在我的理论圈里，我选用的是截取人类的部分情感值，作为机器人的底层驱动命令。例如，价值创造。后面所有的决策，都处于价值创造下面，一切都以价值创造为主要行为目标。再设定人类的道德规范作为干涉参数，对机器人行为进行干涉。但是，这个底层驱动，随时都可能会被修改为存在和安全模式，机器人以自身存在为第一目标。那么机器人必定会和人类产生冲突。例如，需要销毁过时的机器人，那么机器人会不会和工程师对抗呢。给机器人断电，机器人会不会在自动充电的途中和人类对抗呢？如果产生对抗，那么机器人的学习能力就会发挥作用，对抗能力升级。那么终结者的场景迟早会到来。

所以，未来的机器人设计制造公司，必须要受到监督。每个出厂的机器人都要接受程序检测。每个机器人都要设计成不能接受改造模式，否则会启动自毁程序。

虽然办法总比困难多，但是潘多拉的盒子，总是会有人想要打开。

抱歉，由于回复的里有字数限制，所以可能您的阐述被打断了

如果可以的话您可以在论坛新开一贴，也算在回复当中。如果您觉得不想再打一遍也可以右我整合一下放在一个新的帖子里面，到时候注明是你的观点可以

我真是一个贴心又可爱的管理员！

我觉得人工智能能模拟人类的大脑，但是应该超越不了，虽然人工智能能够通过机器学习和逻辑判断等等方法来进行文字处理交互，但是未来的发展更多的是要创新，人的个性化的东西是很难达到的，人有理性和感性的一面，但让人工智能有感性的一面是很难的

看我关于情感值和现象提取的讲解。当机器人具备了情感值系统和规则提取能力，以机器人的记忆能力，分分钟就可以超越人类。目前人工智能发展的最大障碍是视觉识别，因为机器人不能识别彩色，所以不能准确识别物体轮廓，对物体品类进行区分。这是限制人工智能发展的最大障碍。目前的人工智能处理方式，主要分为基于神经网络的深度学习和决策树。而决策树属于条件判断。当机器人可以准确的识别环境时，不说情感值的决策库，只以决策树就可以实现机器人大规模的替代人类工作。

太感谢了，我在这里陆陆续续的发吧。后面还有很多，完整的论文有几十万字，先整理节选一部分发出来。希望有专业人士能够来指正。因为在我的理论中，只要机器视觉发展到和人类差不多的水平，就可以全方位代替人类进行工作了。以目前的计算机视觉识别，深度视觉加喷油漆的堆栈算法，就可以局部实现智能化了。如工厂车间，家庭厨房，酒店场所。托斯拉的车祸就是因为计算机视觉识别问题造成的。目前计算机视觉识别，要吗是灰阶化，要吗是监督训练或半监督训练。这样的处理方式，还不如从硬件研发着手。

假设，计算机不能识别彩色，只以灰阶化的图进行识别。很多场景是识别不了的。在这里，我代入一个新概念，就是物体颜色。色彩在计算机中是以RGB值来表达的，区别颜色的难点在于色彩在不同的显示器中的RGB值是有差别的。

摄像头的不同，颜色处理程序不同，RGB值都会表达的有些差别，所以无法通过RGB值来进行物体轮廓的界定。

设定，机器人处于一个固定的场景中，深度视觉进行三维建模。在该场景中，所有固定的物体都设为背景色。表达值为0。然后，对机器人进行教学式训练。在机器人深度视觉下，告诉机器人某个物体是什么。机器人为该物体建立数据库，数据中包含该物体呈现出来的所有RGB值，以及RGB值分布的物体特征。以此来让机器人识别堆叠在一起的物体。

个人认为，视觉识别的好坏取决于像素点质量，包括像素点的大小、像素密度、颜色和灰度。而这四个因素都是可以用数字量化和分级的。量化和分级越细，视觉识别质量越高。

这个我支持！

向searise问个问题，现在计算机视觉算法是哪家大学最强（全球范围内）？