相关语录

其中一派人的思想直接继承至图灵，主张从功能角度出发，让机器去模拟人类心智表现，而不去追求与人类一样的思维过程；另一派人主要来自对人类大脑神经网络结构的研究学者，主张从生物结构角度出发，让机器先去模拟人脑构造，再从中获得智能。

假设某项评价指标可作为系统性能的度量（Performance，简称P），而这个指标可以在某类任务（Task，简称T）的执行过程中随着经验（Experience，简称E）增加而不断自我改进的话，那么我们就称该过程‘Process＜P,T,E＞’是一种学习行为”。

认为人类、生物和具有智能的机器等都是通过“由负反馈和循环因果律逻辑来控制的目的性行为”来实现自身目的的，这一句话便是控制论思想的源头

图灵给香农看了他还在剑桥大学念硕士时（1936年）写的一篇论文《论可计算数及其在判定性问题上的应用》（OnComputableNumbers,withanApplicationtotheEntscheidungsproblem），这篇文章是可计算性领域的里程碑式作品。

“图灵机”与“冯·诺依曼架构”并称现代通用计算机的“灵魂”与“躯体”，它对可计算性理论、计算机科学、人工智能都影响深远，可以说是一项改变了人类近代科学史的伟大发明。

因此，弱人工智能的技术理论发展的时间再长，对强人工智能的实现并不会有多少实质性的促进，反而是脑科学、神经生理学、认知科学等的发展，都远比弱人工智能的进步更容易触及到心灵和意识的奥秘。

对于如何教育学习机器的问题，我们可以尝试通过计算机模拟，使用遗传算法[插图]（GeneticAlgorithm）来解决，把学习机器的进化和生物进化论中物竞天择的思想联系起来。

香农提出考虑机器智能问题时，应当把艺术、情感、音乐等方面的能力一并考虑进去，这很接近今天多元智能理论中对智能的理解。而图灵则不认可，他认为智能既然是由物质（指人类大脑）所承载的，就应该可以由物理公式去推导，可以用数学的方式去描述，不应该把这些文化方面的内容包含进去。

目前的学术界提出的其中一种思路，是希望神经网络这一连接主义的代表性技术能够与符号主义相结合，因为可解释性正是符号主义的强项之一。

如何用一些不可靠的部件来构造出一个可靠的系统。自复制机恰好就是一个最好的用不可靠部件构造的可靠的系统。