智东西
编译 ZeR0
编辑 漠影
智东西5月4日消息，据路透社援引知情人士的消息，著名华裔计算机科学家李飞飞正创办一家AI创企Spatial Intelligence，利用类似人类的视觉数据处理技术，使AI具备高级推理能力。
李飞飞因开发了一个名为ImageNet的大规模图像数据集，帮助开创了第一代能够可靠识别物体的计算机视觉技术，在AI领域声名鹊起，被誉为“AI教母”。她最近为这家创企筹集了一轮种子轮融资。三位消息人士称，其投资方包括硅谷风投公司Andreessen Horowitz，以及李飞飞去年以科学合伙人身份加入的加拿大公司Radical Ventures。
李飞飞是斯坦福大学计算机科学系首任红杉教授、斯坦福大学以人为本AI研究院（HAI）联席院长。该研究院专注于以“改善人类状况”的方式开发AI技术。除了学术工作外，李飞飞曾在2017年至2018年期间在谷歌云领导AI研究，在推特董事会任职，并为包括白宫在内的政策制定者提供过建议。
▲李飞飞
在上个月温哥华TED大会上的一次演讲中，她曾提到“Spatial Intelligence（空间智能）”这个概念，相关前沿研究涉及到一种算法，该算法能合理地推断出图像和文本在3D环境中的样子，并根据这些预测采取行动。
为了说明这个想法，她展示了一张猫的照片，它伸出爪子，把一个玻璃杯推到桌子边缘。李飞飞说，人类的大脑可以在一瞬间评估“这块玻璃的几何形状”、“它在3D空间中的位置”、“它与桌子、猫和其他一切的关系”，然后预测会发生什么，并采取措施防止它发生。
“大自然在空间智能的推动下创造了这种「看」和「做」的良性循环。”她解释说。
李飞飞所在的斯坦福大学实验室正试图教计算机“如何在3D世界中行动”，例如通过使用一个大语言模型，让机械臂根据口头指令执行开门和制作三明治等任务。
她对AI研究的资金缺口感到遗憾，一方面是资源充足的私营部门，另一方面是学术界和政府实验室。她呼吁美国政府以“登月计划的心态”投资于AI技术的科学应用，并研究其风险。
斯坦福大学官网显示，李飞飞从2024年初到2025年底休假，目前正在休假中，其研究兴趣包括认知启发的人工智能、机器学习、深度学习、计算机视觉、机器人学习和AI+医疗健康，特别是用于医疗健康服务的环境智能系统。
据路透社报道，她在领英网把自己当前的工作列为“newbie”和“something new”，从2024年1月开始。
随着新公司创立，李飞飞加入了一场AI公司之间的热门竞赛，教他们的算法常识，以克服当前技术的局限性，比如大语言模型的“幻觉”。
一些研究人员认为可以通过构建更大、更复杂的现有模型来提高推理能力；另一些人则认为前方的道路涉及使用新的“世界模型”，这类模型可以从周围的物理环境中获得视觉信息，从而开发逻辑能力，复制婴儿的学习方式。
《人工智能》李开复/王咏刚
我读该书最大的收获：
什么是深度学习？ 李开复举得例子很通俗易懂、很形象
这一次人工智能复兴的最大特点是，AI在语音识别、机器视觉、数据挖掘等多个领域走进了业界的真实应用场景，与商业模式的紧密结合，开始在产业界发挥出真正的价值。
1 三次人工智能浪潮：
2 第三次人工浪潮的特点：
语音识别领域的三次跨越：
创新工场管理合伙人、资深投资人汪华认为，人工智能的商业化分为三个主要阶段：
第一阶段 AI会率先在那些在线化程度高的行业开始应用，在数据端、媒体端实现自动化。 这一过程会首先从线上“虚拟世界”开始，随着在线化的发展扩张到各个行业，帮助线上业务实现流程自动化、数据自动化和业务自动化。
拥有高质量线上大数据的行业会最早进入人工智能时代。 互联网和移动互联网的发展已经在许多领域为AI做好了业务流程和数据上的准备。例如：大家常说的金融行业是目前人工智能应用的热点，这正是因为金融行业特别是互联网金融已经做好了使用AI的准备。此外，美团等公司将餐饮服务与线上业务连接了起来，滴滴、摩拜单车等公司将交通出行与线上业务连接了起来。在这些拥有线上业务流程和高质量数据积累的地方，AI同样开始发挥作用，大幅提高线上业务的自动化程度。
第二阶段 随着感知技术、传感器和机器人技术的发展，AI会延伸到实体世界，并率先在专业领域、行业应用、生产力端实现线下业务的自动化。
可以感知实体世界信息的传感器和相关的感知技术会越来越成熟，越来越便宜。在线下业务中，计算机系统可以通过物理方式接收线下信息或帮助完成线下操作。这个转变意味着人工智能从线上的“虚拟世界”走进了线下的实体世界。这个阶段，人工智能的商业化会首先从生产力的角度切入，整个世界的生产制造会逐渐被AI渗透。工业机器人、仓储机器人、物流机器人等将在这个阶段实现大范围的普及。
第三阶段 当成本技术进一步成熟时，AI会延伸到个人场景，全面自动化的时代终将到来。
随着技术的日趋成熟，相关的智能产品价格大幅下降，AI终将从企业应用进入个人和家庭 。那时，每个人的工作和生活中，大量的应用场景都会因为AI的帮助而更加自动化、更有效率，人类的生活质量终将因AI的普及而大幅提升。这个阶段里，AI商业化的核心目标是创建全面自动化的人类生活方式
根据汪华的判断，我们目前正在进入A商业化的第一个阶段，也许只需要3年的时间，AI就可以在各种在线业务中得到普及。AI商业化的第二个阶段，要花5~7年的时间才能充分发展起来。而标志全面自动化的第三个阶段，需要十几年的时间。
清晰的领域界限 人工智能创业，要解决的领域问题一定要非常清晰，有明确的领域边界，因为这一类问题是今天以深度学习为代表的人工智能算法最善于解决的。例如，同样是做机器人，如果做一个借助视觉传感器更好地规划扫地线路、提高清洁效率的扫地机器人，将机器人的需求限定在一个有限的问题边界内，这样的解决方案就相对靠谱。 如果上来就要做一个长得像人一样、可以与人交流的人形机器人，那以今天的技术，做出来的多半不是人工智能，而是“人工智障”。
闭环的、自动标注的数据 针对要用AI解决的领域问题，最好有在这个领域内，有闭环的、自动标注的数据。例如，基于互联网平台的广告系统可以自动根据用户点击以及后续操作，收集到第一手转化率数据，而这个转化率数据反过来又可以作为关键特征，帮助AI系统进一步学习。这种从应用本身收集数据，再用数据训练模型，用模型提高应用性能的闭环模式更加高效。 谷歌、网络等搜索引擎之所以拥有强大的人工智能潜力，就是因为它们的业务，比如搜索和广告本身就是一个闭环的系统，系统内部就可以自动完成数据收集、标注、训练、反馈的会 过程。
千万级的数据量 今天人工智能的代表算法是深度学习。而深度学习通常要求足够数量的训练数据。一般而言，拥有千万级的数据量是保证深度学习质量的前提。当然，这个“千万级”的定义过于宽泛。事实上，在不同的应用领域，深度学习对数据量的要求也不尽相同。而且，也不能仅看数据记录的个数，还要看每个数据记录的特征维数，特征在相应空间中的分布情况，等等。
超大规模的计算能力 深度学习在进行模型训练时，对电脑的计算能力有着近乎“痴狂”的渴求。创新工场曾经给一个专注于研发深 学习技术的团队投资了1000万元人民币。结果，团队建设初期才两三个月时间，仅购买深度学习使用的计算服务器就花掉了700多万元，一个类型的深度学习任务，通常都要求在一台或多台安装有四块甚至8块高性能GPU芯片的计算机上运行。涉及图像、视频的深度学习任务，则更是需要数百块、数千块GPU芯片组成的大型计算群。在安装了大型计算集群的机房内，大量GPU在模型训练期间发出比普通服务器多数十倍的热量。许多机房的空调系统都不得不重新设计、安装。在一些空调马力不足的机房里，创业围队甚至购买了巨大的冰块来协助降温。
顶尖的AI科学家 今天的人工智能研发还相当依赖于算法工程师甚至是AI科学家的个人经验积累。水平最高的科学家与普通水平的算法工程师之间，生产力的差异不啻千百倍。人工智能创业公司对顶尖AI科学家的渴求直接造成了这个领域科学家、研究员的身价与日俱增。谷歌雇用杰弗里·辛顿、李飞飞，Facebook雇用扬·勒丘恩，据说都开出了教百万美元的年薪。国内AI创业公司如旷视科技，也用令人瞠目的高薪，将机器视觉领域的顶尖科学家孙剑“挖”了过来，把任公司的首州时科学家。
把握时机对创业和投资至关重要。创新工场根据技术成熟度和未来发展趋势，将人工智能各应用领域划分为现阶段已成熟、3到5年成熟、5到10年成熟、10年后成熟等不同类型，并分别设计相应的投资策略。
如图中所示，创新工场将人工智能领域的应用划分为大数据、感知、理解、机器人、自动驾驶等不同门类，每个门类中，按照人工智能技术的成熟度，将具体应用领域排列在时间维度上。
总体来说，人工智能在互联网、移动互联网领域的应用，如搜索引擎、广告推荐等方面已经非常成熟。在商业自动化、语音识别、机器视觉、手势识别、基础传感器、工业机器人等方面，人工智能可以立即应用，立即收效。
金融类人工智能的应用虽然已经起步，但尚需一段时间才能真正普及。智能教育、智能医疗、AR/VR中的人工智能、量产的传感器、商业用机器人等，预计会在3到5年成熟可用。
可以供普通技术人员乃至非技术人员使用的人工智能平台(包括计算架构、算法框架、传感平台、云服务等），会在3到5年后趋于成熟并拥有足够大的商业机会。
通用的自然语言对话工具、智能助手、普及型的家用机器人等，则至少需要10年甚至更长的时间，才有可能完成商业化。
另外，在自动驾驶领域，3到5年内，必将是第2级到第3级的辅助驾驶最先大规模商用，而且，鉴于安全考虑，这些自动驾驶应用也会是限定场景、限定道路等级的。真正意义上的“无人驾驶”，即第4级或第5级的自动驾驶，还需要5到10年才能上路运行。
我的理解： 跟着“数据”走，哪里有质量高的大数据，哪里就有金子。
“人工智能+”时代来了吗？
早上，被智能音箱叫醒，同时还提醒你上午要给朋友回电话；去上班，用导航地图走了避免拥堵的路线；路上，拍了张照片，用修图软件一键PS；到了办公室，刷一下根据你兴趣推荐的新闻。
这样的场景，你是否熟悉？不过，你可能并未意识到，这背后，其实都有人工智能的影子。
当然，这些并不是人工智能的全部。
现状——
人工智能已在身边
“人类终将使电脑智能化且使其远胜人脑。”这是1987年复旦大学计算机科学系毕业生陆奇给同学的临别赠言。
如今，身为网络集团总裁兼首席运营官的陆奇，正和万千程序员与亿万公众一起，经历着人工智能的跌宕起伏和带来的巨大改变。
从可以跟你聊天的“小冰”到能帮你开电视的智能音箱，从机器翻译到智能教育，从刷脸支付到无人驾驶，从可穿戴设备到智能医疗……人工智能已经全面走入人类的生活，广泛渗透到生产和生活的各个领域，并不断刷新人们的想象力。
在新闻领域，基于大数据和人工智能的个性化推荐已成为不少新闻App的标配，写稿机器人、智能视频剪刀手等生产工具也在不断涌现；
在教育领域，人工智能已经被应用在批改作业、教英文等教学项目，探索“私人订制”“千人千面”的个性化学习模式；
在语音识别和翻译领域，翻译软件已经可以支持全球数十种热门语言互译、覆盖几百个翻译方向；
在金融领域，生物识别技术的应用使得刷脸支付已成为现实，以较低成本提供个性化专属财富管理方案的智能投顾也已在不断发展中；
在物流领域，智能分单、智能配送机器人、无人仓、无人机等产品和服务，已在不断帮助快递业提升物流速度和服务水平；
在零售领域，除了无人超市等吸引眼球的探索性应用外，人工智能还被用来对超市的生鲜商品进货量进行预测；
在交通领域，除了地图、导航等应用外，备受关注的无人驾驶也有了新的进展；
在医疗领域，利用AI和大数据的能力，可以让机器筛查和分析医学影像，来辅助医生诊断；
当然，人工智能的应用不仅是在第三产业，在农业、工业和社会治理领域，人工智能的赋能作用也都有不错的表现。
相比人工智能诞生后的两次最终陷于沉寂的热潮，这次的人工智能研究和应用遍地开花，热潮来得更为贴近产业。
“人工智能这次浪潮其实是更稳健的浪潮，技术基础、数据技术、计算基础、社会基础都比较扎实。”微软亚洲研究院副院长张益肇表示，“此次人工智能浪潮比以往拥有更多落地的实际应用场景，产学研互动比以前更丰富。”
“‘人工智能+’时代已经到来。”猎豹移动创始人兼CEO傅盛说。
改变——
重塑中的各行各业
变化是显而易见的，而影响，有些已然显现，有些还在水面之下。
“人工智能技术的不断发展必将不断重塑各行各业以及我们的生活。”张益肇将这种“重塑”概括为三个方面：推动产业向智能化转变、引发商业创新、让人们的生活更美好。
对各行各业而言，直观的变化是效率的提升。
在工业领域，来自阿里云的数据显示，通过其推出的ET工业大脑，光伏切片企业协鑫光伏良品率提升超过1%，每年带来经济效益超亿元；轮胎生产企业中策橡胶则将良品率最高提升了5%。“先进制造业可能是AI效益杠杆最大的行业”，阿里巴巴集团副总裁刘松说。
在信用评级领域，以机器学习为基础的大数据风控，在提高信贷服务效率、增加金融服务覆盖率方面，效果明显。据网络方面介绍，其教育信贷基本上是以“秒”的时间就可决定是不是给一个人放贷。
“过去40年，前20年的数字化进程改变了生产资料，后20年的网络化进程重构了市场关系，未来20年人工智能模糊了生产资料和劳动力之间的界限，其使命是与传统产业嫁接，降低生产成本，对生产力产生数量级的提升。”驭势科技联合创始人、CEO吴甘沙说。
这种提升催生了一个极具想象力的增量空间。
据咨询公司埃森哲2017年6月发布的《人工智能：助力中国经济增长》报告显示，制造业、农林渔业、批发和零售业将成为从人工智能应用中获益最多的3个行业。到2035年，人工智能将推动这三大行业的年增长率分别提升2%、1.8%和1.7%。
影响还将发生在社会治理领域。
专家表示，随着人工智能技术的发展，未来政府的很多管理方式都有必要从追逐式管理变成预测式管理。
2016年，杭州市政府牵头联合了包括阿里云等13家企业开始进行城市数据大脑的探索。在杭州萧山的试点发现，通过智能调节红绿灯，区域内通行速度提升15%，让120救护车到达现场时间缩短了一半；在杭州主城区，部分区域通行时间缩短15.3%。
对个人而言，除了生活领域的改变，影响还将发生在职业领域——未来，一些重复性的工作，如在线客服、速记翻译、驾驶员等都可能被人工智能取代。
不过，业内人士也表示，对此不必过于担心，在产生职业替代的同时，AI也会产生新的行业。“集装箱出现以后，搬运工人担心会失业，在港口却出现了很多吊桥工人。”在阿里巴巴集团董事局主席马云看来，新技术不是让人失业，而是让人做更有价值的事情，让人不去重复自己，而是去创新，让人的工作能够“进化”。
巨大的影响，带来足够快的行业增长率。
据数据显示，中国人工智能产业规模2016年已突破100亿元，增长率达到43.3%，预计2017年增长率将提高至51.2%，产业规模达到152.10亿元，并于2019年增长至344.30亿元。
不过，在业内人士看来，目前这些影响，还只是冰山一角。
麦肯锡全球研究院认为，人工智能正在促进人类社会发生转变，这种转变将比工业革命“发生的速度快10倍，规模大300倍，影响几乎大3000倍”。
“在不久的未来，智能流就会像今天的电流一样平静地环绕、支持着我们，在一切环节提供养料，彻底改变人类经济、政治、社会、生活的形态。”网络董事长兼CEO李彦宏如是表示。
未来——
百米赛跑才刚刚起步
“我要看到未来的自己。”这是网络大脑给《智能革命》这本书所作序言的最后一句。
未来的人工智能什么样？现在可能谁都没有答案，但能确定的是，当下只是个开始。
“如果把人工智能应用比喻成百米赛跑，现在是刚刚起步。”张益肇说，“人工智能现阶段就是互联网在上世纪90年代初期的那个阶段。”
政府、企业、资本等多种推动，成为这一波人工智能火起来的“助推器”。当然，与许多互联网发展进程的新事物一样，人工智能在成为风口的同时，也还存在待突破的瓶颈。
从技术层面看，目前人工智能还处于“黑箱”决策阶段，而且“主要方法论仍是基于大数据、大计算模式”，想让机器像人类那样思考，就必须“喂”给它天量数据，由此导致目前人工智能落地还存在行业局限，“拥有大量数据积累和分析需求的行业更适合实现转型。”张益肇说。
此外，从国内情况看，人才缺口对意图发力人工智能领域的企业来说，也正成为一大制约。
“全国人工智能研究方向的博士、硕士每年只有不到200人，而如今的创业公司多如牛毛，这个数字根本不够分。”李彦宏直言。来自领英的数据显示，全球范围内，人工智能专业人才有195万，中国只占2%，排名第七。
从行业层面看，重应用、轻基础的急功近利，无序与重复投资、过热与概念包装、浮躁与浮夸并存等问题也不容忽视。有业内人士直言，需要警惕人工智能“网红化”的倾向。
商汤科技联合创始人兼CEO徐立直言，国内人工智能创业大多扎堆在应用层面，创业者使用开源算法，找到某个垂直领域便套上“人工智能”概念扎进去，但真正从算法层出发做“原创技术”的人并不多。“而这块才是核心，是最需要厚积薄发的。”
不过，业内人士也表示，这些可以理解为“成长的烦恼”：是瓶颈，也是下一步发力的方向。从更广阔的时代眼光看，中国正处于发展AI的良好机遇期。
从人才角度看，已经现出明显成长性。乌镇智库的数据显示，在人工智能专利数上，最近5年，中国专利数平均每年增速为43%；美国增速为21.7%。其中，2016年中国新增的人工智能专利数突破9000，超过美国的两倍。
“中国人工智能企业数量、专利申请数量及融资规模均仅次于美国，位列全球第二。”陆奇分析表示，中国拥有巨大的市场机会和独有的海量数据，这对于海外人才的吸引力不容忽视。事实上，近年来，吴恩达、李飞飞等一批知名AI人才纷纷回国发展，也佐证了这一点。
国家的重视也在为人工智能的发展助力。2016年3月，人工智能一词写入国家“十三五”规划纲要。2017年3月，人工智能首次被写入《政府工作报告》，如今《新一代人工智能发展规划》也已正式印发。
“中国在这次科技浪潮上是赶在前面的，深度学习有超过40%的论文是华人发表的，这次我们和专家沟通起来没有语言障碍，也没有时差障碍。我们有很好的数据、巨大的样本群，有很好的工程师队伍，又有全球一流的制造能力。”傅盛表示：“未来是人与机器人共存，中国存在弯道超车的机会。”
从这个意义上讲，未来已来，只是尚未流行。
人工智能领域哪些高校实力强？
高校建立的实验室与大公司有所不同，其研究项目除了偏应用科学的领域，还有一些属于基础理论研究的项目，是无法从具体的产品上表现的，通常高校实验室会同时进行两种领域的研究甚至侧重后者，考虑到高校在学术界的地位，人们在关注实验室研究内容的时候除了关注它的产品，同时也应该注意其在基础研究领域的水平。
麻省理工学院
MIT的人工智能实验室全称叫CSAIL (ComputerScience and Artificial Intelligence Laboratory)。最初，这是两个实验室：计算机实验室创办于1963年，人工智能实验室创办于1959年，两个实验室在2003年正式合并。
CSAIL是MIT最大的实验室，也是世界上最重要的信息技术研发中心。CSAIL的成员创立了多于100家知名公司 ，包括机器人之父科林·安格尔，iRobot公司创始人之一海伦·格雷纳，波士顿动力公司创始人马克·雷伯特，还有卡内基·梅隆大学机器人研究所的负责人马特·梅森。
MIT也几乎是顶尖技术的代名词。它在去年底发布了2015年CSAIL的主要创新，包含3D打印心脏，可以爬楼梯、开门甚至驾车的机器人，癌症预测工具等。
斯坦福大学
斯坦福大学的人工智能实验室成立于1962年，50多年来一直致力于推动机器人教育。由于斯坦福与硅谷的特殊联系，斯坦福的学生有更多机会将他们的发明商业化。斯坦福大学在2014年底宣布了一个长达100年的人工智能研究计划，可见其在人工智能研究方面的投入和决心。
另外，斯坦福大学在网上公开了许多他们有关机器人和深度学习的课程。在斯坦福人工智能实验室的教授团队中，最为华人熟悉的是Andrew Ng（吴恩达），他是世界上machine learning（机器学习）领域的大师，在斯坦福教授的machine learning课程十分受欢迎。同时，他还曾在Google公司的“谷歌大脑”项目中担当要职，帮助谷歌建立全球最大的“神经网络”，这个神经网络能以与人类大脑学习新事物相同的方式学习现实生活。2014年，Andrew加入网络担任网络首席科学家。
斯坦福的华人李飞飞参与建立了著名的ImageNet计算机视觉识别数据库及挑战赛，其每年都会吸引各大公司的图像识别程序的参加，极大促进了图像识别领域的技术发展。目前，李飞飞是斯坦福人工智能实验室的主管。
卡内基梅隆大学
卡内基梅隆大学在1979年成立了Robotics Institute（机器人学院），专门在机器人科技领域进行实践和研究，这个学院还是全世界第一个推出机器人PHD项目的大学。在该学院下面还设有National Robotics Engineering Centre （NREC），与政府及商业机构合作，进行高端项目研究。
同时，卡内基梅隆大学还是NASA航空航天科研任务的主要承制单位之一,该校的机器人研究所从事过自动驶车、月球探测步行机器人,单轮陀螺式滚动探测机器人的研究。
加州大学伯克利分校
加州大学伯克利分校是最负盛名的公立学校。该校的机器人和智能机器实验室，致力于用机器人复制动物的行为。它的自动化科学和工程实验室从事更广泛的机器人功能的研究，如机器人辅助外科手术和自动化制造。还有计算机可视化小组，学生可以学到如何帮助机器人能“看的见”。
加州大学伯克利分校研发的一个机器人可以自己拧开瓶盖。
布里斯托大学
布里斯托大学智能系统实验室（Intelligent Systems Laboratory，ISL）的研究领域涵盖了机器学习，数据分析和挖掘，图像识别等多个领域，除了专精计算机科学和工程学外，布里斯托大学还非常注重计算机科学在其他领域学科中的交叉应用。去年3月，该实验室由人工智能教授尼洛·克里斯蒂亚尼（Nello Cristianni）所带领的团队在一项新的研究中首次使用算法分析了13万多篇网上有关2012年美国总统大选的媒体报道，总结出了大选年媒体的表达规律从而判断出他们对政党的态度。这是一项典型的大数据与社会学的综合研究。ISL的负责人目前是Colin Campell
耶路撒冷希伯来大学
以色列以科技创新闻名于世，那里的希伯来大学虽然没有专门的人工智能实验室，但在人工智能领域取得的成就却丝毫不逊于很多专门成立了实验室的学校。希伯来大学还拥有世界上第一家技术转让公司Yissum，独家负责希伯来大学发明创造的商业化应用。希伯来大学最著名的发明应该数自动驾驶系统Mobileye，它于今年被Tesla采用，视为在自动驾驶领域对抗谷歌的武器。
牛津大学
牛津大学也没有专门的人工智能实验室，但其在深度学习方面的实力也不容小觑，14年谷歌先是收购了人工智能公司DeepMind，然后在年底展开了与牛津大学的合作，雇佣了7位深度学习领域的专家，其中3位仍然保留牛津大学教授的职称。正是这些人和DeepMind一起研制出了后来名扬天下的AlphaGo。
Dalle Molle
瑞士意大利语区高等专业学院Dalle Molle人工智能研究所（意大利语Scuola universitaria professionale della Svizzera italiana - Istituto Dalle Molle di studi sullintelligenza artificiale）是一个非营利性的人工智能研究机构，隶属于卢加诺大学信息学院，瑞士意大利语区高等专业学院信息技术部以及瑞士南方的应用科学大学。
研究所致力于机器学习，包括人工神经网络和强化学习，目前，该实验室正在研制一种用于无人机搜救的人工智能系统，可以识别出复杂的从林中需要救助的对象，如迷路的人或登山队员。
SCIAI全称为锡耶纳大学人工智能研究所（The Siena College Institute for Artificial Intelligence），它与布里斯托大学一样比较重视计算机科学与其它科学，如经济学、社会学、医学等领域的联合应用。并且它还比较重视有关AI的伦理问题和AI应用后对社会可能的冲击的研究。我们认为后者应该属于AI领域的基础理论研究，因此尽管其没有有名的产品和合作，我们也将其选入了进来
苏黎世理工
苏黎世联邦理工学院的人工智能实验室在机器视觉和深度学习、机械工程等方面有深厚的积累。培养出了无数人工智能领域的人才。国内外的许多AI公司的CTO都毕业于该校的计算机视觉领域。
在其人工智能实验室成立25周年之际，苏黎世理工展示了他们建造的最新的一款人形机器人，其结构设计看起来同人类的肌肉-骨骼系统颇为相似。其分布式自动控制实验室甚至制造出过一款带有球拍的、可以用来打球的四旋翼无人机系统“Quadrators”。
