克的广告在表达什么呢？他们赞美伟大的竞技体育和运动员。这就是耐克，它们表达了他们是谁，它们代表什么。你们永远不知道，苹果花费了好大一大笔钱在广告上。当我回来时，苹果刚刚解雇了自己的广告公司。我们在 23 家参加的竞标公司中挑选，挑了 4 年，最后确定了一家，Shaddai（李岱艾），我们雇佣了 Shaddai，一家多年前我有幸合作过的广告公司，我们创作了一些获奖作品，其中之一是由广告界专家评出的最佳广告“1984”。 8 周前，我们开始工作。我们提的问题是，消费者得知道：苹果是什么？它代表什么？在这个世界上它处于什么位置（地位）？我们不是只是制造一些“盒子”，帮助消费者完成工作或者事情，尽管在这方面我们做的比谁都好，甚至在某些地方，我们做到了最好。但苹果不止于此，苹果的核心价值观在于，我们坚信有激情的人能让这个世界变得更美好。我们一直有机会和这样的人合作，和软件开发者，和用户，和你们，或多或少地在改变这个世界。我们确信，人们能让这个世界变得更美好。只有那些疯狂到以为自己能够改变世界的人，才能真正改变世界。所以近几年内苹果计划开展首个品牌营销活动，让公司回归核心价值观。很多事情都变了，如今的市场行情跟 10 年前完全不一样了，苹果的产品、制造、分销策略不一样了，苹果的市场地位也是如此，我们明白这一点，但苹果的核心价值观不能变，苹果核心价值观认定的东西，就是今天苹果坚信的和所代表的东西。所以我们希望找到一种方式来传达苹果的核心价值观，然后我们做了一个营销广告，它感动了我。它赞美了那些改变世界的人，这些人有的还活着，有的已经逝去。那些逝者，如果他们有机会选用电脑，那肯定是一台 Mac。这次营销的主题是 “Think Different”（不同凡想），我们要赞美能 “Think Different” 的人，他们是推进这个世界前行的人，我们应该向他们致以崇高敬意。这是苹果做的事，它触及到了苹果公司的灵魂。我希望你们能有和我一样，看了之后，能与之产生共鸣。我觉得这个广告做得很棒。它阐述了我们是谁，我们代表什么，为什么在这个世界上，它还很重要。我知道有些人会批评，为什么不讲讲我们有更好的“即插即用”功能，但是首先我们要让消费者明白苹果是什么。广告里出现的几乎所有人，之前都没出现在广告里过，如果我们没有这么做，估计他们永远不会在广告里出现。我不认为这个世界上有另外一家公司能做成这个广告。使用这些人的形象，我们需要得到他们本人（活着的）或者他们继承人（逝去的）的许可。这对我来说，是一段奇妙的经历，这些人，无论是活着的，还是逝去的，都有过和苹果共鸣的言论。他们很愿意让我们拿来做广告，这对我很重要，它给了我很大的激励。非常感谢这个房间内外员工的奉献，大家一起来拯救这个公司。这个公司绝对会活过来。现在的问题不是能不能把苹果救回来，问题是我们能否让苹果再次伟大。

新年开工