发布时间：
肯定有啦！只要是北大核心期刊，都属于国家比较认可的，权威性的期刊。看你想要哪方面的，都可以在 杂志之家 上面找到！
《自然》（英语：Nature）是世界上最早的科学期刊之一，也是全世界最权威及最有名望的学术杂志之一，首版于1869年11月4日。虽然今天大多数科学期刊都专一于一个特殊的领域，《自然》是少数（其它类似期刊有《科学》和《美国国家科学院院刊》等）依然发表来自很多科学领域的一手研究论文的期刊。在许多科学研究领域中，每年最重要、最前沿的研究结果是在《自然》中以短文章的形式发表的。
人工智能（Artificial Intelligence）, 英文缩写为 AI, 是一门综合了 计算机科学、生理学、哲学的交叉学科。 人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。 这其中共同的基本特点是让机器学会“思考” 。为了区分机器是否会“思考”（thinking），有必要给出“智能”（intelligence）的定义。究竟“会思考”到什么程度才叫智能？比方说，解决复杂的问题，还是能够进行概括和发现关联? 还有什么是“知觉”（perception），什么是“理解”（comprehension）等等？ 对学习过程、语言和感官知觉的研究为科学家构建智能机器提供了帮助。 现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿由上百亿个神经元组成的人脑的行为, 去思考宇宙中最复杂的问题。或许衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。 他认为，如果一台计算机能过人，使人相信它是人而不是机器，那么它就应当被称作有智能。 人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。 人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家 建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起 研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真 人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍， 人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究； 从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。 人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。对人工智能更高层次的需求已经并会继续影响我们的工作、学习和生活。 人工智能的传说可以追溯到古埃及 但随着1941年以来电子计算机的发展,技术已最终可以创造 出机器智能"人工智能"(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的从那 以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展在它还不长的历史中,人工智能的发 展比预想的要慢,但一直在前进从40年前出现到现在,已经出现了许多AI程序,并且它们也影响到了其它 技术的发展 计算机时代 1941年的一项发明使信息存储和处理的各个方面都发生了革命这项同时在美国和德国出现的 发明就是电子计算机第一台计算机要占用几间装空调的大房间,对程序员来说是场恶梦:仅仅为运行一 个程序就要设置成千的线路1949年改进后的能存储程序的计算机使得输入程序变得简单些,而且计算机 理论的发展产生了计算机科学,并最终促使了人工智能的出现计算机这个用电子方式处理数据的发明, 为人工智能的可能实现提供了一种媒介 AI的开端 虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间 的联系 Norbert Wiener是最早研究反馈理论的美国人之一最熟悉的反馈控制的例子是自动调温器它 将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度这项对反馈 回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果而反馈机制是有可 能用机器模拟的这项发现对早期AI的发展影响很大 1955年末,Newell和Simon做了一个名为"逻辑专家"(Logic Theorist)的程序这个程序被许多人 认为是第一个AI程序它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解 问题"逻辑专家"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑1956年,被认为是 人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会"从那时起,这个领域被命名为 "人工智能"虽然 Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础 Dartmouth会议后的7年中,AI研究开始快速发展虽然这个领域还没明确定义,会议中的一些思想 已被重新考虑和使用了 Carnegie Mellon大学和MIT开始组建AI研究中心研究面临新的挑战: 下一步需 要建立能够更有效解决问题的系统,例如在"逻辑专家"中减少搜索;还有就是建立可以自我学习的系统 1957年一个新程序,"通用解题机"(GPS)的第一个版本进行了测试这个程序是由制作"逻辑专家" 的同一个组开发的GPS扩展了Wiener的反馈原理,可以解决很多常识问题两年以后,IBM成立了一个AI研 究组Herbert Gelerneter花3年时间制作了一个解几何定理的程序 当越来越多的程序涌现时,McCarthy正忙于一个AI史上的突破1958年McCarthy宣布了他的新成 果: LISP语言 LISP到今天还在用"LISP"的意思是"表处理"(LISt Processing),它很快就为大多数AI开发者采纳 1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别这笔资助来自国防部 高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联这个计划吸引了来自全世界的计算机科学家, 加快了AI研究的发展步伐 大量的程序 以后几年出现了大量程序其中一个著名的叫"SHRDLU""SHRDLU"是"微型世界"项目的一部分,包括 在微型世界(例如只有有限数量的几何形体)中的研究与编程在MIT由Marvin Minsky领导的研究人员发现, 面对小规模的对象,计算机程序可以解决空间和逻辑问题其它如在60年代末出现的"STUDENT"可以解决代数 问题,"SIR"可以理解简单的英语句子这些程序的结果对处理语言理解和逻辑有所帮助 70年代另一个进展是专家系统专家系统可以预测在一定条件下某种解的概率由于当时计算机已 有巨大容量,专家系统有可能从数据中得出规律专家系统的市场应用很广十年间,专家系统被用于股市预 测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等这一切都因为专家系统存储规律和信息的能力而成为 可能 70年代许多新方法被用于AI开发,著名的如Minsky的构造理论另外David Marr提出了机器视觉方 面的新理论,例如,如何通过一副图象的阴影,形状,颜色,边界和纹理等基本信息辨别图象通过分析这些信 息,可以推断出图象可能是什么同时期另一项成果是PROLOGE语言,于1972年提出 80年代期间,AI前进更为迅速,并更多地进入商业领域1986年,美国AI相关软硬件销售高达25亿 美元专家系统因其效用尤受需求象数字电气公司这样的公司用XCON专家系统为VAX大型机编程杜邦,通用 汽车公司和波音公司也大量依赖专家系统为满足计算机专家的需要,一些生产专家系统辅助制作软件的公 司,如Teknowledge和Intellicorp成立了为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来 从实验室到日常生活人们开始感受到计算机和人工智能技术的影响计算机技术不再只属于实验室中的一小群研究人员 个人电脑和众多技术杂志使计算机技术展现在人们面前有了象美国人工智能协会这样的基金会因为AI开发 的需要,还出现了一阵研究人员进入私人公司的热潮150多所象DEC(它雇了700多员工从事AI研究)这样的公 司共花了10亿美元在内部的AI开发组上 其它一些AI领域也在80年代进入市场其中一项就是机器视觉 Minsky和Marr的成果现在用到了生 产线上的相机和计算机中,进行质量控制尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不 同到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元 但80年代对AI工业来说也不全是好年景86-87年对AI系统的需求下降,业界损失了近5亿美元象 Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费另一个另人失望的是国防部高级研究计划署支持的所谓"智能卡车"这个项目目的是研制一种 能完成许多战地任务的机器人由于项目缺陷和成功无望,Pentagon停止了项目的经费 尽管经历了这些受挫的事件,AI仍在慢慢恢复发展新的技术在日本被开发出来,如在美国首创的模糊 逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径总之,80年代AI被引入 了市场,并显示出实用价值可以确信,它将是通向21世纪之匙 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验人工智能技术被用于导弹系统和预警显示以 及其它先进武器AI技术也进入了家庭智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备对人工智能相关技术更大的需求促 使新的进步不断出现人工智能已经并且将继续不可避免地改变我们的生活
《自然》（英语：Nature）是世界上最早的科学期刊之一，也是全世界最权威及最有名望的学术杂志之一，首版于1869年11月4日。虽然今天大多数科学期刊都专一于一个特殊的领域，《自然》是少数（其它类似期刊有《科学》和《美国国家科学院院刊》等）依然发表来自很多科学领域的一手研究论文的期刊。在许多科学研究领域中，每年最重要、最前沿的研究结果是在《自然》中以短文章的形式发表的。
人工智能（Artificial Intelligence）, 英文缩写为 AI, 是一门综合了 计算机科学、生理学、哲学的交叉学科。 人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。 这其中共同的基本特点是让机器学会“思考” 。为了区分机器是否会“思考”（thinking），有必要给出“智能”（intelligence）的定义。究竟“会思考”到什么程度才叫智能？比方说，解决复杂的问题，还是能够进行概括和发现关联? 还有什么是“知觉”（perception），什么是“理解”（comprehension）等等？ 对学习过程、语言和感官知觉的研究为科学家构建智能机器提供了帮助。 现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿由上百亿个神经元组成的人脑的行为, 去思考宇宙中最复杂的问题。或许衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。 他认为，如果一台计算机能过人，使人相信它是人而不是机器，那么它就应当被称作有智能。 人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。 人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家 建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起 研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真 人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍， 人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究； 从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。 人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。对人工智能更高层次的需求已经并会继续影响我们的工作、学习和生活。 人工智能的传说可以追溯到古埃及 但随着1941年以来电子计算机的发展,技术已最终可以创造 出机器智能"人工智能"(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的从那 以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展在它还不长的历史中,人工智能的发 展比预想的要慢,但一直在前进从40年前出现到现在,已经出现了许多AI程序,并且它们也影响到了其它 技术的发展 计算机时代 1941年的一项发明使信息存储和处理的各个方面都发生了革命这项同时在美国和德国出现的 发明就是电子计算机第一台计算机要占用几间装空调的大房间,对程序员来说是场恶梦:仅仅为运行一 个程序就要设置成千的线路1949年改进后的能存储程序的计算机使得输入程序变得简单些,而且计算机 理论的发展产生了计算机科学,并最终促使了人工智能的出现计算机这个用电子方式处理数据的发明, 为人工智能的可能实现提供了一种媒介 AI的开端 虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间 的联系 Norbert Wiener是最早研究反馈理论的美国人之一最熟悉的反馈控制的例子是自动调温器它 将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度这项对反馈 回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果而反馈机制是有可 能用机器模拟的这项发现对早期AI的发展影响很大 1955年末,Newell和Simon做了一个名为"逻辑专家"(Logic Theorist)的程序这个程序被许多人 认为是第一个AI程序它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解 问题"逻辑专家"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑1956年,被认为是 人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会"从那时起,这个领域被命名为 "人工智能"虽然 Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础 Dartmouth会议后的7年中,AI研究开始快速发展虽然这个领域还没明确定义,会议中的一些思想 已被重新考虑和使用了 Carnegie Mellon大学和MIT开始组建AI研究中心研究面临新的挑战: 下一步需 要建立能够更有效解决问题的系统,例如在"逻辑专家"中减少搜索;还有就是建立可以自我学习的系统 1957年一个新程序,"通用解题机"(GPS)的第一个版本进行了测试这个程序是由制作"逻辑专家" 的同一个组开发的GPS扩展了Wiener的反馈原理,可以解决很多常识问题两年以后,IBM成立了一个AI研 究组Herbert Gelerneter花3年时间制作了一个解几何定理的程序 当越来越多的程序涌现时,McCarthy正忙于一个AI史上的突破1958年McCarthy宣布了他的新成 果: LISP语言 LISP到今天还在用"LISP"的意思是"表处理"(LISt Processing),它很快就为大多数AI开发者采纳 1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别这笔资助来自国防部 高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联这个计划吸引了来自全世界的计算机科学家, 加快了AI研究的发展步伐 大量的程序 以后几年出现了大量程序其中一个著名的叫"SHRDLU""SHRDLU"是"微型世界"项目的一部分,包括 在微型世界(例如只有有限数量的几何形体)中的研究与编程在MIT由Marvin Minsky领导的研究人员发现, 面对小规模的对象,计算机程序可以解决空间和逻辑问题其它如在60年代末出现的"STUDENT"可以解决代数 问题,"SIR"可以理解简单的英语句子这些程序的结果对处理语言理解和逻辑有所帮助 70年代另一个进展是专家系统专家系统可以预测在一定条件下某种解的概率由于当时计算机已 有巨大容量,专家系统有可能从数据中得出规律专家系统的市场应用很广十年间,专家系统被用于股市预 测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等这一切都因为专家系统存储规律和信息的能力而成为 可能 70年代许多新方法被用于AI开发,著名的如Minsky的构造理论另外David Marr提出了机器视觉方 面的新理论,例如,如何通过一副图象的阴影,形状,颜色,边界和纹理等基本信息辨别图象通过分析这些信 息,可以推断出图象可能是什么同时期另一项成果是PROLOGE语言,于1972年提出 80年代期间,AI前进更为迅速,并更多地进入商业领域1986年,美国AI相关软硬件销售高达25亿 美元专家系统因其效用尤受需求象数字电气公司这样的公司用XCON专家系统为VAX大型机编程杜邦,通用 汽车公司和波音公司也大量依赖专家系统为满足计算机专家的需要,一些生产专家系统辅助制作软件的公 司,如Teknowledge和Intellicorp成立了为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来 从实验室到日常生活人们开始感受到计算机和人工智能技术的影响计算机技术不再只属于实验室中的一小群研究人员 个人电脑和众多技术杂志使计算机技术展现在人们面前有了象美国人工智能协会这样的基金会因为AI开发 的需要,还出现了一阵研究人员进入私人公司的热潮150多所象DEC(它雇了700多员工从事AI研究)这样的公 司共花了10亿美元在内部的AI开发组上 其它一些AI领域也在80年代进入市场其中一项就是机器视觉 Minsky和Marr的成果现在用到了生 产线上的相机和计算机中,进行质量控制尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不 同到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元 但80年代对AI工业来说也不全是好年景86-87年对AI系统的需求下降,业界损失了近5亿美元象 Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费另一个另人失望的是国防部高级研究计划署支持的所谓"智能卡车"这个项目目的是研制一种 能完成许多战地任务的机器人由于项目缺陷和成功无望,Pentagon停止了项目的经费 尽管经历了这些受挫的事件,AI仍在慢慢恢复发展新的技术在日本被开发出来,如在美国首创的模糊 逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径总之,80年代AI被引入 了市场,并显示出实用价值可以确信,它将是通向21世纪之匙 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验人工智能技术被用于导弹系统和预警显示以 及其它先进武器AI技术也进入了家庭智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备对人工智能相关技术更大的需求促 使新的进步不断出现人工智能已经并且将继续不可避免地改变我们的生活
肯定有啦！只要是北大核心期刊，都属于国家比较认可的，权威性的期刊。看你想要哪方面的，都可以在 杂志之家 上面找到！
tevc期刊含金量很高。TEVC期刊全名IEEETransactionsonEvolutionaryComputationOutstandingPaperAward，是人工智能领域的国际顶级期刊，2016年的影响因子已经达到10、629。期刊影响因子是代表期刊影响大小的一项定量指标。也就是某刊平均每篇论文的被引用数，它实际上是某刊在某年被全部源刊物引证该刊前两年发表论文的次数，与该刊前两年所发表的全部源论文数之比。
围棋人机大战让人工智能的话题热度居高不下。每一次新进展的横空出世，都让期待这项技术的人变得更乐观，不过，人们对其影响力的顾虑也在明显上升。越来越多的组织、机构开始研究智能机器衍生的伦理问题。虽然人们无法保证今天的思考、策略完全有效，但在没有作任何准备的情况下，就必然无法将其控制。 一、永恒的恐惧 对于人工智能的忧虑，最早可以追溯到200年前。但这不是对一项技术的反思，而是展示了造物者与被造物之间的内在关系。 “亚当”是英国19世纪女作家玛丽·雪莱笔下作品《弗兰肯斯坦》中的合成生命体，科学家弗兰肯斯坦创造了他。亚当天性善良，渴望感情，渴望受到尊重，但世界并没有像他所期待的那样接纳他，他始终是个异类。 于是，他被迫反抗，作出极端行为，胁迫弗兰肯斯坦为他造一个“夏娃”。弗兰肯斯坦担心“亚当”和“夏娃”会衍生出无数新的怪物，在即将成功时将“夏娃”销毁。“亚当”开始了复仇杀戮，弗兰肯斯坦只能与之决斗。 《弗兰肯斯坦》在多年以后，依然能够成为英美文化的热点。上海交通大学科学史与科学文化研究院院长江晓原认为，这是源于人类与被造物之间天然的永恒恐惧与不安。“历史证明，即便同是人类，异族之间想要获得融合，也需付出巨大代价。”这可以解释为什么人类与人工智能的实现越近，恐惧与不安会更深。 不过，科学家一向反对将人工智能过度拟人化，他们认为目前没有确切证据证明它们在未来会带来像作品中的灾难性后果。 伦理学家、哲学家则坚持对人工智能的忧虑，至少可以理解为对科学技术的人文关怀。江晓原说：“要打消这个担忧，就必须论证‘人工智能不会危害人类’或者‘人工智能的危害是可控的’。” 二、人造机器会不会超越人 对于人工智能的警惕最初的焦点在于“人造的机器会超越人”。库兹韦尔在《奇点临近》中表示，一旦强人工智能实现，它可以很轻易地获得提高，其能力也会增倍，这是机器能力的根本特质。而这种自我强化的智能最终会超过人类智能水平。 世界通用人工智能学会副主席、《通用人工智能》杂志主编、美国天普大学计算机与信息科学系副教授王培认为，首先需要理清人工智能的概念。他告诉《中国科学报》记者，目前主流认知是，“人工智能”就是要在计算机上再现“全部的”人类智力功能。 虽然人们不断尝试设计和构建“思维机器”，但是往往都以失败而告终。因此，科学家转而研发只在某个特定问题的解决上可以达到人类水平的计算机系统。 在王培看来，这种研究方向的根本问题是这类系统的能力完全由人设计决定，系统本身基本上没有适应性、灵活性和创造性。因此，这类系统不是真正的智能。 一种非主流认识是，“智能”代表着某种理性原则，人类的智能从来不是全知全能，但人类总是能在任意环境中找到最优解。因此，真正的智能的定义可以抽象为“在知识和资源相对不足的条件下的适应能力”。 所谓“适应能力”是指，系统面临的问题是实时发生的，对系统作出反应的时间是有要求的；同时，相对于所要解决的问题来说，系统只有有限的信息加工能力，比如记忆的容量、计算的速度；其次，系统必须是开放的，不对面临的问题内容加以限制。 如此一来，目前人们所了解的人工智能系统都不满足这种能力。但王培认为，这才是更接近公众心目中的人工智能观念，是灵活的、有创造力的。 这类系统是一个自适应系统，元程序设计会赋予其自主应对问题的能力，但是它所面临的每一个问题本身并没有程序可以依靠，而是全凭自己在环境中学习和积累经验。 “无论计算机技术如何发展，尽管真正的人工智能系统会在很多具体问题的解决能力上超过人类，但由于它没有生物属性，没有和人类完全相同的经验，所以不会在所有方面超越人类。”王培表示，未来的人工智能系统只是在某些方面和人具有可比性，而非整体超越人类。那么，人与系统之间的关系也不可能等同于人与人之间的互动水平。 三、人工智能真的可控吗 人工智能不会全面超过人类不意味着它完全可控。就连库兹韦尔也表示，失控的人工智能在逻辑上是完全可能的。 王培承认，“智能”往往被当作褒义词，但事实上，真正的智能在拥有灵活性和创造性的同时，也可能是不稳定、不可靠的。“人工智能目标在一定程度上可以说就是减少人对计算机的控制和干预。因此，智能越高，失控的可能性在理论上就越大，风险也就越大。” 这正好印证了伦理学家的担忧。我国著名生命伦理学家邱仁宗表示，伦理学认为解决这个问题的核心，是希望人工智能机器成为一个“人工道德行动者”，使它们能考虑他人利益，甚至拥有利他主义倾向。 美国机器智能研究院专门研究人工智能的安全发展，该机构奠基人尤德科夫斯基就曾提出了“友好人工智能”的概念，认为“友善”从设计伊始就应当被注入机器的智能系统中。但这个理论很容易被推翻。“一个明显的常识是：人类无法避免自己的一部分后代学坏。”江晓原说。 王培的看法是，一个智能系统的行为同时取决于其先天条件以及后天条件。对于系统设计本身，可以在某种程度上将人类普世的道德标准编进程序。但由于它拥有自适应能力，人类无法预见其行为的所有后果。 “人工智能的‘自主决策’仍是被它的经验所约束的，如果在其‘未成年’期对其输入信息控制，以达到社会认可的动机、知识、技能结构和水平，并在其成长过程中进行与机器相关的道德、法律等社会约束，通过终生教育和社会化过程，可以实现像对人一样的管理。” 他认为，这就是平衡自由和道德的手段，然而，这个平衡并不能事先保证。这也说明人工智能一定能成为“人工道德行动者”的证据是不明确的。 四、预防还是行动 有一种观点认为，在科技发展过程中，恐惧新技术的人都会振振有词地说：到此处为止，不要再进步。 然而，由于“智能”天生就无法控制，在邱仁宗看来，人工智能对人类构成的威胁是一种“存在威胁”，即人类存在本身都成为问题，没有一项其他科技可以与之对等。 “真正带有终极性质的问题是：我们究竟为什么需要人工智能？人工智能真的必不可少吗？”江晓原认为，“没有人工智能或者限制人工智能并不会影响人类生存，它影响的是资本增值。” 这也造成在该问题上两种截然不同的处理原则。预防原则要求，我们不能用试错法来处理生存危机。如果一个行为的后果未知，但是根据科学家判断有极小可能会带来巨大的负面风险，这一行为最好不要进行；行动派则认为，很明显，这就要求科学家在战略中要尽可能提高自信以对抗这种风险。阻止新兴技术带来的好处，可能会增加灾难性结果的可能性。 尽管两者无法达成一致，但人工智能研究是人类几千年来在意识层面上自我认识的努力的最新前沿，它将不会停止发展。 “目前在这个领域的研究成果还没有成熟到支持应用技术的程度。和所有科学领域一样，把不成熟的研究成果投入实际应用是危险的，尤其是那些可能产生深远影响的成果，因此它的伦理问题很重要。”王培坦言，作为人工智能的研究者，随时想着自己研究工作的社会后果非常必要。“但人工智能技术的具体伦理规范应当随着科学研究的进展而逐渐建立，而不可能在研究成果尚未成熟的条件下完善。” 江晓原也表示，在必须发展该技术的前提下，我们应该抱着慎之又慎的心态。虽然本质上不存在能对抗强人工智能的绝对保护措施，大力增加在发展防御手段上的投入，包括道德标准、法律标准和防御技术本身都是非常必要的。 此外，在他看来，当这样一项重大科技应用有可能引发伦理和社会问题时，应对方式应该是科学与人文、科学家与公众之间展开积极的对话，而非单向的传播和顺从。
中国人工智能发展迅猛，政府对人工智能也是很重视的。人工智能的专业方向有科学研究、工程开发、计算机方向、软件工程、应用数学、电气自动化、通信、机械制造，人工智能的前景虽然很好，但是它的难度系数很高，目前人工智能的人才需求量很大，相比于其他技术岗位，竞争度降低，薪资相对来说是较高的，因此，现在是进入人工智能领域的大好时机。人工智能的发展前景还是很不错的，原因有几点，智能化是未来的重要趋势之一、产业互联网的发展必然带动人工智能的发展、人工智能技术将成为职场人的必备技能之一。目前，人工智能在计算机领域得到了广泛的重视，我相信在未来的应用前景也会更加广泛。