1. DARPA1.1. DARPA仍然是世界領先的尖端高科技研究推動者之一，資助研發人員開展各個領域的前沿研究，從自動駕駛汽車到植入式神經芯片，從複雜的系統分析（比如分析氣候變化）到網絡安全，無一例外1.2. 開發一個能夠解釋如何以及爲何做出決策的人工智能系統1.3. 在比賽中實現自動防護、自動攻擊，完全不需要進行任何人工幹預1.3.1. 人類可以概括並處理各種不同的黑客理念和策略1.4. 許多機器都能做出准確的決策，但它們沒有被投入使用，因爲人們無法信任機器2. 認知時代的騎士2.1. 美國、以色列和中國在認知時代的“騎士”中脫穎而出2.2. 以色列2.2.1. 盡可能讓外人難以潛入系統，部署複雜的內網來快速識別和捕捉各種威脅2.2.2. 通過預備役部隊的機制，其他人工智能和數字技術專家會回到中心當導師2.2.3. 情報界及其對信息分析的關注推動了各種類型的大數據研究2.2.4. Cybereason公司2.2.4.1. 分析攻擊者侵入系統後可能會做的事情，找到他們，並將他們掃地出門2.2.4.2. 既需要先進的技術，也需要對黑客的操作有足夠深入的了解2.2.4.2.1. 總是能想方設法地進入系統2.2.4.2.2. 對攻擊者來說，最大、最困難的問題是他們在進入系統以後做什麽2.3. “可解釋性”對某些類型的人工智能模型來說看似合理，但我們要理解更新的、日益複雜的技術，還有很長的路要走2.3.1. 雖然人類能很好地理解因果模型，但當變量太多時（比如氣候模型），人們就會感到無能爲力2.3.2. 機器也許能針對非常複雜的過程構建模型，將成千上萬的變量考慮在內，並做出超出人類認知範圍的決策2.3.2.1. 即使最精英的人士、最訓練有素的人類頭腦，仍然對人工智能如何預測股價漲跌感到費解2.3.3. 可能需要機器來理解並解釋其他機器，簡單概括其內部的運作方式2.4. 機器意識相當于一個蹒跚學步的孩子，而我們想讓它進行基因工程等其他重大的分析研究2.4.1. 哲學家戴維·查默斯3. 寒武紀國家3.1. 具有強大的創業生態系統，這些系統與其強大的學術機構緊密相連3.2. “寒武紀的騎士們”利用軍事開支和資源在一系列人工智能應用領域打造專業技能3.2.1. 國防創新延伸到學術和私人領域，推動了一系列非軍用的商業應用3.3. 中國3.3.1. 由政府推動3.3.2. 馬少平3.3.2.1. 在清華大學扮演著橋梁的角色3.3.2.2. 專注于搜索和信息檢索3.3.2.3. 龐大的消費者基數及其産生的海量數據爲中國初創企業創造了更多的機會3.4. 美國3.4.1. 由民營部門推動3.4.2. 美國並不像以色列那樣把每個公民都當作軍人，但它的軍事部門和民用部門之間保持著密不可分的聯系3.4.3. 李飛飛3.4.3.1. 斯坦福大學人工智能實驗室的主任3.4.3.2. 領導了ImageNet（圖片網）的開發3.4.3.3. 好算法並不意味著好決策，它還需要好數據3.4.3.4. 在努力改變人工智能領域的思維方式，不僅要應對技術挑戰，更要培養解決問題的人3.4.3.5. 希望人工智能的發展能向世界人民開放3.4.4. 周以真3.4.4.1. Jeannette Wing3.4.4.2. 在卸任微軟研究院全球各核心研究機構負責人之後，來到了哥倫比亞大學數據科學研究所3.4.4.3. 與學術界相比，産業界具有“大數據和大計算”兩大優勢，但周以真可以嘗試解決人工智能模型和相關議題背後更深層次的根本問題3.5. 盡管中美兩國存在文化、政治和經濟差異，但兩國內部和兩國之間完整的發展生態和相互促進的作用使它們從其他國家中脫穎而出3.5.1. 它們以獨特的方式結合了數字大亨、領先院校、創業精神和文化活力3.5.2. 成熟的技術轉讓項目和更爲健全的企業基礎設施進一步推動了這樣的流動4. 城堡國家4.1. 擁有世界上最傑出的科學技術人才，但它們還未打造出合適的創業環境，這種環境能夠建立和壯大龐大的民營部門數字巨頭4.2. “即興表演藝術家們”已經找到了鼓勵或開發獨特先進技術的方法，這些技術可以解決許多發展中經濟體所面臨的問題4.3. 俄羅斯4.3.1. 米哈伊爾·布爾采夫4.3.1.1. Mikhail Burtsev4.3.1.2. 研究模擬人類認知能力的進化過程4.3.1.3. 專注于理論研究，試圖轉變一些俄羅斯控制論的觀點，並開發出一種新的方法，讓機器學習的模型彼此互動4.3.1.4. iPavlov4.3.1.4.1. 該項目既反映也掩蓋了外界對俄羅斯人工智能的一些刻板印象4.3.2. 人工智能是未來地緣政治力量、安全和影響力的重要組成部分4.3.3. 當地的初創企業生態系統幾乎得不到任何支持4.3.3.1. 往往由政府支持的大型公司和銀行限制了資本流向新興企業，也限制了技術成果從學術界向民營部門轉移4.3.3.2. 大公司在産品或服務完全成熟之前不會做出承諾4.3.4. 俄羅斯比歐盟成員國更傾向于將計算機科學和數學技術應用于國防和國家情報領域4.4. 西歐4.4.1. 表現出與俄羅斯相似的情況4.4.1.1. 其産業界和學術界的距離比中美産業界和學術界的距離更大4.4.2. 歐洲模式結合了先進的科研學術能力、規模龐大的制造業基地和更加開放的數據共享模式4.4.2.1. 人工智能開發主要在制造業和其他傳統行業領域4.4.3. 加上歐盟對于數據隱私和安全問題的嚴格規定，歐洲的創新環境受到了更加嚴格的限制4.4.3.1. 無論人們如何爲這些數據隱私規定說好話4.4.4. 人工智能開發傾向于圍繞客戶交易數據、從物聯網搜集的數據和B2B（企業對企業）應用程序進行構建4.4.5. 英國4.4.5.1. 英國已經成爲一些世界數字巨頭的重要據點4.4.5.2. 人工智能的起源要追溯到艾倫·圖靈（Alan Turing）和英國的布萊切利公園4.4.5.3. 劍橋、牛津等大學已經建立了世界著名的高科技研究中心，招募了尼克·波斯特洛姆、揚·塔林（Jaan
Tallinn）、休·普賴斯（Huw Price）等著名專家
4.4.5.4. 智能機器可以反饋清晰明確的答案，但往往不會關注那些“沒有贏家，只有對話、觀點或者討論”的問題4.4.6. 法國4.4.6.1. 法國社會一直因其對技術的批判而臭名昭著，但馬克龍希望通過跨學科研究爲人工智能提供一種全新的視角4.4.6.2. 每個公民的人性是一個充滿活力的民主國家不可或缺的組成部分4.4.6.3. 全球人工智能競賽將成爲一場捍衛人類智慧的卓越地位和歐洲主權的競賽4.4.7. 德國4.4.7.1. 達米安·博思（Damian Borth）4.4.7.1.1. 德國人工智能研究中心（DFKI）的深度學習中心主任4.4.7.1.2. 希望政府出台一套更細致入微的監管規定，既提供必要的保護，又不抑制行業創新4.4.7.1.3. 如果人工智能系統會對人類生活産生影響，它就歸入A類，受到更嚴格的監管4.4.7.1.4. 如果它能影響環境，但不能直接威脅人類，它就歸入B類4.4.7.1.5. 以此類推，危害越小，對該技術的限制就越少4.4.8. 歐洲已經形成了一個比俄羅斯更爲完整的創業生態系統4.4.8.1. 愛沙尼亞首都塔林俨然成爲網絡安全中心，是世界上最先進的數字政府中心之一4.4.8.2. 瑞典哥德堡和芬蘭赫爾辛基都推出了北歐人工智能項目4.4.8.3. 瑞士的洛迦諾，一個擁有6萬人口的風景如畫的小鎮，它是人工智能先驅尤爾根·施米德胡貝（Jürgen Schmidhuber）的家鄉，也是達勒·默勒人工智能研究所（IDSIA）所在地
