雖然和機器人戀愛結婚，是科幻作品中常有的情節(jié)，我們已經見怪不怪了，但如果說讓我和機器人美女結婚，我是絕對不能接受的。即使她是“大美女”。和機器人結婚，我們每天醒來是這樣的。

至于為何不會和機器人結婚，原因有以下三點：

第一，機器人畢竟是人工智能研發(fā)的機器，他的大腦也好，情感也罷，甚至現在很多智能機器人被賦予“人類好感度”的功能，但無法否認的是她只是一個冷冰冰的機器。人有七情六欲，喜怒哀樂。你也許可以把機器人設計成一個溫柔大方、性感美麗的樣子，但無法讓我們感受到從陌生到熟悉再到互相信任的過程。第二，可能和一個被賦予完美女性特征的美女機器人結婚在一些人看來是件美妙的事，在我看來未必。作為一個機器人她會遵從你的想法生活，會讓你事事順心，但這樣的生活是否過于乏味呢？當我們漸漸老去，她每日不變的容貌總會讓人感到不舒服。美麗的容顏人人都喜歡，但作為結婚對象還是無法接受。第三，和機器人結婚不得不面對的一個重大的缺陷是現在科學完成不了的，那就是孕育后代。畢竟男女結婚不單是為了魚水之歡，孕育后代更是我們必須面對的問題。如果這方面的生物工程技術不能與人工智能完美融合，那么，性能再完美的機器人也只是仿生，而不是生命！當然，既然有人能喜歡充氣娃娃，就一定會有人喜歡機器人，或許人類自己都無法阻止與機器人戀愛或者結婚。相比于技術，我們更需要在社會，倫理等方面做好接納機器人的準備。

有哪些權威的人工智能機器人大會和AI機器人論壇？

以下是轉自南大周志華教授的博客上世界頂級人工智能會議總結IJCAI (1+)AI最好的綜合性會議, 1969年開始, 每兩年開一次, 奇數年開. 因為AI 實在太大, 所以雖然每屆基本上能錄100多篇（現在已經到200多篇了），但分到每個領域就沒幾篇了，像machine learning、computer vision這么大的領域每次大概也就10篇左右, 所以難度很大. 不過從錄用率上來看倒不太低,基本上20%左右, 因為內行人都會掂掂分量, 沒希望的就別浪費reviewer的時間了. 最近中國大陸投往國際會議的文章象潮水一樣, 而且因為國內很少有能自己把關的研究組, 所以很多會議都在complain說中國的低質量文章嚴重妨礙了PC的工作效率. 在這種情況下, 估計這幾年國際會議的錄用率都會降下去. 另外, 以前的IJCAI是沒有poster的, 03年開始, 為了減少被誤殺的好人, 增加了2頁紙的poster.值得一提的是, IJCAI是由貌似一個公司的”IJCAI Inc.”主辦的(當然實際上并不是公司, 實際上是個基金會), 每次會議上要發(fā)幾個獎, 其中最重要的兩個是IJCAI Research Excellence Award和Computer & Thoughts Award, 前者是終身成就獎, 每次一個人, 基本上是AI的最高獎(有趣的是, 以AI為主業(yè)拿圖靈獎的6位中, 有2位還沒得到這個獎), 后者是獎給35歲以下的 =青年科學家, 每次一個人. 這兩個獎的獲獎演說是每次IJCAI的一個重頭戲.另外, IJCAI 的PC member 相當于其他會議的area chair, 權力很大, 因為是由PC member去找 reviewer來審, 而不象一般會議的PC member其實就是 reviewer. 為了制約這種權力, IJCAI的審稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位.

AAAI (1)美國人工智能學會AAAI的年會. 是一個很好的會議, 但其檔次不穩(wěn)定, 可以給到1+, 也可以給到1-或者2+, 總的來說我給它”1″. 這是因為它的開法完全受 IJCAI制約: 每年開, 但如果這一年的 IJCAI在北美舉行, 那么就停開. 所以, 偶數年里因為沒有IJCAI, 它就是最好的AI綜合性會議, 但因為號召力畢竟比IJCAI要小一些, 特別是歐洲人捧AAAI場的比IJCAI少得多(其實亞洲人也是), 所以比IJCAI還是要稍弱一點, 基本上在1和1+之間; 在奇數年, 如果IJCAI不在北美, AAAI自然就變成了比IJCAI低一級的會議(1-或2+), 例如2005年既有IJCAI又有AAAI, 兩個會議就進行了協調, 使得IJCAI的錄用通知時間比AAAI的deadline早那么幾天, 這樣IJCAI落選的文章可以投往AAAI.在審稿時IJCAI 的PC chair也在一直催, 說大家一定要快, 因為AAAI那邊一直在擔心IJCAI的錄用通知出晚了AAAI就麻煩了.

COLT (1)這是計算學習理論最好的會議, ACM主辦, 每年舉行. 計算學習理論基本上可以看成理論計算機科學和機器學習的交叉, 所以這個會被一些人看成是理論計算機科學的會而不是AI的會. 我一個朋友用一句話對它進行了精彩的刻畫: “一小群數學家在開會”. 因為COLT的領域比較小, 所以每年會議基本上都是那些人. 這里順便提一件有趣的事, 因為最近國內搞的會議太多太濫, 而且很多會議都是LNCS/LNAI出論文集, LNCS/LNAI基本上已經被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的會議, 例如COLT.

CVPR (1)計算機視覺和模式識別方面最好的會議之一, IEEE主辦, 每年舉行. 雖然題目上有計算機視覺, 但個人認為它的模式識別味道更重一些. 事實上它應該是模式識別最好的會議, 而在計算機視覺方面, 還有ICCV與之相當. IEEE一直有個傾向, 要把會辦成”盛會”, 歷史上已經有些會被它從quality很好的會辦成”盛會”了. CVPR搞不好也要走這條路. 這幾年錄的文章已經不少了. 最近負責CVPR會議的TC的chair發(fā)信說, 對這個community來說, 讓好人被誤殺比被壞人漏網更糟糕, 所以我們是不是要減少好人被誤殺的機會啊? 所以我估計明年或者后年的CVPR就要擴招了.

ICCV (1)介紹CVPR的時候說過了, 計算機視覺方面最好的會之一. IEEE主辦, 每年舉行.（注：我查了下2011年之前是兩年一次，之后是每年舉行）

ICML (1)機器學習方面最好的會議之一. 現在是IMLS主辦, 每年舉行. 參見關于NIPS的介紹.

NIPS (1)神經計算方面最好的會議之一, NIPS主辦, 每年舉行. 值得注意的是, 這個會每年的舉辦地都是一樣的, 以前是美國丹佛, 現在是加拿大溫哥華; 而且它是年底開會, 會開完后第2年才出論文集, 也就是說, NIPS’05的論文集是06年出. 會議的名字 “Advances in Neural Information Processing Systems”, 所以, 與ICML\ECML這樣 的”標準的”機器學習會議不同, NIPS里有相當一部分神經科學的內容, 和機器學習有一定的距離. 但由于會議的主體內容是機器學習, 或者說與機器學習關系緊密, 所以 不少人把NIPS看成是機器學習方面最好的會議之一. 這個會議基本上控制在Michael Jordan的徒子徒孫手中, 所以對Jordan系的人來說, 發(fā)NIPS并不是難事, 一些未必很強的工作也能發(fā)上去, 但對這個圈子之外的人來說, 想發(fā)一篇實在很難, 因為留給”外人”的口子很小. 所以對Jordan系以外的人來說, 發(fā)NIPS的難度比ICML更大. 換句話說, ICML比較開放, 小圈子的影響不象NIPS那么大, 所以北美和歐洲人都認, 而NIPS則有些人(特別是一些歐洲人, 包括一些大家)堅決不投稿. 這對會議本身當然并不是好事, 但因為Jordan系很強大, 所以它似乎也不太care. 最近IMLS(國際機器學習學會)改選理事, 有資格提名的人包括近三年在ICML\ECML\COLT發(fā)過文章的人, NIPS則被排除在外了. 無論如何, 這是一個非常好的會.（注：Michael Jordan是伯克利大學教授，統(tǒng)計機器學習的老大，大牛中的巨牛）

ACL (1-)計算語言學/自然語言處理方面最好的會議, ACL (Association of Computational Linguistics) 主辦, 每年開.

KR (1-)知識表示和推理方面最好的會議之一, 實際上也是傳統(tǒng)AI(即基于邏輯的AI) 最好的會議之一. KR Inc.主辦, 現在是偶數年開.

SIGIR (1-)信息檢索方面最好的會議, ACM主辦, 每年開. 這個會現在小圈子氣越來越重. 信息檢索應該不算AI, 不過因為這里面用到機器學習越來越多, 最近幾年甚至有點機器學習應用會議的味道了, 所以把它也列進來.

SIGKDD (1-)數據挖掘方面最好的會議, ACM主辦, 每年開. 這個會議歷史比較短, 畢竟, 與其他領域相比,數據挖掘還只是個小弟弟甚至小侄兒. 在幾年前還很難把它列在tier-1里面, 一方面是名聲遠不及其他的top conference響亮, 另一方面是相對容易被錄用. 但現在它被列在tier-1應該是毫無疑問的事情了.

UAI (1-)名字叫”人工智能中的不確定性”, 涉及表示\推理\學習等很多方面, AUAI (Association of UAI) 主辦, 每年開.

AAMAS (2+)agent方面最好的會議. 但是現在agent已經是一個一般性的概念, 幾乎所有AI有關的會議上都有這方面的內容, 所以AAMAS下降的趨勢非常明顯.

ECCV (2+)計算機視覺方面僅次于ICCV的會議, 因為這個領域發(fā)展很快, 有可能升級到1-去.

ECML (2+)機器學習方面僅次于ICML的會議, 歐洲人極力捧場, 一些人認為它已經是1-了. 我保守一點, 仍然把它放在2+. 因為機器學習發(fā)展很快, 這個會議的reputation上升非常明顯.

ICDM (2+)數據挖掘方面僅次于SIGKDD的會議, 目前和SDM相當. 這個會只有5年歷史, 上升速度之快非常驚人. 幾年前ICDM還比不上PAKDD, 現在已經拉開很大距離了.

SDM (2+)數據挖掘方面僅次于SIGKDD的會議, 目前和ICDM相當. SIAM的底子很厚, 但在CS里面的影響比ACM和IEEE還是要小, SDM眼看著要被ICDM超過了, 但至少目前還是相當的.

ICAPS (2)人工智能規(guī)劃方面最好的會議, 是由以前的國際和歐洲規(guī)劃會議合并來的. 因為這個領域逐漸變冷清, 影響比以前已經小了.

ICCBR (2)Case-Based Reasoning方面最好的會議. 因為領域不太大, 而且一直半冷不熱, 所以總是停留在2上.

COLLING (2)計算語言學/自然語言處理方面僅次于ACL的會, 但與ACL的差距比ICCV-ECCV和ICML-ECML大得多.

ECAI (2)歐洲的人工智能綜合型會議, 歷史很久, 但因為有IJCAI/AAAI壓著,很難往上升.

ALT (2-)有點象COLT的tier-2版, 但因為搞計算學習理論的人沒多少, 做得好的數來數去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非計算學習理論的內容.

EMNLP (2-)計算語言學/自然語言處理方面一個不錯的會. 有些人認為與COLLING相當, 但我覺得它還是要弱一點.

ILP (2-)歸納邏輯程序設計方面最好的會議. 但因為很多其他會議里都有ILP方面的內容, 所以它只能保住2-的位置了.

PKDD (2-)歐洲的數據挖掘會議, 目前在數據挖掘會議里面排第4. 歐洲人很想把它抬起來, 所以這些年一直和ECML一起捆綁著開, 希望能借ECML把它帶起來.但因為ICDM和SDM, 這已經不太可能了. 所以今年的 PKDD和ECML雖然還是一起開, 但已經獨立審稿了(以前是可以同時投兩個會, 作者可以聲明優(yōu)先被哪個會考慮, 如果ECML中不了還可以被 PKDD接受).