欢迎来到天天文库
浏览记录
ID:27460372
大小:2.18 MB
页数:9页
时间:2018-12-04
《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
此文档下载收益归作者所有