https://www.ted.com/playlists/448/what_are_we_really_teaching_ai 我們究竟在教AI學習什麼 第一集：The Wonderful and terrifying implications of computers that can learn 講的是現在的機器學習尤其是深度學習，可以學習，可以看圖，可以說話，可以藝術設計之內的。我們鍛鍊的機器學習還能做很多其他的複雜的事情，並且會做的越來越好，指數增加的變好，超越很多初級的人類服務。而且我們要不可避免的接受這一現象的到來了。 第二集：We're building a Dystopia just to make people click on ads​

看過，是演算法可能造就一個我們不想看到的烏托邦的世界。 第三集：How we're teaching computer to understand pictures 看過，李飛飛報告自己在機器視覺方面的進展。 第四集：How Computers learn to recognize objects instantly 講述了這個研究生小夥伴做的影象中的目標識別，不僅僅識別一個單個的物體，可以識別多個物體。而且資料量上去之後可以動態的處理資料流，實時的識別視訊中的多個的物件。並且這個軟體是開源的。以後這種多目標動態檢測的軟體會以更加低廉的成本部署到移動端。 第五集：How computers are learning to be creative 這一集主要的還是影象識別。首先是正向的解釋，如何從神經網路的輸入和權重計算輸出也就是識別物體。其次講述了逆向的如何訓練網路，通過最小誤差去擬合出想要的權重引數。最後完全逆向的知道權重引數，知道輸出識別的物體，反向的得出訓練使用的圖片，還是非常富有藝術的感覺的。最後講者說，感知和創意是聯絡在一起的。並且這些東西不是人類獨有的，有一天機器也會用於這樣的智慧。 第六集：What intelligence machines can learn from a school of fish 從講者的一起潛泳出發。開始講述一些群體智慧的機器人。她用的是協作智慧的表達。但是應該是同樣的意思。也就是說簡單的低等生物包括目前階段的人工智慧給出簡單的規則之後在群體中可能表現出非常複雜的智慧或者複雜度，其實就是一種模式的湧現。從資訊理論的角度來看複雜度並不高。但是從行為模式的角度看，複雜度還是挺高的。最後作者昇華了一下主題，希望自己可能給機器更高的智慧，一種改變人類的智慧。 第七集：Can a computer writer poetry? 講者給出了一些電腦寫的詩和一些詩人寫的。讓聽眾去分辨這些詩屬於人類還是機器。最終攪亂了大家的判斷。因為人和機器寫的東西看上去沒有界限，其實都是人在寫。機器目前的機器只是一個鏡子，簡單的演算法是從特徵中寫，複雜的演算法是一種複雜的方式寫。但是都是人類的智慧。最終機器能不能脫離人類創造出東西，首先是一個哲學問題。 第八集：How AI can enhance our memory, work and social lives 講者認為目前的人工智慧是為了人類更好的或者而存在的。講者是siri的創造者，對未來有非常美好的暢想，例如現在的機器和人結合一起判斷癌變準確率上升了很多，以後人要是有機器輔助去記憶一生中遇到的所有的事情，那麼幸福的程度會得到廣泛的提高。 第九集：What happens when our computers get smarter than we are? 講者認為智慧的出現不是線性增加的可能是突然出現的。而且機器的智慧極有可能是一種遠遠超過我們的存在。而講者的一個類比我非常喜歡，我們曾經和猩猩處在同一個水平上，當年的我們想方設法超越智慧的時候，黑猩猩可能也嘗試把我們給關閉掉，但是我們還是想方設法向前進化。現在的智慧機器也是一樣，可能我們害怕的時候會想辦法kill掉自己創造的更強大的智慧。但是他們總是有辦法越過我們的屏障，過上一種我們無法理解的生活。而我們就像現在的黑猩猩一樣，無辜而無知的繼續在自己的水平上活著。作者說為了避免這樣的狀況的發生我們現在要研究一些機制能略微的對這種超越進行限制。這可能是從歷史長河的角度看。是非常正確的決定。 第十集：Can we build AI without losing control over it  這位講者也同樣認為機器智慧將會遠遠超過人類的智慧，因為物理上的光速要比生物上的電流的速度高三個數量級。所以一旦計算機獲得更加強大的力量之後，創造的東西可能遠遠超過我們的理解，我們的存在與否也就變得無關緊要了。或者我們成為機器人的邊緣感知系統和機器共生。這些講述還是比較虛。但是講者認為五十年是很快度過的，我們可能沒有時間做好安全措施。