神经网络教父 Hinton 传奇：从建筑学到物理学再到哲学，最后在人工智能取得成就

【新智元导读】 被誉为“神经网络教父”的 Geoffrey Hionton 的一生非常传奇，高曾祖父是发明布尔代数的布尔。他曾在剑桥先学了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，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。

多伦多大学计算机科学教授 Geoffrey Hionton 出生于英国，现年69岁的他被誉为。神经网络（neural networks / neural nets）涉及设计模拟人类大脑的计算机系统，让它们能够学习。正如一些专家说，神经网络将彻底颠覆我们的生活——实际上，这已经发生——正如20世纪时电力颠覆了人类的生活一样。

多年来，Hinton 教授的研究领域不仅默默无闻，而且被孤立于计算机科学的主流学术圈之外。他的神经网络被使用手工编程等传统方法创造人工智能的不愁资助的人们认为是“虚弱的废话”。Hinton 教授说，学术期刊过去经常拒绝神经网络论文的投稿。

但是在过去五年左右的时间里，他带过的学生们取得了一系列惊人的突破，神经网络由此大热。他也成为了计算新时代的领军人物。你手机中绝大部分语音识别软件都靠神经网络工作。神经网络可以识别图片，分辨出狗的品种，准确度和人类几乎一样。

而世界上最大的科技公司正在向神经网络研究投入数百万美元，聘请了许多 Hinton 教授以前的学生，他们现在在苹果，Twitter，谷歌 和 Facebook 等公司负责或进行着 AI 方面的研究。

Hinton 表示，AI 的应用范围从无人驾驶汽车到可以比任何皮肤科医生更好地诊断皮肤癌的智能手机。新的技术浪潮预计会对行业造成一定破坏，并让那些开发和控制 AI 技术的人发财。

Hinton 教授把他的时间分散在多伦多大学和谷歌的多伦多办事处之间。在谷歌他是一位工程学者，并帮助指导一个新的AI实验室。他刚刚被任命为新成立的 Vector Institute 的首席科学顾问，该研究所将资助人工智能研究，旨在将多伦多转变为全球 AI 枢纽。

虽然取得了这么多成就，Hinton 教授看起来好像还是一副防守的姿态。采访在他谷歌狭窄的斯巴达风格的办公室中进行。屋里没有椅子，他身后墙上的白板被覆盖在方程式中。他几乎没有寒暄，就开始大谈神经网络和更多传统的 AI 方法之间的斗争仍在继续。

他说，他自己的大学，过去一直拖延着不愿再雇新的神经网络教授，尽管这么做可以从谷歌拿到100 万美元的收入。现在，随着研究经费更加充裕，许多人都跳到了神经网络这个领域里来。

“看到了神经网络的效果，产业和政府都开始直接把神经网络称为 AI。而原来 AI 领域里毕生都在嘲笑神经网络的人现在则很高兴地说神经网络就是 AI，并且千方百计地向从里面赚钱。”Hinton 教授说。

AI 的传统概念是依赖逻辑和规则来为计算机编程以使其“思考”。Hinton教授说，20世纪60年代，神经网络作为替代方案被“破坏”并被抹黑时，这项工作大部分还是理论上的，没有付诸实施。当时传统的模式被认为是正确的。

但是，过去几年的突破——部分原因在于计算能力的大幅度提高——改变了一切。2009年，Hinton 的两位研究生通过使用神经网络赢得了一个语音识别竞赛，使用神经网络打败了其他更成熟的方法，后来这种方法被升级并纳入到了谷歌的安卓手机中。2012年，他的另外两名同学轻松赢得了图像识别竞赛ImageNet，识别图像的错误率达到了5％，这是跟人类差不多的水平。

为了解释神经网络如何工作，Hinton教授使用翻译程序的例子。他使用神经网络作为翻译器，涉及到给计算机网络提供了一大堆单词和单词片段。系统计算出一个句子的含义，然后将其送到另一个神经网络中，然后这个神经网络会输出另一种语言的句子，全部过程不涉及编程或语言规则。神经网络甚至可以自动学会主动式和被动式之间的区别。

“没有人告诉过神经网络什么是主动还是被动。就像小孩一样，你不会说：“看，约翰尼，这个是主动，这个是被动。”事情并不是这样，过一段时间，他们自然就懂了，”Hinton教授说。“神经网络也是一样，它们就是学会了。”

Hinton 在美国几所大学轮换工作之后，决定在1987年来到多伦多大学，他当时考虑了两个因素。一是来自加拿大高级研究所对他AI的资助。另一个则更政治化：“我不想从美国军方拿钱。美国大部分AI 资金来自军方。”

Hinton 在温布尔登出生，在英国布里斯托尔长大，他的母亲是数学老师，父亲是喜欢甲虫的昆虫学家。Hinton的祖父是19世纪的逻辑学家乔治·布尔，也是布尔代数的发明家，布尔代数是现代计算的基础。Hinton 上的是他所说的二级私立学校（英国称为公立学校）：“我在学校数学不是特别好。 我喜欢物理学和足球。”

他先是去了剑桥大学念物理和化学，但只持续了一个月，然后转去建筑学，这次只持续了一天。然后他重新修物理学和生理学，但发现物理学中的数学太难了，遂转学习哲学，将两年的课程挤到了一年。

Hinton 教授说：“那是非常有用的一年，因为我对哲学产生了非常强的抗体，于是想了解心灵的运作方式。”

为此，他转修心理学，但结果只是确认了“心理学家们对人类意识也是毫无头绪”。在入爱丁堡大学研究生院在 Christopher Longuet-Higgins 门下学习人工智能之前，他当了一年木匠。Higgins 的学生包括诺贝尔奖获得者 John Polanyi，多伦多大学化学家和理论物理学家 Peter Higgs。

在那时，Hinton 教授就已确信，神经网络的概念将是正确的前行道路。但他的导师已经转向传统的 AI 方法。

“我的研究生生涯就跟暴风雨一般，每周都会发生一场争吵。”Hinton 说，“我一直对导师说，‘好吧，再给我六个月，我会向你证明神经网络的作用。’然后六个月快结束时，我会再次说，‘好的好的，我已经快能够证明了，再给我六个月的时间’。后来我就一直说‘再给我五年的时间。’大家都说‘你做了五年又五年，神经网络从来就没有奏效！’但最后，总算，它奏效了。”

他从没有怀疑过神经网络总有一天会被证明其优越性，他说：“我从来没有怀疑过，因为大脑必定以某种方式工作，而且大脑确定不是某人给它一些编程好的规则它才工作的。”

在被问到典型的“机器人是否将会接管人类世界？”时，他同意 AI 需要有一些限制。他最近签署了一份请愿书，要求联合国禁止人工智能致命性武器。这是一个名为“ 阻止杀人机器人运动”的组织提出的，请愿中写道：“我认为这是最可怕的一点。而且这不是遥远的将来……而是现在！”

他预测到，AI 将实现的更加美好的未来是医生使用神经网络诊断疾病或皮肤癌。AI 也将成为人的助理，不仅提醒你按时赴约，而且使用“常识”观察你的行为，如果你忘记了约会，它可能会决定打断你正在做的事。

大型银行、有线电视公司和许多其他公司正在寻求使用 AI 来分析销售数据，并更好地与客户进行互动，史蒂夫·欧文（Steve Irvine）表示。他离开了 Facebook ，回到多伦多创建了一个名为 Integrate.ai 的初创公司来帮助企业实现这一点。

“我认为怎么赞美他都不为过。”说起 Hinton 教授， Irvine 说。“因为他在看不到希望的日子里一直留在 AI 领域里，这让他看起来像一个疯狂的科学家。人们从来没有想过 AI 会变成现在的样子。现在这些谈论了 20、30 年的事情都在发生着。 我觉得这对他来说是一个很好的回报。现在是这个世界在歇斯底里，而他是教父。这绝对不是一夜之间的成功。”

原文地址：https://beta.theglobeandmail.com/news/toronto/u-of-t-professor-geoffrey-hinton-hailed-as-guru-of-new-era-of-computing/article34639148/