特写 | Geoffrey Hinton:我们都是特别的,奇妙的机器

AI 科技评论按:本文出自 torontolife.com ,用超长的篇幅讲述了 AI 大牛 Geoffrey Hinton 的学术成长之路,以及他对人工智能学术界、工业界的非凡影响。AI 科技评论在不改变原意的基础上,做了编译。

30多年来, Geoffrey Hinton一直徘徊在人工智能研究的边缘, 以一个局外人的角色坚持着一个简单的命题: 计算机可以像人类一样思考, 使用直觉而不是规则。当一个朋友描述全息图是如何工作的时候, 这个想法在Hinton心里生根发芽: 数不清的光束从一个物体上反射出来,被分散在一个巨大的数据库上。Hinton 出身于一个有点古怪的、一代又一代的科学家家庭, 他立刻意识到人类的大脑也是这样工作的ーー我们大脑中的信息在一个巨大的细胞网络中传播开来, 连接着一张无穷无尽的神经元地图, 沿着数十亿的路径发射、连接和传递。 他想知道: 一台计算机的行为方式是否也是如此?

根据学术界主流的观点, 答案是否定的。他们认为,计算机在规则和逻辑上学得最好。此外, Hinton 的概念——神经网络——后来成为「深度学习」或「机器学习」的基础ーー已经被证明是错误的。早在50年代后期, 一位名叫Frank Rosenblatt的康奈尔大学科学家发明了世界上第一台神经网络机器。 它被称为感知器, 有一个简单的目标ーー识别图像。理论上,当向它展示一个苹果的图片,就会吐出「苹果 」。感知器运行在 IBM 的主机上, 它很丑陋:一连串交叉的银线, 看起来像是有人把一个炉子过滤器的内脏粘到了冰箱门上。 尽管如此, 这个设备还是引发科幻般的夸张。1958年, 《纽约时报》发表了一项预测, 预测它将成为第一个像人类大脑一样思考的设备。 「(感知器)将能够行走, 说话, 看见, 写作, 再现自己, 并意识到它的存在。」

感知器最终并没有走路或说话ーー它几乎不能分辨出左边和右边ーー而变成了一个笑话。 在学术界, 神经网络被认为是边缘学科的追求。尽管如此, Hinton 并没有被吓倒。 「大脑必须以某种方式工作, 而且肯定不是某个人写程序并把它们固定在那里的,」辛顿说。 「我们没有被编程,我们有常识。」他相信, 神经网络的想法并没有错, 主要的问题是能量。当时的计算机无法通过数以百万计的图像进行连接和寻找意义,样本的尺寸太小了。

Hinton在1972年获得博士学位, 并以神经网络作为他的研究重点。每周, 他的导师都会告诉他, 他是在浪费时间。Hinton无论如何都在坚持向前推进,神经网络确实取得了一些小成功ーー后来证明它们在发现信用欺诈方面发挥了作用。毕业后, 他在匹兹堡的卡内基梅隆大学找到了一份工作。Hinton是一位骄傲的社会主义者, 对里根领导下的美国外交政策感到不安, 尤其是对中美洲的干涉。他的妻子是分子生物学家, 曾是伦敦大学学院的教授, 他们计划收养一对来自南美洲的男孩和女孩, 他们不太喜欢在一个卷入血腥拉丁美洲冲突的国家抚养他们。另外, 美国的大多数人工智能研究都是由国防部资助的, Hinton 对此也不满意, 因此他接受了加拿大高级研究所(CIFAR)的提议。CIFAR 鼓励围绕某种非正统的科学思想展开合作, 而这些想法可能在其它地方找不到支持者, 它给Hinton提供了学术自由和体面的薪水。1987年, 他和妻子搬到北方,定居下来。Hinton在多伦多大学计算机科学方面接受了一个与国际计算机科学中心相关的职位ーー尽管他从未上过计算机科学课程ーー并在 CIFAR 开始了机器与大脑学习项目。 他在 St. George 校园的史丹佛·佛莱明里设立了一个小办公室, 安静地开始工作。 随着时间的推移, 一小撮深度学习的信徒被他吸引。 伊利亚•苏奇凯弗(Ilya sutskever)现在是 OpenAI 的联合创始人兼董事, 埃隆•马斯克(Elon Musk)价值10亿美元的人工智能非营利组织成为 Hinton 实验室的一部分。他描述了大约10名学生在「AI寒冬」期间进行研究, 当时人工智能研究的工作岗位和资金很少, 而且非常稀缺。 「我们是局外人, 但我们有一种罕见的洞察力, 就像我们是特别的一样,」Sutskever 说。

大约在2009年, 当计算机终于有能力挖掘大量数据的时候, 超级神经网络开始在语音和图像识别方面超越了基于逻辑的 AI。 业界注意到, 微软、 Facebook、谷歌等大型科技公司开始投资。 2012年, 该公司的最高机密实验室谷歌 x实验室宣布, 它已经建立了一个由16000个计算机处理器组成的神经网络, 并把它放到了 YouTube 上。 谷歌大脑是公司的深度学习人工智能分支, 由该部门的高级研究员Jeff Dean领导, 他们通过新的超级计算机从 YouTube 上随机输入了数以百万计的未贴标签的视频框架, 并对其进行编程, 以便弄清楚它看到了什么。 Youtube 是猫咪视频的最重要的储存库, 它认识到ーー除其他外ーー猫。 这是人工智能的一个激动人心的时刻。 「我们在训练中从来没有说过「这是一只猫」,」Jeff Dean当时说。 「它基本上发明了猫的概念。」

这一突破使 Hinton 和他的追随者成为人工智能运动的领袖。Jeff Dean在2013年招募Hinton加入谷歌兼职。 「我们显然是站在外面, 试图证明传统的智慧是错误的。 有趣的是,现在我们已经成为了一个机构,」Sutskever 说。Hinton, 一个曾经被排斥的人, 突然成了这个行业最重要的人物, 从默默无闻变成了明星。 那个瘦长的、年老的英国人先生发现这一切都枯燥有趣。

「我之所以有这么大的影响力, 是因为我是极少数相信这种方法的人之一, 所有自发相信这种方法的学生都来和我一起工作。我不得不从那些最好的人那里挑选出来, 他们都很有判断力,」他笑着说, 「良好的判断力意味着他们同意我的观点。」

在他俯瞰市中心校园中央动脉的 U of T 办公室里, Hinton正在走路, 吃着三明治, 在白板上涂鸦, 试图填补我在神经网络方面的知识空白。他停下来画了一只猫(雪人形状的小耳朵) , 在我们的文化中, 人们可能会把狗看成是雄性, 而猫则是雌性。这种描述(以及很多性别歧视)没有逻辑可言, 但是, Hinton说, 我们通过一千种联想和类比来理解, 狗是有攻击性的, 毛茸茸的, 块状的; 猫是狡猾的, 聪明的, 家庭的。前者是男性, 后者是女性。这些都不能用逻辑来证明, 但它存在于我们大脑中隐藏的表象中。机器可以凭直觉感知这些相同的表现: 知识来自于生活, 充满了积累的意义和经验, 存在的神秘实质。这就是神经网络的美妙之处。 「它更接近弗洛伊德的观点, 即意识和深思熟虑的推理和所有这些渗透的东西在下面。 下面的东西并不是有意识的深思熟虑的推理, 而是其他的东西——一种类比的东西,」Hinton说。

他在与 Justin Trudeau、创新部长 Navdeep Bains 以及谷歌母公司 Alphabet 公司执行董事长Eric Schmidt,在多伦多举行的 Google Go North tech 会议上,每个人都像热切的学生一样坐在一张桌子前, 除了 Hinton, 他站在那里, 俯视着他的高层听众。 他从来没有坐下来, 因为他的脊椎椎间盘突出, 在19岁的时候, 他试图为母亲移动一个重型加热器, 并且在代谢预示骨质疏松症的钙质代谢方面存在遗传缺陷。随着时间的推移, 问题变得越来越严重。最终, 坐着变得痛苦。所以, 在2005年,他几乎完全停止了坐着——另一个问题解决了。 当然, 这种解决方案对任何人来说都不是理想的, 更不用说一个每年被邀请在世界各地举行的无数会议上发言或出席。Hinton可以告诉你如何从多伦多到赫尔辛基, 而不用坐下。 这需要11天的时间。

「你躺在去布法罗的公共汽车后座上,你可以在水牛城搭乘芝加哥到纽约的卧铺,你把玛丽女王送到南安普敦,你站起来反抗伦敦,你得到的欧洲之星到巴黎,你站起来反抗巴黎。然后你就可以睡到柏林, 在那里你可以躺下。你可以乘坐一辆小小的老火车去罗斯托克, 那里是在海边, 以前是在东德, 你可以看出来。然后你乘渡船去赫尔辛基。」 Hinton经常用这种方式说话: 把数据切成易懂的部分, 眼睛聚焦在距离上, 小嘴唇上露出微笑。

在 Go North 活动中, Hinton 对两名谷歌工程师取得的突破性进展做了一个简洁明了的解释: 胶囊网络。 神经网络依赖于大量的数据来学习, 他们需要很长的时间来识别从不同角度看到的物体是同一个物体。胶囊是一种人工神经元, 它可以跟踪物体不同部位之间的关系——一个人的鼻子到嘴巴的小空间就是 Hinton 给出的例子ーー使得识别更快更准确。

Capsule网络在科技领域受到了极大的欢迎。纽约大学的一位教授在《连线》杂志上滔滔不绝地说道:「每个人都在等待, 并且都在寻找Hinton的下一个伟大飞跃。」

每一家大型科技公司的人工智能专家都在争先恐后地在深度学习中寻找下一个变革性的发现。因为 Hinton 的人工智能思想在很长一段时间里都不受欢迎, 但许多专家都是在 Hinton 指导下受训的: 与其说是「学生变成了老师」, 倒不如说是「老师变成了竞争对手」 。许多 Hinton 的前学生已经在 Facebook、Google、Apple 和 Uber 以及学术界声名鹊起。他们记得他是一位受欢迎的教授, 以与学生一起工作而闻名, 而不是把任务分配出去, 以及打破深夜研究的「紧张局势」, 用自己的嘴杂耍葡萄——向后倾斜, 将其中一个吹到空中, 然后再用另一种方法抓住第一个, 重复一遍。过去10年, 多伦多经历了一次人才外流, 据媒体报道,当地的初创企业被硅谷吞并,人工智能从业者, 即使是新手和毕业生,每年可以获得从30万美元到50万美元不等的薪水,股票期权可以使这个数字超过百万大关。多伦多必须弄清楚如何利用Hinton的存在, 引诱这些精英深度学习专家留下来, 或者回到他们开始的地方。因此, 价值数百万美元的实验室Vector 研究所的创立,将把人工智能领域的领军人物聚集在一起。但加拿大以前已经失去了领先优势。在曾经强大的加拿大科技公司诺泰尔(Nortel)和黑莓(BlackBerry)痛苦地解体之后, Vector 提供了赎回的可能性。

Hinton说, 在他成长过程中, 他的母亲给了他两个选择:「要么成为一个学者, 要么成为一个失败者。」他的家谱是科学家们非常重视的一部分。他的曾曾曾祖父是Boolean logic公司的创始人George Boole。George Boole的女婿之一是查理斯·霍华·辛顿, 杰弗里的曾祖父, 一位数学家和科幻作家, 创造了「超立方」的概念(我们可以把三维世界看作一个立方体——所有读者都熟知这部经典儿童小说《时间的皱纹》(a Wrinkle in Time)的读者都熟知这个立体物体, 在维多利亚时代的英格兰因重婚而被赶到了美国。 他的儿子, 杰弗里的祖父, 定居在墨西哥,他父亲的堂兄就是琼 · 辛顿, 他是一位核物理学家, 曾参与曼哈顿计划, 并在文化大革命期间居住在中国。

1947年, 杰夫 · 辛顿出生在温布尔顿, 霍华德 · 辛顿是一位昆虫学家, 同时也是一位教师母亲, 玛格丽特 · 克拉克。 辛顿描述的童年时代是 Lemony Snicket、哈克贝利·费恩历险记和天才一族的混合物, 显微镜。 他和他的三个兄弟姐妹在布里斯托尔的一所大房子里长大, 那里充满了动物。 有一只猫鼬——「它占据了很大的空间」ーー车库里的蝮蛇战机被关在一个坑里。 年轻的杰夫 · 辛顿曾经挥舞着一块手帕, 让他们去打它, 但是有一个人来到他的手边, 差点把他给杀了。 他还照顾了十几只中国海龟, 这些海龟是他父亲在1961年的中国巡回演讲中获得的。 虽然中国基本上对游客关闭了, 皮埃尔 · 特鲁多也参观了这里, 他和他的高级同事 Hinton 也共用了一家酒店, 还有一间浴室。 根据家族传说, Hinton 把海龟放在浴缸里, 至少有一次阻止了 Trudeau 的洗澡计划。

8岁的Hinton在布里斯托动物园,手里拿着一条蟒蛇。有一段时间,Hinton一家把毒蛇放在车库的一个坑里。

Hinton也曾回忆起他的好奇心是如何诞生的。他四岁的时候,和母亲在乡下乘公共汽车旅行。公共汽车上有一个向后倾斜的座位,朝着车架。Hinton从口袋里掏出一枚硬币放在座位上,但是它没有滑向后面,而是滑向前面,看起来向上移动,对抗重力。这个令人费解的现象,激发了Hinton十多年的想象力。在他十几岁的时候,他发现硬币的动作与天鹅绒座套和巴士的振动有关,这是一个非常令人满意的答案。「有些人完全有能力看到他们不理解的东西,并且能够接受它。我不能接受有什么东西,侵犯了我的世界模型。我真的不能接受那样的事情。」Hinton说。

Hinton的母亲很有爱心,但他的父亲却令人生畏,不管是身体上(他都可以用一只手做俯卧撑,这一壮举曾让瘦小的杰弗里震惊)和智力。「他喜欢人们思维清晰,如果你说的东西有点多余,他会称之为垃圾。他不是一个敏感的思想家。他不是虐待狂,但他非常强硬。」

Hinton就读于一所叫Clifton college的私立学校——Hinton说「不是最好的学校」。他和他的朋友 Inman Harvey,后者现在是一名计算机科学家,同时也是人工智能萨塞克斯大学的访问研究员,习惯于搭便车,偷笑,周围附近的村庄,如Piddlehinton。Hinton回忆起,在选举期间,家人在厨房的餐桌旁谈论社会主义,并在选举期间为工党写信。

「Hinton的父亲对我非常好,但他是一个爱出风头的父亲,很喜欢与别人竞争,」Harvey说。「Hinton继承了一点竞争优势。他的父亲是英国皇家学会的成员,然后杰夫成为了皇家学会的成员。他可能觉得有必要满足父亲的期望。」

Hinton的青年时代与随心所欲的60年代和70年代发生了冲突,他走了一条迂回的路线来实现Hinton家族的与生俱来的权利。1966年,大学前的夏天,Hinton和Harvey背包穿越美国和墨西哥。这些青少年身无分文,他们有时会乘夜间公共汽车,以避免支付酒店费用。在墨西哥南部的一个小渔村,他们在大浪中游泳时,在沙滩上留下了一个行李袋,他们的钱和护照被偷了。每天下午,这对夫妇都会步行7公里到最近的村庄,经过警惕的保安,看看他们的替代旅行支票是否已经到达银行。他们想出了如何靠3美元生存一个星期,并试图在高温下把香蕉皮放在罐子里来制作香蕉汁——这是一个失败的实验。

在70年代,在完成了一个实验心理学学位之后,Hinton正在做一些奇怪的工作和木工活。1972年,他开始攻读人工智能博士学位,但对自己的研究感到沮丧和矛盾。一个周末,他参加了一个研讨会,类似于「EST-y,自我实现疗法」。他讨厌这样。有八个人,一小时一小时地打开心扉,探索他们的需求和需求。在最后一天,每个参与者必须宣布他们真正想要的生活。人们说他们真的想被爱。「原始和无拘无束的东西,」Hinton回忆道。他冻僵了,不知道该说些什么。当他们围着这个团队喊出他们的秘密欲望时,Hinton惊讶地发现:「我真正想要的是博士学位!」他大吼大叫。这个宣言重新点燃了他对神经网络研究的热情。

当被问及在这个非凡的家族历史的阴影下成长的感受时,Hinton 说:「压力。这种感觉就像是压力。」他说,他一生都在与抑郁症作斗争,工作是他放松阀门的方式。当深度学习成功时,抑郁症略微消失了。「很长一段时间,」他说,「我觉得我不是——嗯,我终于做到了,这让我松了一口气。」

面对学术上的冷漠,Hinton 在90年代初成为单身父亲时遇到了一个更严重的私人障碍。在他和他的第一任妻子Ros收养了他们的孩子后不久,Ros死于卵巢癌。Hinton习惯了在自己的脑子里和实验室里生活,他被扔进了一个真实的世界,养育了两个小孩。他的儿子患有注意力不集中症和其他学习困难,即使有保姆,Hinton 也不得不在下午6点回家,为他的儿子管理支持,还要赶着去 Gap 买袜子。

「我无法想象一个有孩子的女人怎么会有学术生涯。我习惯了把时间花在思考想法上。教学是有趣的,但有一点分心,而且我没有时间去做这个,」Hinton说。「但是对于小孩子来说,这种情况并不存在。」Hinton大概是指思考或生活。但不管怎么说,工作的确为想要逃离家庭现实的Hinton提供了港湾。Hinton说:「有时候我认为我用数字和数学来抵御我情绪化的一面,」Hinton说。养育子女迫使我们做出改变。以前我去超市的时候,收银员不能把两个数字加起来,我会想:「看在上帝的份上,他们为什么不能雇一个会算术的收银员呢」现在我想:「超市雇佣这个人真是太好了」,他补充道:「我不想成为一个更好的人,它只是发生了。这不是我的目标之一。」

1997年,他的第二任妻子Jackie的婚礼上,以及Hinton已经拥有的两个孩子,8岁托马斯和6岁的艾玛。

1997年,他再婚,嫁给了英国艺术史学家Jackie。三年前,她被诊断出患有胰腺癌病,而现在Hinton正处于失去第二任妻子的边缘。

Hinton一生中花了很多时间在医院里。他向员工提出一些过分问题使后者感到恼火。他也非常清楚病人对于等待很久才能获得结果和结果模糊不清感到沮丧。但与大多数人不同的是,他也知道很快就会出现一种技术,这种技术可以让等待一周才能出的结果当天完成。

对于一个克制的英国人来说,Hinton通常会把自己的人工智能信仰传给其他人,最好的例子是他对于深度学习在改革医疗保健方面的潜力热情洋溢。「我看到医疗专业人员使用数据的效率低下。在病人的病史中,有比被利用的更多的信息。我发现医生们真的不能很好地阅读CT扫描。如果你让两个放射科医生读同样的扫描,他们会得到两个不同的结果。」

在三个不同的场合,医务人员告诉他的妻子,根据CT扫描读数,她患上了继发性肿瘤,每次都是错误的。Hinton认为,人工智能最终会让放射科医生失业ーー或者至少消除工作中的「看片子」部分。认知是人工智能的核心,也是成功诊断和治疗的核心。Hinton说:「最终,人工智能的工程师将会研究如何训练免疫系统攻击癌细胞。」Hinton说。

Vector 第一批项目中,有一个由 Hinton 发起,希望能够将神经网络与多伦多医院的大量数据联系起来。当 Peter Munk 最近向他的同名心脏护理中心捐赠了1亿美元时,医院被指定为数字心血管健康领域的世界领先者,而Vector将得到其中的一部分资金。通过访问大量的数据集ーー本质上就是Munk Centre这样的研究所的病历档案,人工智能技术可以用来实现大量的突破,包括远程监控病人的心跳,帮助医生确定理想的放电时机。Vector的合作伙伴之一——多伦多深层基因组公司(Deep Genomics)正在开发能够读取DNA的人工智能,这将有助于早期发现疾病并确定最佳治疗方案。深基因组学的创始人,Brendan Frey,另一个身份是Hinton的学生。

经过几十年的缓慢步伐,深度学习进展迅速,Hinton似乎陷入了洛伦佐石油的束缚,迫切地推动科学进步,试图摆脱爱人生命中的时钟滴答声。但是,胰腺癌在早期阶段是残酷而难以诊断的。「恐怕对她来说可能已经太迟了,」Hinton用自己慎重的方式说道。

Yoshua Bengio是蒙特利尔大学深度学习领域的先驱,他和Hinton和Facebook的Yann LeCun一样,是科技圈中被标记为「加拿大人工智能黑手党」的成员。几十年来,当本吉奥在多伦多有工作要做时,他一直呆在Hinton的附属房子里,和他一起散步(Hinton走遍了每一个地方,因为他的背部只有在直立的时候才不受伤,如果坐交通工具就必须坐着)。他一直在观察Hinton成为科技界名人的地位,并对他的朋友表现出一定程度的警惕。「他不是神。他很容易犯错误。他只是一个做人类事情的人,」Bengio说。「有时候他能用墨镜看东西。他的个人生活对他来说并不容易。他有自己的黑暗时代。」

九月份,Hinton和他的妻子在Muskoka的小屋里住了几天。每年的那个时候都很美丽。他说:「她非常勇敢,也非常理智,所以她只是认为自己有更多的时间,她决心尽力做到最好,」他说。然后他问我能不能帮他一个忙。他平静地说:「我真的希望你能在这个故事中加入这样一个段落,在过去的两年半里,我能够继续我的工作,因为我的妻子对她的癌症有着积极的态度。」。「非常感谢。」

Vector Institute是多伦多对人工智能人才流失问题的答案,它有一种新车的「味道」,这个名字很适合超级反派的老巢和第一天的学校氛围。加拿大最新的人工智能研究所,位于大学的七楼,去年秋天正式启用。它的玻璃墙面临着女王公园和多伦多大学罗马式的建筑,这两所大学都是Vector的合作伙伴。Vectore目前目前已经获得了超过1亿元的融资和国家资助,同时还获得了30家私企给出的8000万美元,后者包括加拿大银行、加拿大航空、Telus、Google。这也让Vector成为了一家公私兼容、同时混合了学术界、公共机构和行业的机构。到目前为止,20名科学家已经开始寻找技术上的答案来解决一些世界上最大的问题::如何利用人工智能诊断儿童的癌症,并在言语中发现痴呆症?我们如何建造机器来帮助人类看到动物或者创作美妙的音乐,或者利用量子计算来加速分析人类每天产生的大量数据呢?Vector招聘的关键人物之一拉克尔•乌尔塔逊(Raquel Urtasun)将同时在Vector和Uber工作,她在后者的岗位上开发自动驾驶汽车。

今天围绕人工智能的狂热不仅仅是金钱的问题,也是人工智能尝试融入日常生活的快速步伐。在这种情况下,传统的翻盖手机与带有人脸识别功能的iPhone X之间相差的时间也只有10年。许多杰出的科学家担心这项技术正在超越我们的管理能力。斯蒂芬·霍金、埃隆·马斯克和比尔·盖茨都警告说,不要让人工智能不受约束。「我担心人工智能会完全取代人类,」霍金最近说。Hinton意识到其中的道德含义:他向联合国签署了一份请愿书,呼吁禁止使用致命的自动武器ーー或者称为杀手机器人ーー的请愿书,并拒绝担任与通信安全机构有关的董事会的职位。他认为政府需要介入并制定规章制度,防止军方利用他毕生致力于完善的技术。他表示,具体而言,就是研发能杀人的机器人。

不过,在大多数情况下,Hinton对人工智能的焦虑感到乐观。「我认为这会让生活容易得多。人们谈论的潜在影响与技术本身无关,而是与社会的组织方式有关。作为一个社会主义者,我觉得当技术出现提高生产力的时候,每个人都应该分享这些收益。」

去年夏天,Hinton和我在市中心Google餐厅吃午饭。这个空间拥有大多数互联网公司的风格:明亮的颜色,沙发和一系列健康的午餐可供很多30岁以下的人们享用。在天井上有一个迷你推杆和一个传粉蜂巢。一台浓缩咖啡机发出巨大的声响。很难想象这是机器入侵的起点,但是。

Hinton说:「电脑接管世界末日的场景不可能在很长一段时间内发生,」Hinton说,站在那里吃着他的藜麦和鸡肉。「我们离这样的事情还有很长很长的路要走。对于哲学家来说,思考是很好的,但是我对这个问题并不是特别感兴趣,因为这不是我一生中必须面对的问题。」一直以来,我都不知道他是不是在开玩笑。

但是,这种对机器的依赖是如何改变我们的呢?我告诉他,每当我的手机提示我一个建议的回应(「听起来不错!」、「那里见!」)我觉得自己好像失去了控制权。我自己也变得机械化了。自2001年《太空奥德赛》以来,流行文化就一直将这种精确的理解汇集起来。在娱乐方面,机器的进步被认为是个人的孤独,是一种损失。就好像机器变得越来越人性化,我们变得不那么人性化了。

Hinton 听了我的话,看我的眼神并不是不友好,而是带着一丝怀疑。「当你使用计算器的时候,你会觉得不那么人性化吗?」他问道。在他身边,千禧一代吃着沙拉,喝着咖啡,他们的钥匙卡在屁股上摇摆。几乎所有人都在用手机,或者拿着手机。「我们是机器,」Hinton说。「我们只是生物学上的产物。大多数做人工智能的人并不怀疑我们是机器。我们只是极其奇特的机器。我不应该说只是。我们是特别的,奇妙的机器。」

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2018-02-05

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

来自专栏华章科技

北大教授李忠:谁说学数学只是为了升学?数学可以让你受益终生!

导读:一个人,从小学、中学甚至到大学,都得学数学。为什么要学这么多数学呢?其意义究竟何在?

2453
来自专栏PPV课数据科学社区

当今世界最NB的25位大数据科学家

引言 在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产生巨大影...

4645
来自专栏新智元

【Geoffrey Hinton传奇】你我都是机器人

来源:TorontoLife 作者:Katrina Onstad 编译:文强,司明,张乾 【新智元导读】Torontolife以“Mr Robot”为题对Hin...

3559
来自专栏大数据文摘

[专访]用大数据解放科学家,学术更简单

26010
来自专栏大数据文摘

分析1300万起案件 洛杉矶警局如何用算法预测犯罪

3781
来自专栏顶级程序员

当今世界最NB的25位大数据科学家

引言   在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产...

2958
来自专栏专知

深度学习理论在哪里?再思考- 中科院自动化所胡包钢研究员参加2017年NIPS会议感想

【导读】本文原本是为《基于信息理论的机器学习》教程中文注释后记准备的。但是上周我参加NIPS学术会议期间曾受《专知》邀请建议回来后写些会议感言。为简单将这感言与...

3904
来自专栏PPV课数据科学社区

莱布尼兹如何想出微积分?

一、引言 莱布尼兹 Leibniz(1646~1716)在1714年发表一篇文章叫做 "Historia et origo calculi differenti...

35714
来自专栏大数据文摘

算法帝国里的牛人们:莱布尼茨

2377
来自专栏PPV课数据科学社区

十年量化老兵谈量化:玩转量化投资你需要这些技能

来源:雪球 【投资起源】“与第一张股票认购证擦肩而过,再次入市从基金做起” 问:您哪一年入市的有多久了?为何会入市呢?第一次买卖赚了还是亏了? 持有封基:1...

4716

扫码关注云+社区