1. 数码式考察

1.1. 制作计算机动画或游戏

1.1.1. 想怎么制作都可以

1.2. 计算机模拟

1.2.1. 目标是建造一个虚拟的实验室，其行为与现实完全一致，只是某些变量由我们来控制

1.3. 对现实世界进行建模并不容易，需要非常谨慎地收集和使用数据

1.3.1. 垃圾进，垃圾出

1.3.2. 研究人员必须仔细校准模型的每一部分，确保其根据现实世界的数据运行出正确结果

1.3.3. 模型做出的任何不正确的预测，也应该用来进一步完善模型

1.4. 机器学习算法为其学习的数据建立的简单“模型”，就可用于预测

1.5. 许多优化算法基于生命系统如何工作的简单思路

1.5.1. 卡尔·西姆斯的虚拟生物是对模拟环境中进化的生命的简单模拟

1.5.2. 神经网络的早期思想是基于对神经元工作原理的理解

1.5.3. 遗传算法的灵感来自自然进化

1.5.4. 蚁群优化基于蚂蚁集体寻找从巢穴到食物的最短路径的方式

1.5.5. 人工免疫系统的算法基于我们的免疫细胞检测和应对病原体的方式

1.6. IllustrisTNG项目

1.6.1. 一个计算机模拟系统，能够用我们对物理定律的最佳理解，以前所未有的细节来模拟我们宇宙的形成过程

1.7. 计算流体动力学

1.7.1. 模拟气体和液体的复杂行为，让飞机的设计在模拟中得以完善

1.8. 有限元分析等方法经常可以在实际建造一座建筑之前，让我们理解其应力分布，这样我们才能选用正确的材料设计出更安全的结构

2. 细胞自动机

2.1. 有限元分析的一个比较简单的分支

2.2. 几十年来一直用于人工智能，模拟从化学作用到物理学过程等许多情景

2.3. 最基本的细胞自动机就是一个简单的细胞网格，每一个细胞可以被填充或不予填充

2.4. 细胞自动机将空间和时间分隔成离散的小块，而其他类型的模型则比之更为宽松

2.5. 背后的概念最早由数学家斯坦尼斯瓦夫·乌拉姆提出，他试图模拟冯·诺伊曼的点子，创造一种含有电磁成分的液体

2.5.1. 生命系统可以被定义为一种可以自我繁殖并模拟图灵机的事物

2.5.1.1. 冯·诺伊曼

2.5.1.2. 可以执行计算机可以完成的所有任务

2.5.2. 如果人们不觉得数学简单，那只是因为他们没有意识到生命是多么复杂

2.5.2.1. 冯·诺伊曼

2.6. 我们发现人类的计算能力实际上并没有胜过遵循简单规则的细胞自动机，这也许有点令人惭愧。但计算等价原则也意味着，我们的整个宇宙也终究不过如此。

2.6.1. Mathematica软件创始人斯蒂芬·沃尔夫拉姆

2.7. 生命游戏

2.7.1. 1970年，英国数学家约翰·康威

2.7.2. 一种特殊的细胞自动机

3. 多代理计算

3.1. 另一种相关的人工智能方法

3.2. 主要研究软件代理如何互动以解决问题

3.3. 不太关注建模，而是更关注实际问题的解决

4. 数字代理

4.1. 基于代理的建模(ABM)最初来自冯·诺伊曼关于细胞自动机的思想，并最终发展成为自成一派的科学方法

4.2. 基于代理的模型有时也被称为基于个体的模型

4.3. 是一类模拟自主实体行为的算法

4.4. 基于代理的模型可以将人工智能的许多方面和相关领域结合起来

4.4.1. 复杂系统

4.4.2. 进化计算

4.4.3. 经济学

4.4.4. 博弈论

4.4.5. 社会学

4.4.6. 心理学

4.5. boids

4.5.1. 鸟类物体的简称

4.5.2. 克雷格·雷诺兹

4.5.2.1. 一位计算机图形专家

4.5.2.2. 1986年创造了一种基于代理的模型算法

4.5.3. 算法首次展现出一群各自独立运动的代理，每个个体都遵循简单的行为规则，却可以产生与自然界中观察到的鸟群和鱼群完全相同的行为

4.5.4. 雷诺兹的算法效果极好，以至于此后一直被电影业用来模拟鸟群或人群

4.5.4.1. 最早的例子之一便是电影《蝙蝠侠归来》(1992)中计算机生成的蝙蝠群和企鹅群

4.5.5. 同样的算法现在通常用来控制机器人集群，以确保它们在解决一个集体任务时能有效地合作

4.5.6. 复杂的整体行为可以从简单的局部规则的互动中产生

4.5.6.1. 克雷格·雷诺兹(2001)

4.6. 雷诺兹发明boids之后不久，一类新的人工智能被正式命名为人工生命

4.6.1. 深度学习等其他形式的人工智能专注于工程化的高效解决方案

4.6.2. 在人工生命和计算生物学的相关领域，人们研究的是与生物学的关系更密切的模型，以了解生命是如何运作的

4.7. 计算机科学家克里斯托弗·兰顿

4.7.1. 创造了人工生命一词

4.7.2. 1987年举办了有史以来第一届关于生命系统之合成和模拟的研讨会（后来被称为人工生命会议）

4.7.3. 兰顿蚂蚁

4.7.3.1. 根据非常简单的规则移动，在身后留下痕迹

4.7.4. 兰顿环

4.7.4.1. 模拟了一种非常简单的人工生命，有自己的遗传信息

4.8. 看待生命系统的一个重要的新方法

4.8.1. 不要把它们看作是遵循可预测的确定性运行的发条机器

4.8.2. 生命实际上处于“混乱的边缘”，它的组成部分相互作用，使生命大于其所有部分的总和

5. 虚拟未来

5.1. 计算机的模拟和建模其实就相当于人工智能的想象力

5.1.1. 想象力是我们拥有的最强大的智能形式之一

5.2. 计算机的想象力比我们强大得多

5.2.1. 只要有合适的算法，它们完全可以想象出整个宇宙

5.3. 有的人工智能模型可以模拟人群的运动，以便我们能设计出更实用的建筑

5.4. 有的可以预测肿瘤细胞对癌症疗法的反应，或者经济如何随时间变化

5.5. 有的模型甚至可以研究人类的起源和我们的社会如何形成

5.6. 模拟在娱乐业中被广泛用于电影特效、虚拟现实、增强现实以及游戏

5.7. 每天都被用来预测天气

5.7.1. 气候模型是所有模拟中最复杂的一种

5.7.2. 它们必须整合大量历史资料和当前传感器的数据，并对我们大气层中各种气体的浓度如何影响未来的全球变暖和天气模式做出预测

5.8. 在预防疾病方面，它也已经取得了一些显而易见的成功案例

5.8.1. 在2001年，英国出现了口蹄疫流行

5.8.2. 人工智能模型预测，对牲畜的大量扑杀将在两天内将疾病的指数级增长转变为指数级衰减

5.8.3. 当局采纳了这个模型提出的建议，尽管这意味着牲畜生命的悲惨损失，但它极为有效，根除了这次传染病疫情

5.9. 尽管硬件的发展迅速，我们的计算机仍可能无法模拟出我们想要的现实细节，而且模拟运行所需要的时间也许会长得不复实用

6. 情绪

6.1. 情绪帮助我们做出决定

6.2. 没有情绪，即使我们可能智商超高，拥有解决问题的能力，我们也无法在现实世界中发挥作用

7. 情商

7.1. 人工智能应该理解情感，甚至应该拥有情感的想法并不常见

7.2. 事实上，大多数研究人员认为情感会妨碍决策，人工智能最好是没有情感

7.3. 情感人工智能或者说情感计算的一些最早期工作始于1995年，由麻省理工学院媒体实验室的教授罗莎琳德·皮卡德负责

7.4. 麻省理工学院还衍生出另一家公司Empatica，使用可穿戴的手腕传感器来帮助监测癫痫

7.4.1. 将神经系统事件分类为情绪压力所致（然后可以让我们合理减轻生活中的压力）或癫痫发作等严重事件（这有助于迅速召唤恰当的医疗护理）

7.5. 位于阿姆斯特丹的飞利浦公司和荷兰银行会在金融交易员的手臂上戴上传感器

7.5.1. 机器学习算法会检测和分类情绪状态，显示出不同颜色供佩戴者查看

7.5.2. 当交易员了解自己的情绪时，其交易风险就会降低，由此避免意外并且极其昂贵的判断错误

7.6. 面部情绪识别

7.6.1. 所谓面部情绪识别，就是通过机器学习来识别面部每块肌肉［或叫“动作单元”(AU)］的运动

7.6.2. 能分辨出虚假的职业性微笑和真诚的发自内心的微笑

7.6.3. 面部识别方法经常用于识别自闭症、精神分裂症、阿尔茨海默病，也用于犯罪预测系统

8. 恐怖谷效应

8.1. 我们对类似玩具或卡通人物的机器人却很满意

8.2. 当人工智能操控着栩栩如生的人类或动物机器人时，我们会感觉非常不舒服

8.3. 我们看到一个半现实的、看起来不太对劲的机器人时（就像目前所有的机器人一样），我们发现它们几乎像会动的尸体

9. 社交机器人

9.1. 海豹帕罗是最早的社交机器人之一

9.1.1. 由日本国立高等工业科学和技术研究所的柴田崇德于1993年设计

9.1.2. 其模板是柴田在加拿大东北部实际观察过的竖琴海豹

9.1.3. 帕罗之所以能避免恐怖谷效应，是因为柴田把它做得非常像玩具

9.1.4. 最终注册为医疗设备，并用于阿尔茨海默病患者护理院的治疗

9.2. 如果机器人可以自动监测医院里的病人，或者居家老人的健康状况，那会非常有用

9.3. 如果有机器人接管枯燥的接待员工作，或为商场的购物者提供信息，那就太好了

9.4. 机器人最好能给我们提供舒心的陪伴，让我们开心，并能意识到它们对我们的情绪影响

9.5. 让用户拥有参与感、具有更多情感意识和个性的家用机器人

9.5.1. 恐龙宝宝机器人Pleo

9.5.2. Anki公司的Vector机器人

9.5.3. Keepon

9.5.3.1. 由日本国立信息和通信技术研究所的小岛秀树发明的一个会跳舞的黄色小雪人形状的可爱机器人

9.6. 到了2020年，这些美好、有趣、对用户有益的机器人大多被无穷无尽的智能家居音箱所取代

9.6.1. 千篇一律的圆柱形音箱以亏本价出售

9.6.2. 主要功能是用作营销工具，以增加家庭用户购买其他产品的概率

9.6.3. 对人类情感的理解为零，本身也没有真正的情感

10. 模糊逻辑模型

10.1. 模糊逻辑定义了一个集合中不同成员的程度

10.2. 模糊逻辑类似于概率，但又不同于概率

10.2.1. 模糊逻辑值代表一次观察归属于一个模糊定义的集合的程度

10.2.2. 概率则代表某个事件发生的可能性

10.3. 语言变量的应用让模糊逻辑更容易理解，它用多个值来表示逻辑的能力，这意味着它可以在控制应用中提供更大的精度

10.3.1. 情绪0.8属于模糊集快乐

10.3.2. 0.3属于模糊集悲伤

10.3.3. 0.1属于愤怒

10.3.4. 0.4属于惊讶

10.4. 模糊逻辑被广泛用于控制地铁列车、电梯甚至电饭煲的人工智能中

11. 情感人工智能

11.1. 情感人工智能或情感计算的最终目的，是让人工智能拥有自己的情感

11.2. 识别他人的情绪只能让你了解你的行为正在产生什么影响

11.3. 感受自身的情绪才能让你真正产生同理心，并更有效地做出决定

11.4. 问题不在于智能机器能否拥有情感，而是机器能否在不拥有情感的情况下实现智能

11.4.1. 马文·明斯基(1986)

11.5. 关怀型人工智能

11.5.1. 情感计算是人工智能最新最重大的进展之一

11.5.2. 可穿戴技术的广泛应用使得数据收集（人脸图像、声音音频和生理数据，如心率和汗液）越来越容易

11.5.3. 通过聊天机器人提供行为疗法，开发心理健康方面的解决方案

11.5.3.1. Ellie是美国DARPA资助的虚拟人物，它能帮助患有创伤后应激障碍的士兵

11.5.3.2. Karim是由硅谷初创公司X2AI开发的聊天机器人，它能帮助叙利亚难民克服创伤

11.6. 情感人工智能也有其阴暗面

11.6.1. 微软的女性聊天机器人“小冰”外表漂亮，聊天时表现出非凡的魅力，因而获得了相当多的关注

11.6.1.1. 全球大约有1亿名18至25岁的青年与她聊天，其中一些人经常把她作为朋友的替代品

11.6.1.2. 科技公司为了培养品牌忠诚度而采取的一种带有讽刺意味的策略

11.6.2. 脸书在2014年进行的一项研究也受到了批评：他们在研究期间操纵了近70万用户的新闻源，以影响他们的情绪

11.6.2.1. 这违反了道德准则，因为这些用户没有给予脸书知情同意

11.6.3. 2017年，脸书发给广告商的备忘录遭到泄露

11.6.3.1. 这份备忘录声称脸书可以实时监控帖子，并识别青少年何时感到“不安全”、“没有价值”和“需要增强信心”

11.7. 人们仍然没有意识到情感人工智能也会造成伤害，而且情感伤害更难检测和修复

11.8. 当我们将情感纳入人工智能的意识和能力时，我们绝不能将情感人工智能当作操纵人的新工具，因为这可能会对个人和社会造成极大的风险