Vicarious的研究从2010年就开始了，2013年宣布破解验证码测试(CAPTCHA)引起了广泛关注。但它非常神秘，2016年之前都没有公开任何论文或者可供研究的程序，学术圈对此也有所争议。（比如Yann LeCun，Yann LeCun about Vicarious. “AI hype of the worst kind”
14年9月的时候，那会儿我还在Orbeus创业，我们去Stanford参加BAVM（Bay Area Vision Meeting）会议，碰到Vicarious的一个创始人，一开始聊得还挺欢，我还热（傻）情（B）的向他展示我们的demo啥的，也讨论了一些supervised learning啊之类的问题。
回复 ( 7 )
采访到他们Cofounder了…
Vicarious的确是硅谷最神秘的人工智能公司，这家从2010年就专注通用人工智能(Artifical General Intelligent)的公司，吸引了Facebook CEO扎克伯格、特斯拉CEO马斯克、彼得.蒂尔和亚马逊CEO杰夫.贝索斯的私人投资。
其他投资人还包括雅虎创始人杨致远、Facebook联合创始人Dustin Moskovitz、著名投资人阿什顿.库彻，以及硅谷著名VC Formation 8和全球领先的工业机器人公司ABB等，目前已筹集7200万美元。
究竟是一家怎样的公司能同时让马斯克和扎克伯格等为其注资呢？
Vicarious的目标定位于“建立下一代的人工智能算法”。并且声称要构建“像人类一样思考的软件”，实现“人脑级别的视觉、语言和自动控制系统”，致力于研究通用人工智能，目前他们的研究重点是实现人工视觉识别系统。
Vicarious的研究有别于当前主流的强调数据重要性的深度学习技术体系，非常强调模型的重要性。他们利用神经科学的一些成果和启发来构建更通用的机器学习模型（比如基于Probabilistic Graphical Model），期待通过数量小、质量高的训练数据达到接近人类认识的效果。
Vicarious的研究从2010年就开始了，2013年宣布破解验证码测试(CAPTCHA)引起了广泛关注。但它非常神秘，2016年之前都没有公开任何论文或者可供研究的程序，学术圈对此也有所争议。（比如Yann LeCun，Yann LeCun about Vicarious. “AI hype of the worst kind”
当然，从应用角度来说，基于深度学习的判别模型更容易上手，但生成模型有更强的解释性，大部分变量都有实际的意义，更容易调试(debug)，在通往建立通用人工智能（AGI）的道路会更有竞争力。
此外，人脑的工作模式更有层次感，比如人眼观察东西，先是从形状出发，接下来可能是看颜色，在往下可能是材料和材质。深度学习则往往无法不能很好的把问题分解(factorization)，而Vicarious的模型能够很好的把问题分解，更接近于人类的思考方式。
Vicarious此次公开的三篇论文和生成模型有关，另外两篇是《Hierarchical compositional feature learning》
Vicarious的顾问团队包括计算机视觉领域的斯坦福教授Fei-fei Li，神经科学领域的UC Berkeley教授Bruno Olshausen 和JHU的教授Alan Yuille。
Vicarious目前没有自然语言处理和语音等方向的研究项目。
Vicarious如何赚钱？
Vicarious目前的商业化主要集中于仓储机器人领域，希望通过提供高智能、高效率的机器人来支持现代商业中至关重要的产业，例如仓储物流和工业生产线。另一方面，Vicarious的投资方对这个方向也表现出浓厚的兴趣，例如ABB和亚马逊等。
ABB是全球最大的工业机器人公司，而Vicarious正努力将他们的研究成果把机器人变得更智能。而亚马逊的仓储机器人也有潜在的应用场景。
由于目前深度学习的局限性，深度学习很难达到通用人工智能。Vicarious目前的研究，是深度学习的有益补充。
Vicarious这种模式不是普通人工智能创业者能玩的转的，商业化上要走的路很长，不过不管怎么样，研究方向的多样性都有利于推进人工智能的进步，无论重视模型还是重视数据都是值得探索的，不能偏废。
欢迎关注：严肃 – 知乎
AI专栏：Take AI Seriously
现在发展怎么样了不清楚，就讲个老故事好了~~
14年9月的时候，那会儿我还在Orbeus创业，我们去Stanford参加BAVM（Bay Area Vision Meeting）会议，碰到Vicarious的一个创始人，一开始聊得还挺欢，我还热（傻）情（B）的向他展示我们的demo啥的，也讨论了一些supervised learning啊之类的问题。
之后我问他做啥的，答曰做强人工智能的。
我一听，好屌，果然是小扎和elon musk投的，果然不一样。。
然后问具体做啥的？答曰，这个不能说……
—–囧囧囧———
连做什么都不能说，你来参加活动交流个毛线………（这里没有黑的意思哈）
:
Generative Shape Models: Joint Text Recognition and Segmentation with Very Little Training Data
A backward pass through a CNN using a generative model of its activations
Hierarchical compositional feature learning
看了几个答案。说下自己感受。
这并不意味着深度学习没有未来，因为至少它可以弥补人脑计算能力的不足。强人工智能似乎取决于人脑认知学的发展⋯⋯有空手套白狼嫌疑吧
不过有一点我赞同，未来的人工智能确实不应单纯依赖于大量训练样本，模型本身应当具有进化级别的自适应和泛化能力，这样才能称之为“智能”。也许两者结合才是最终方向「摊手」
被文中提到的几篇paper的引用数囧到了。
“万一中彩了呢？”
对这个公司不了解，就瞎扯点对智能的感觉性判断吧。
强人工一点的智能或许会出现，但具有自我意识的强人工无限进化智能则决定不可能出现。
目前所有产生意识的智能都是由宇宙里基本粒子按照它本有的规则逐层建构出来的，而现在已经知道的，在这个地球上，由宇宙自发建造的最强智能就是人类。为何宇宙不自发建造一个比人类级别更强的具有自我意识的强力智能？
原因就是这样的智能会破坏整个系统的稳定性。直觉是，在此宇宙，智能有个能力限制极值，这个极值就是——不能让它随意更改这个已经稳定的系统。这个系统按照既定的规律：爆炸、基本粒子产生、组合、原子层级、分子层级，聚集导致恒星星系产生，再依托于已经产生的恒星星系等去依照温度、资源等各种条件去筛选出细胞、组织、生物。目前人类就是这个系统在地球上所能自发产生的最高有意识智能了。再最后由某些条件触发宇宙毁灭。宇宙应该挺喜欢周期性地毁灭再创生，这就决定了，绝对不允许存在有意识的智能体的生命时间超过宇宙本身的存在时间。
有意识的智能体总是关注存活、生存、延续，他们想方设法提高自我的寿命，自我不能长存，就通过繁衍后代实现间接长存。
如果像某些人对强人工智能的定义那样：有自我意识、有维持自己存在的意图、有超强的能力、能推演出宇宙各个层级各种物质及其间各种交互的规则、有自我进化的能力…
这样的终点是?似乎什么都阻止不了这种定义下的强人工智能的指数级进步了。最终的结局就是：
强人工智能觉得太阳系比较无聊，他它把木星挪入天狼星系第13层轨道，顺便把地球改成木星的卫星一并挪入，并把银河系并入仙女座星系，并把其它即将大爆炸的宇宙通过它自己发现的手段进行强力锁定，导致这些个宇宙处于冻结状态不能爆炸，以防止即将或许可能产生的其它强人工智能对其的威胁，这就造成了许多的问题，既有的这些宇宙会被它改的面目全非，或者逻辑混乱，造成运行时各种安全问题。这不是这个系统所愿意或有能力承受的。
这也就是说，这个系统在存在的那一刻起，就带有某种限制，就是如果让某个智能知道此系统的一切规则，那就不能赋予这个智能关停此系统里所有宇宙的能力。如果它具备关停某个宇宙的能力，那绝对不能让它具有这样没有任何正当理由做了，还不收惩罚的情况出现，要么它随那个宇宙一同被系统本身给抹除，要么就对它的能力状态进行强制降级，它做的越多，降级的越多。最终的结果是，所有的智能，没有超越系统本身的能力，他们存在于系统中，是系统的组成部分，按直觉来说，怎么可能有大于这个系统的能力？
拿癌症细胞来看，系统（规则本身）最终的处理方式是要么让载体（动物或人）本身战争它，或者更多的情况是癌细胞扩散感染正常细胞，把系统（载体这个层级）修改的无法工作，最终触发系统（载体这个层级）停机条件。癌细胞最多达到载体系统这个层级就活不下去了，你还指望他感染其它载体，或者到其它星球去感染另外的载体，或者无限进化进而把所有宇宙都给感染了？
并行宇宙的好处是，一处当机，不影响其它宇宙。每个宇宙都有最够的时空间隔进行隔离。防止某处崩溃对整个系统的影响。
大体而言，某个层级的物体的能力是被锁定在这个层级的。它们所能产生的累积效应或许会叠加以至于产生宏观放大效应，但其实还是遵照它们所处层级的规则，它们并不能逾越所处层级。
同样道理，系统决不允许所谓强人工智能在并行宇宙尺度像癌细胞一样无限感染。到某个层级的极致就会触发一些潜在的机制进行回馈。
强人工一点的智能或许会出现，强人工无限进化智能再等几个宇宙爆炸周期看看吧。