学界丨神经网络之父 Geoffrey Hinton:深度学习的下一个飞跃是什么?

Geoffrey Hinton,图源网络

AI 科技评论按: Geoffrey Hinton 被尊称为“神经网络之父”,他将神经网络带入到研究与应用的热潮,将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术,并将 HintonBack Propagation(反向传播)算法应用到神经网络与深度学习,还提出了“Dark Knowledge”概念。

Geoffrey Hinton 曾获得爱丁堡大学人工智能的博士学位,并且为多伦多大学的特聘教授。在 2012 年,Hinton 还获得了加拿大基廉奖(Killam Prizes,有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013 年,Hinton 加入谷歌并带领一个 AI 团队,目前正进行着谷歌大脑的项目。

近日,外媒 gigaom 采访了这位大牛,问题主要和人工智能相关,大家可以和 AI 科技评论一起看看他是怎么回答的:

Q:您被称作“神经网络之父”,那您认为在有生之年“真正的”人工智能会出现吗?

A:这取决于你对“真正的”人工智能定义是什么。如果你是说在自然语言、感知、推理、运动等方面都能和人类水平相当的人工智能体,我觉得我大概是看不到了。不过,五年后会发生什么我们很难预测,所以我不去排除这样的可能性。在十年前,很多 AI 工作者认为用神经网络完成机器翻译是不可能的,因为这需要让神经网络从原始训练数据中获取所有语言知识。但在今天,这就是机器翻译使用的方法,而且是最好的。神经网络翻译显著地缩小了机器和人工之间翻译水平的差距。

Q :如果真正的人工智能出现,您有什么担心的吗?

A:说实话,我不太担心现在大家经常讨论的那些问题,就是说变坏的机器人会代替人类接管世界。我更担心的是诸如希特勒、墨索里尼这样的人在科技的帮助下可能会做的事儿。如果这些人拥有智能机器人,后果不堪设想。我认为现在最迫切的一件事就是对 AI 的军事化制定相关的国际政策或者协议。

Q:您认为未来人工智能对经济和劳动力会有什么影响呢?利大于弊还是弊大于利?

A:我们可以看到,如今 ATM 机等机器已经帮助人们减少了大量繁重的工作,提高了生产效率。我想应该很少有人会觉得这些机器不应该被引入。在一个相对公平公正的政治制度下,能够提高生产力的技术肯定会受到公众的欢迎,因为这会帮助每个人的生活变得更好。技术本身不是问题,问题是社会制度能不能保障每个人都受益。

Q:您认为深度学习下一个大的飞跃会是什么?

A:目前,我们已经在一些近半个世纪里都没有解决的难题上获得了前所未有的进展。语音识别、图像识别技术都已经获得了巨大的进步,并且会变得更好。我相信,不久的未来计算机就能理解视频里讲了些什么。

此外,最近神经网络也开始接管机器翻译。我们几乎每周都能看到深度神经网络在一些有商业化价值的新领域获得成功。二十几年前,深度学习技术才出现在人们视野中,现在已经取得了非常惊人的成果。更出色的神经元类型和架构使得更深层次的网络上可以进行更多,更好的学习任务。深度学习已经吸引了大量的人才和资金,我想这些还会一直持续下去。

值得关注的一点是,我们应该付出更多的努力让神经网络可以真正理解文档的内容,其中包括开发新类型的临时存储器。这个话题现在很热门。

不过,现在我们还有一个问题没有解决。那就是如何从少量的数据中生成良好的神经网络,我觉得这可能需要彻底改变现在使用的神经元类型。

在进行深度学习的应用过程中,我们会得到一些宝贵的经验教训,这给进一步研究提供了新的视角,比如帮我们更好地理解真正的神经元是如何学习任务的。我认为这对深度学习的未来应用会产生巨大的影响。

Via gigaom ,AI 科技评论编译。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-01-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

关于人工智能的七大常见误解与七个真相!

如果你是商界英才(而不是数据科学家或者机器学习专家),你也许对主流媒体宣传的人工智能(artificial intelligence,AI)已经耳熟能详了。你在...

2675
来自专栏AI科技评论

周刊|MXNet爆红,大神Yann LeCun和吴恩达最新演讲

美国时间 11 月 22 日,亚马逊 CTO Werner Vogels 在博文中写到 MXNet 被 AWS 正式选择成为其云计算的官方深度学习平台。 MXN...

3374
来自专栏灯塔大数据

为什么真正的人工智能不从深度学习中获得?

尽管深度学习前景光明也取得一些初步的成功,但它实际上可能会阻碍真正的人工智能的发展。 ? 人工智能是一个包含许多概念和开发方法的强有力的保护伞。这些不同但不排他...

3759
来自专栏量子位

2018深度学习十大趋势:元学习成新SGD,多数硬件创企将失败

原作 Carlos E. Perez 李杉 编译自 Intuition Machine博客 量子位 出品 | 公众号 QbitAI ? 2018年,一切可能都会...

2885
来自专栏企鹅号快讯

DeepMind AI只需要4个小时的自我训练即可成为国际象棋霸主

图片来自网络 我们在10月份了解到了DeepMind主导的游戏AI 。其新的神经网络不断完善自己去击败了先期优点,在感知方面,为了实现自我训练的成功,人工智能只...

1806
来自专栏机器之心

通向未来人工智能的三条赛道:高性能计算、神经形态计算和量子计算

选自datasciencecentral 作者:William Vorhies 机器之心编译 参与:黄小天、蒋思源 有三种技术,可以带来更快、更简单、更廉...

32711
来自专栏大数据文摘

CMU机器学习学院院长Tom Mitchell:计算机模拟人脑才刚刚起步

2685
来自专栏企鹅号快讯

人工智能的渐进式探索已经开启

人类智能从语言开始,人工智能革命也应从语言学习开始,语言才是人工智能的引爆点。 语言是人类最基本的生活需求。人工智能和机器人如果能真正的走进生活,模拟人“说话”...

1828
来自专栏新智元

IEEE特稿:神经形态芯片注定为深度学习而生,否则就是自取灭亡

【新智元导读】研究者声称神经形态芯片相比传统的CPU,耗能更小。但现在的问题是,研究者需要证明,神经形态芯片能够从研究实验室转移到商业应用中吗。用航空业打比方的...

4007
来自专栏数据的力量

京东DNN Lab首席科学家:用深度学习搞定80%的客服工作

1183

扫描关注云+社区