幾乎每天我們都會聽到機器人即將替代人類的新聞，而且科技巨頭們也在不斷加大對人工智慧、機器人的投資，特斯拉的自動駕駛汽車、谷歌開放了機器學習平臺TensorFlow、Facebook正在內測數字助理產品M。
來自美林銀行的一份報告指出：人工智慧或將加劇人類社會的不平等。人工智慧領域的專家學者們也注意到這種趨勢，比如DeepMind創始人就強調，是時候考慮人工智慧的倫理了。
接下來，我們將邀請17位人工智慧研究者、機器學家和電腦科學家來分享他們眼中印象最深刻的機器人或人工智慧。
Arizona州立大學電腦科學家Subbarao Kambhapati：自動駕駛
我認為自動駕駛對我的震撼性最大。自動駕駛首先從內華達的沙漠中開始，在城市道路實現自動駕駛的難度要遠遠高於沙漠，因為最困難的事情就是如何讓汽車理解路上其它駕駛員的動機。我認為不遠的將來，我們不再必須自己駕駛汽車。
Dato公司（該公司通過人工智慧分析資料）聯合創始人、CEO Carlos Guestrin：我已經等不及自動駕駛了
我花了些時間去研究自動駕駛或無人駕駛對於我們社會的影響，我不喜歡現在的駕駛。最近以來無人駕駛的很多新聞，比如無人駕駛對於減少車禍的貢獻，都讓我很激動。我希望能實現一個沒有汽車的世界，不過一個充滿自動駕駛汽車的世界也非常值得期待。
谷歌研究所總監Peter Norvig：直升飛機的自我學習系統
我最喜歡的一個系統是Andrew Ng設計的直升飛機自我學習系統，通過這個系統，直升飛機可以在幾個小時的觀察、學習之後達到全球頂尖飛行員的飛行水準。在四軸飛行器進入之前，整個實驗中的直升飛機控制難度非常大大。
艾倫人工智慧所CEO Oren Etzioni：拯救人類生命的智慧
對我印象深刻的人工智慧專案是卡內基梅隆大學使用人工智慧技術匹配腎臟捐獻者和病人的專案，這是一個非常實用的專案。
布里斯托大學機器人學家 Sabine Hauert：Watson
我非常欣賞Watson和Watson所做的事情。不如，去發現新的藥品或者找到新的治療辦法。毫無疑問，Watson是我的人工智慧列表中的第一位。
澳大利亞國家資訊和通訊部教授Toby Walsh：幫助人類恢復視力
我的同事們正在研究仿生眼睛，利用人工智慧演算法和計算機視覺的演算法希望能幫助到因黃斑部變性導致的失明。
這個專案接下來的的目標將是推出仿生耳，從而幫助失聰的人。並最終在失明的人眼球后面放置電極，使得他們恢復視力。
這將是非常震撼人心的成就，令人期待的改變。
谷歌研究員Samy Bengio：人工智慧帶來效率提升
我對谷歌的一些產品印象深刻，比如谷歌的app，他能夠識別我蹩腳的英語法語混搭表達。同時，Google Now也可以在我旅行的時候自動給我貼出匯率，而谷歌懂得我在搜尋時沒有拼寫正確的單詞。
得克薩斯大學電腦科學家Peter Stone：Kiva機器人
[caption id="attachment_6855" align="aligncenter" width="1200"]
Kiva機器人在亞馬遜公司倉庫裡的工作情緒[/caption]
我在課堂上舉的最多一個案例就是Kiva機器人，一個可以在倉庫裡處理多項工作的機器人。亞馬遜正在使用這些機器人分揀貨物（當然，在亞馬遜，所有員工可能都是機器人），這些機器人的視訊也非常棒，來看看吧：
http://v.qq.com/page/z/4/l/z01729oki4l.html卡內基梅隆大學電腦科學家 Manuela Veloso：谷歌
現在，當別人問及一個我不知道的問題時，我都會用谷歌搜尋一番。如果你現在想知道愛因斯坦是哪年死的，或者愛因斯坦最後一篇論文是什麼，或者其他問題的大難，你只需要在搜尋框裡敲入關鍵字，然後就能得到答案。著就是我們現在獲取知識的方式，一切只是都數字化、可搜尋，而且越來越多的人都對這個方式習以為常。
華盛頓州立大學電腦科學家 Matthew Taylor : Nest智慧家居溫控器的記憶功能
有了Nest，你的家中可以安裝去多相當有用的裝置。它們可以提升或降低家裡的溫度，知道主人何時在家。
即使Nest的開發者與設計者對你的家庭情況一無所知，智慧溫控器卻仍然能良好執行運作，這非常不可思議。
普林斯頓大學研究員 Joanna Bryson : IBM超級計算機Watson
即使我明白它內部的工作原理，也依然被這些細緻入微的細節所震撼。
我給我的學生們播放了Watson挑戰Jeopardy電視問答遊戲的視訊。他們注意到了它在其中展現出的產生或收集大量想法並融為一個概念的能力。我們人類自己會毫無意識地做到這一點，但當你知道了這有多困難，你也就意識到了它的神奇。
康奈爾大學電腦科學家 Bart Selman : Youtube的自動字幕
在Youtube上觀看視訊時可以選擇機器翻譯或自動字幕。五年前，開啟自動字幕顯示出來的幾乎全是胡言亂語，而現在再看這些字幕，我不得不去檢查它是不是真的是自動翻譯。
對於很多類似新聞的視訊，會有一個清晰的講者——它的字幕準確到近乎完美。因此這些視訊也在我第首先檢查的目標之一。但它們的確來自於機器。
國家科學基金會資訊與智慧系統部主任 Lynne Parker : 語音合成器讓我們重新聽到Roger Ebert的聲音
人們根據Roger Ebert以前的許多影評來提取他的聲音，並以此創造了一個不錯的語音合成器。這其中還涉及了許多訊號處理與理解人類語言的工作。
我認為這是個很酷的應用程式，在他的生活中有著很好的效果。人們可以聽到他的聲音，而不是來自於合成機器的。
阿姆斯特丹大學資訊學院助教 Shimon Whiteson : 讓機器人踢足球
不同型別的機器人足球隊，例如輪式機器人，足式機器人與人形機器人，可以在國際賽事中彼此競爭，並且在電腦上進行模擬。
它們的表現比起十年前進步非常驚人，它們能做到的事令人印象深刻。這些機器人速度很快並且出色，距離它們能夠打敗人類的那一天也許並不那麼遙遠。
布朗大學電腦科學家Michael Littman : 人工智慧也可以和人類一樣玩電子遊戲
我覺得人類讓機器系統去學習玩遊戲很酷——無論在於對手是人類還是在於人類所玩的遊戲上。它們做得很好，並且真的與人類相似。
Atari電子遊戲專案真的創造了一個學習系統，你可以把它帶進1980年代的遊戲，它會學習如何進行遊戲。從大範圍遊戲種類上普遍來看，它們的水平和一個優秀的人類玩家一樣好。
人工智慧將不僅僅是聰明的程式，他們可以將自己的經驗轉化為智慧的行為。
加州大學伯克利分校電腦科學家 Pieter Abbeel : DeepMind深度學習
DeepMind保證了AI在僅能訪問原始畫素的情況下也可以學習如何玩Atari遊戲，得到的分數也十分振奮。
在相同基準下近期我們自己的成果非常不錯，以及模擬走路的學習——僅用一個簡單的演算法來學習兩種完全不同型別的任務。
加州大學伯克利分校電腦科學家 Stuart Russel : 人工智慧在遊戲上取得成果十分驚人
DeppMind的系統是從零開始，觀看電子遊戲的螢幕然後學會如何玩遊戲，它可以在30個不同的遊戲上做到這點。這種進步既驚人且嚇人，想象一個嬰兒在剛剛出生這一晚就已經學會了在遊戲中打敗人類，這件事挺驚悚的。
機器之心編譯出品，參與成員：趙賽坡、Chen