低级人工智能 鹦鹉学舌，重复、模仿
高级人工智能 乌鸦喝水，因果驱动的人工智能
做自己的特色，相当于拿自己的专业知识去 “抢地盘”： 不同背景的人，在同一件事情时，大家各自有各种的优势，做为科学背景出身的人，不要想着去抢计算机出身该做的事情，原因有二，一如果这么做，自己需要付出比计算机人更多时间，学习冗余的知识；二在计算机科学中缺少掌握专业自然科学知识的人，如果自己不利用自己的优势去全力以赴，那么自己很难做出有影响力的工作，人活着一方面是活着，对于现在来说活着就是为了做一些有意义的事情，如果不是这样的话，和你存在不存在区别在哪里。
做自己行业的标准： 这个小标题我看起来真的很大，很没有头绪，但是这应该我奋斗的正确目标，方向大于努力。还要把一句话记在心头，不要指望靠调调别人的代码，就发文章。 不现实，这个赛道也不容易，自己已经有我经历了。要用一个架构把一个领域的问题统一起来。比如：薛定谔方程。
人工智能现状： “非基础学科” 领域不需要作出颠覆性的科学发现，多数时候只需要在已有的基础科学理论的基础上，基于已有的数据找出一定领域中变量之间的‘模式’即完成了科学发现。
但在一些 “基础学科” 领域，科学发现并不仅仅是找到数据和经验材料之间的 “联系” 这么简单，更多时候其实是在探索和发现新的变量，而由于人工智能当前更加擅长寻找 “相关性”，所以其在这些邻域应用的深度还不够；另一方面科学研究在多大程度上能够自动化，人工智能在科学发现的过程中能够起到多大的作用，还取决于人类对于科学研究活动和科学发现本质的理解。
名言： " If I have been able to see further, it was only beacuse I stood on the shoulders of giants." --Newton
机器学习数据来源：
- 理论计算可以快速产生大量数据。比较 “廉价易得”，但缺乏 “现实复杂度”。
- 过往的文献和数据库中有大量的数据。数据库的数据是结构化的，比较容易提取，但是文献中的数据是非结构化的，提取这些数据，往往需要具备一定的领域知识。然而手动提取效率太低、时间和经济成本太高。 可以借助自然语言处理技术来提取文献中的数据。
- 实验中获得的数据。非常稀少和珍贵。
深度语句收集：
朱松纯：说到了核心的一个问题，就是我们承认和接受未来社会就是大数据或者说是说不清楚的，而且这个模型就非得这个村，那个模型非得那个店，没有一个统一的说法，这是目前比较流行的说法。但我个人认为，这是一个很大的误区，科学的发展就是寻求最简化的解释，之所以变成现在这个局面，根本上是研究方法出现了问题。
什么意思呢？就是智能如果作为一个客观现象来拟合，那它的模型确实非常复杂。我们原来做了一个简单的判断物理与智能边界的实验（生命度），比如说一个房间里面两个物体碰撞，那是很简单的，几轮参数就可以拟合；但如果是两个人，一个人跑出去另外一个在追逐，有各种各样的社会关系，那物理模型（能量函数、大数据模型）是解决不了的，每一段的智能体运动都要用一个不同的模型来拟合，还是说不清楚。
但是，假设用一个唯心的价值函数，不再是能量函数来描述的时候，非常简单就把它描述清楚了。所以为什么我后来讨论 “理学” 和 “心学”？心学里面讲，“心即是理，心外无物”，它认为世界上那么复杂的智能现象都是由简单的价值观驱动，找到你的价值观，你所有的行为就不复杂。如果我专门去复制你的行为，那就是邯郸学步，拟合是拟合不完的。我一旦搞清楚你的价值取向、你的定位与格局，那你的一切行为都可以被很简单的动机所解释了。
所以我认为，现在整个人工智能，大家还是用原来的一个拟合方式，用大数据的办法想去解释人的所有的主观行为，这是走不通的。
- being 存在
- becoming 变化
- bdlieving 信念
吴家睿：对于青年科学家，我觉得破局涉及到三个方面。第一是涉及到理论的，大部分生命科学家都是在还原论的指导下开展工作，我们现在需要从系统论的角度来做，不然就会研究得越来越细，对一些很细节的事情过分得关注。从研究理论和思维方式来说，光看细节是不够的，要有系统的观点。
第二，研究方法，生命科学现在某种意义上是技术驱动，也有一个趋势就是研究内容追求流量、追求技术，我建议更多提倡思考、提倡理论。
第三，现在功利现象特别严重，要弘扬科学精神，比如日本花样滑冰运动员羽生结弦坚持跳 4A，他不追求金牌，而是追求超越人类极限。我们科学家不要去追求金牌、银牌、铜牌，而是要去跑得更高、更快、更远，奥运会精神应该发扬到科学研究上。福柯在他的自传里说了一段，如果科学不能带我们这些有知识的人走向迷途，那科学还有什么价值呢