人物 | Geoffrey Hinton的成功之路：从神经网络黑暗时代的坚守到今天的胜利
输入“/”快速插入内容
人物 | Geoffrey Hinton的成功之路：从神经网络黑暗时代的坚守到今天的胜利
人物 | Geoffrey Hinton的成功之路：从神经网络黑暗时代的坚守到今天的胜利
⏰ 发表时间：机器之心 2017年04月11日 11:46
选自The Globe and Mail
作者：Jeff Gary
机器之心编译
参与：吴攀、黄小天、 Ellen Han
深度学习泰斗 Geoffrey Hinton 的名字在当今的人工智能研究界可谓是如雷贯耳，他曾发明了玻尔兹曼机（Boltzmann machine），也首先将反向传播（Backpropagation）应用于多层神经网络；不仅如此，他还有 Yann LeCun 和 Ilya Sutskever 等大牛级的学生。近日，Fred Lum 在 THE GLOBE AND MAIL 网站上发布了一篇介绍 Hinton 生平的文章，UC Santa Barbara 计算机科学系助理教授、CMU 博士王威廉在新浪微博上对此文总结说：「G 的高曾祖父是发明布尔代数的布尔，G 在剑桥先学了 1 个月物理就转了建筑，但只持续了一天。后重回物理，但觉得其中数学太难，转学习哲学。学习一年后，G 对哲学充满了抗体，只好修心理学。后确认心理学家对人类意识也是毫无头绪，这才转到爱丁堡学习 AI。」以下是机器之心对原文的编译介绍。
多伦多大学教授 Geoffrey Hinton 参与谷歌大脑团队的工作，开发人工智能前沿技术
对于多伦多大学计算机科学教授 Geoffrey Hinton 来说，现在应该是一个欢庆的时刻。
出生于英国，现今 69 岁的他是人工智能领域众所周知的「神经网络教父」，神经网络是一种模仿人脑构建的计算机系统，并可自我学习。正如一些专家说的，如同 20 世纪的电力一样，神经网络将——事实上已经——彻底变革人类生活方式。
数年来，Hinton 教授的工作不仅相对来说令人费解，而且在一场长达 10 年的计算机科学学术之争中处于失利的一方。Hinton 教授说，他的神经网被获得了更多资助的人工智能传统论（需要人工编程）者认为是「没有头脑的废话（weak-minded nonsense）」，学术期刊过去常常拒收有关神经网络的论文。
但是在过去的 5 年左右的时间里，Hinton 的学生取得了一系列的惊人突破，神经网络变得十分流行，Hinton 也被尊称为计算新时代的宗师（guru of a new era of computing）。神经网络已经在手机中为绝大多数语音识别软件提供支持，其还能识别不同种类的狗的图片，精确度几乎可以和人类媲美。
而且世界上最大的科技公司也正往神经网络研究中砸钱，雇佣了许多 Hinton 教授之前的学生，他们在苹果、Twitter、谷歌和 Facebook 等公司进行着人工智能方面的研究。他说人工智能的研究潜力覆盖了从无人驾驶汽车到智能手机的范围，并能比任何皮肤科医生都更好地诊断皮肤癌。人们预计这新一波的技术浪潮将席卷工业界并为发展且调控它的人们带来巨大财富。
Hinton 教授将他的时间分配在多伦多大学和谷歌位于多伦多的办公室里。在谷歌，他是一名工程学者（engineering fellow）并将协助领导一个新的人工智能实验室。他刚刚被任命为 新成立的 Vector Institute 的首席科学顾问，那里将开展人工智能研究并致力于将多伦多建设成一个全球人工智能的中心。
除了所有最近这些成绩，Hinton 教授似乎还在进行一项保卫行动。在他位于谷歌的狭窄简朴的办公室内进行的一次访谈中——办公室内没有椅子，他的身后是一面与墙一般大小的白板，上面写满了公式——他不愿在闲言碎语上浪费时间，但热衷于极为详尽地描述仍存在于神经网络的拥护者与那些更传统的人工智能形式的支持者之间的争论。
他说，尽管谷歌给予了 100 万美元的资助，他自己的大学却迟迟没有聘用一位新的神经网络方面的教授。现在，由于研究经费可以自由流动，很多人都在追逐神经网络的潮流。
Hinton 教授说：「现在神经网络有效了，所以业界和政府就开始把神经网络称作人工智能。原来的人工智能领域那些一辈子都在嘲笑神经网络的人则说他们从来没有那样说过，现在也乐意把神经网络叫做人工智能，而且也在尝试从中赚钱。」
（很快就能明显地发现 Hinton 教授喜欢动鼻子。在这次采访中，他对美国总统 Donald Trump 进行了一些负面的评论，然后又通过一个简单的微笑向旁边的谷歌公关表示了歉意。）
传统的人工智能概念依赖于逻辑和规则来给计算机编程。在 20 世纪 60 年代，那时候人工智能的研究还更多处于理论阶段，不能实用。使用神经网络的思路被「摧毁（destroyed）」和抹黑，Hinton 教授说，传统的模型得到了人们无疑的信赖。
但随着过去几年计算机算力的极大增长，神经网络的突破出现了，情况也随即发生了变化。2009 年，Hinton 教授的 2 位研究生使用一个神经网络赢下了一个语音识别比赛，击败了之前最好的成熟方法，该神经网络后来升级并被整合到了谷歌的安卓手机中。2012 年，他的另外两个学生又轻松赢下了一场图像识别比赛。其使用的技术涉及到使用一个包含 100 万张图像的数据库所训练的一个系统，该系统在识别和描述一张图像上的错误率仅有 5%——接近了人类的水平。
为了解释神经网络的工作方式，Hinton 教授举了一个翻译程序的例子。他解释说，使用神经网络作为翻译器涉及到将巨量词汇和句子片段送入一个计算机网络。该系统会找出句子的含义，并将其送入另一个神经网络，然后再以另一种语言输出该句子，而无需使用编程或语言学规则。它甚至能自己学会主动语态和被动语态。