AI教父Geoff Hinton和深度学习的40年.doc

《AI教父Geoff Hinton和深度学习的40年.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、AI教父GeoffHinton和深度学习的40年因为伤了背，GeoffHinton已经站着工作了12年，似乎巧合地迎合了现在“站立工作”的这股风潮。　　“我领先于潮流，”Hinton说。　　　　不仅仅是这一点，Hinton更广为人知的“领先于潮流”，是在深度学习领域。在所有人都不看好神经网络的年头，是他，将这一技术带进了主流学术界。　　Bloomberg近日为这位“深度学习教父”拍摄了一段特写纪录片，用短短8分钟，讲述了这位“有点皮”的教授关于神经网络的40年传奇经历。　　为什么是AI教父？　　今天，混AI圈的人鲜有人没听过GeoffHinton。他是谷歌大脑研究小组的负责人，多伦多大学的

2、荣誉教授。而奠定了他在今天人工智能圈“教父”地位的，是他在多层神经网络技术的贡献。　　Hinton对AI的贡献有多大呢？　　学术点说，Hinton在1986年提出的通过反向传播来训练深度网络理论，标志着深度学习发展的一大转机，为近年来人工智能的发展奠定了基础。　　更实际点说，今天谷歌中通过语音识别进行图片检索、在手机上把语音转化为文字的技术的实现，大部分功劳要归于Hinton博士的研究。　　他的研究，彻底改变了人工智能，乃至整个人类发展的轨迹。　　从研究大脑，到尝试制作一个　　　　GeoffHinton出生在英国一家“书香门第”，家人多是数学家和经济学家，这样的“学霸爸妈”显然让Hinto

3、n的童年不太好过，正如他自己所说：“我大概在7岁的时候就意识到，不读博是不行了（微笑脸）。”　　而最初把Hinton引上人工智能这条路的，是他对人脑的好奇。　　Hinton很早就沉迷于大脑如何工作的问题。于是，他开始进入生理学，解剖大脑以了解其工作方式。　　不满足于此，他又开始学习心理学。最后，他决定更多地使用计算机科学的方法来模拟大脑，并进入人工智能领域，开始了他近40年的研究生涯。　　“我认为，如果你真的想了解一个非常复杂的装置，比如大脑，那你就制作一个。”　　坚信神经网络：“其他人都错了”　　　　尽管现在已经成为了人工智能的主流研究方法，神经网络在最初问世时，命途多舛。　　1956年

4、，美国认知心理学家弗兰克·罗森布拉特（FrankRosenblatt）基于神经元的理论发明了一种模拟神经元的方法。它的基本点是一个被称为神经元的小单位的集合。这些集合都是小的计算单元，但可以模拟人脑计算的方式。和我们从感官中获取数据一样，这些神经元可以获取传入数据并进行学习，所以神经网络可以随着时间的推移做出决定。　　但是，Rosenblatt的学习算法当时对于多层结构的神经网络不起作用。人工智能学者们也因此放弃了学习式软件的想法。他们转而使用逻辑来产生智能——比如下棋的能力。　　几乎没人再相信神经网络的前景，也没人再研究神经网络。　　除了Hinton。　　“大脑是一个巨大的神经网络，因此

5、，神经网络必须也是可以工作的，因为它在我们的大脑中起作用。”Hinton说。　　“那是什么支持着你不放弃？”　　“其他人都错了（everyoneelseiswrong）。”　　离开五角大楼，成为“加拿大之光”　　　　为了找到一个支持他研究神经网络的栖身之处，Hinton在美国辗转多地。但是，当时大部分的学术研究都是受到国防部支持。　　而Hinton对于这样拿到自己的研究经费并不满意：“我不希望我的研究成果被用在一些不善意的目标上。”　　的确，深度学习从诞生之日起，就与国防部的一些军事目的有着不可分割的渊源。　　甚至直至今天依然如此——今年3月谷歌被曝光正参与Maven项目，向美国军方提供T

6、ensorFlowAPIs和无人机图像识别技术，引起巨大争议和众多抗议，6月谷歌不得不承诺不将AI用于武器。这场声势浩大的争论甚至将战火燃到了李飞飞身上。　　而关于AI伦理和技术人员责任的争论也从来没有停止过。　　近两年，将算法用来自动识别一起犯罪是否属于团伙犯罪，或识别一个人是否是同性恋的研究屡见不鲜，算法的缔造者是否应该在研究之外分出心力，了解自己研究背后更深的影响呢？　　在40年前，Hinton的选择或许已经给出了他的答案。　　为了避免为五角大楼服务，Hinton最终落脚在加拿大的多伦多大学。这个国家欢迎他，也支持他的神经网络研究。“去这个文明的小镇继续研究对我来说非常有吸引力。”　

7、　而HIinton也没有让加拿大失望。　　正因为Hinton和他的学生的研究，加拿大现在已经成为人工智能研究的重要力量之一，多家人工智能巨头都将他们的研究中心开在了多伦多，各种前沿人才为了追随Hinton的脚步，络绎不绝地来到这座北方国度：“Hinton将加拿大拉入了AI超级大国的版图。”　　坚持你认为对的，直到世界追上你的脚步　　在多伦多，Hinton和他的团队研究出了更深度的神经网络，以解决更复杂的问题。他们共同开发