未来机器智能的场景与分支点
通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的新数据生成实现类人复合创新的可能路径。
May, 2024
本文围绕超级人工智能主导的多人工智能竞争情况展开讨论，分析单一人工智能主导和多人工智能竞争对于人类整体利益的影响，并得出多人工智能竞争更有利于人类的结论。最后，本文提出了一些推进人工智能发展的建议。
Sep, 2022
该研究通过分析制度和博弈理论假设，证明了在 “思维自由”、“开放获取” 和人类代表性竞争对手的理性下，超人级人工智能 AI * 不存在。因此，该研究提出了两个立即的公共政策建议：严格监管数字化人脑的克隆，并禁止假设 AI * 访问大脑；AI * 研究应成为广泛甚至公开可获得的。
Sep, 2022
探讨了人类智能与人工智能在预测特定结果方面的优劣，提出了在未来几十年内的劳动分工典范可能是混合智能。这个概念旨在利用人类智能和人工智能的互补优势，以使它们能够比两者分别表现得更好，并探讨了其在组织上下文中的应用。
May, 2021
人工智能在几个关键方面仍然比人类智能有限，如在理解上下文、言外之意和微妙线索方面的能力。本文展望了可能用于缩小人类智能与机器智能差距的机器智能候选方法，重点讨论了当前人工智能技术的不足，以及层次规划和能量基、潜变量方法以及联合嵌入预测架构方法如何帮助弥合这一差距。
Aug, 2023
本文总结了有关高级认知过程及其与生物硬件的关系的部分现有知识，因此可以发现一些悖论，这可能影响未来技术和人工智能的发展：我们可能制造出高级认知机器，但会牺牲机器的主要属性 —— 精度。
Jun, 2017
本研究论文旨在借助复杂系统、网络科学和人工智能的交叉领域构建社交人工智能的基础，并探讨了社交人工智能领域中的主要问题、可能出现的技术和科学挑战，以及未来的研究方向。
Jun, 2023
该研究报告提出了未来十年（甚至更长时间）人工智能领域的视野，通过主动推理实现智能系统的自我感知和共享感知，从而带来了共享智能和集体智能的新生态，该生态需要建立通信协议和共享空间建模语言。
Dec, 2022
人类有理智推断的能力，是人工智能系统需要学习的技能之一。本文通过研究一个涉及伦理规则的数据集，提出人工智能系统应如何实现可以模仿人类成因推断的能力，并给出了相关建议。
Nov, 2019