Hinton 四问：一个重要的关注点是让神经网络真正理解文档的内容

【新智元导读】 Hinton谈到了真正的人工智能、人工智能威胁和深度学习的下一个进展等问题。

国外网站gigaom 最近刊登了对Hinton专访的四个问题， 谈到了目前深度学习领域的几个问题：真正的人工智能何时实现、如何看待人工智能对经济和劳动力的影响和深度学习的下一个进展。

1. 你被称为“神经网络之父”，你相信会在有生之年看到真正的人工智能出现吗？

这取决于你对“真正的人工智能”的定义。如果你是指在感知、自然语言、推理以及运动控制等等方面都具有人类水平的智能体，那么，我可能看不到。但是，预测超过5年后的未来是很难的，所以我也不绝对排除能看到的可能性。十年前，大多数搞 AI 的人都很有信心，就是使用神经网络做机器翻译是没有希望的，因为这需要让神经网络从原始训练数据中获取有关语言的所有知识。但这就是现在的机器翻译方法，而且是最好的方法，神经网络翻译非常显著地缩小了机器翻译和人工翻译之间的质量差距。

2. 假如真正的人工智能出现，你担心的是什么？

我不大担心现在一些流行的说法，就是邪恶的机器人会接管世界之类的。我更担心的是希特勒或墨索里尼之类的人可能做的事情，如果他们装备有智能机器人，后果可能不堪设想。我认为迫切需要就这项技术的军事化进行国际协议。

3. 你如何看待人工智能对经济和劳动力的影响？是有利还是有害？

机械挖掘机和自动柜员机已经帮助人们减少了大量繁重的工作，提高了生产率，很少有人会认为不应该引入这些机器。在公平的制度中，提高生产力的技术进步将受到每个人的欢迎，因为它们将为每个人提供帮助，让每个人的生活变得更好。技术不是问题，问题是社会制度能不能确保每个人都受益。

4. 深度学习的下一个大的进展是什么？

目前，我们已经在解决一些困难问题上取得了前所未有的进展，这些问题在近半个世纪以来我们的前辈们不管多么努力也解决不好。语音识别现在非常好了，而且在快速变得更好。机器识别图像中对象的能力也取得了巨大的进步，我认为计算机很快就能够理解视频中发生的故事了。最近机器翻译都开始使用神经网络的方法。几乎每周，深度神经网络都会在新的、有商业价值的重要任务上取得成功。深度学习技术开端于 20 多年前，现在已经取得了非常惊人的成果。这些成果包括更好的神经元类型，更好的架构，使学习任务在更深的网络上进行的更好方式，以及使神经网络聚焦于输入的相关部分的更好方式。深度学习现在吸引了许多非常聪明的人和大量资金，我认为这种开花结果的过程还将继续许多年。

我认为一个重要的关注点是让神经网络真正理解文档的内容。这可能涉及开发新类型的临时存储器，这是当前的热门话题。

我们目前仍然没有解决的一个问题是，让神经网络从少量的数据中得到良好的生成，我觉得这可能需要彻底改变我们现在使用的神经元类型。最后，我认为通过应用深度学习得到的经验教训将能够让我们更好地理解真正的神经元如何学习任务，我预计这种洞察力将对深度学习产生巨大的影响。