走近Hinton:AI教父传奇人生

【导读】Geoffrey Hinton花费了30年的时间默默无闻,直到2012年,他证明了其研究的价值,并驳回了大多数其他科学家所谓的正确观点。如今,这个被称为“人工智能教父”的男人在AI领域内早已家喻户晓,我们大多还只知道他的“反馈神经网络”、“胶囊网络”以及一些振聋发聩的头衔。然而,这个AI巨人背后也有不一样的成长历程,或者说令人黯然的经历:学术界的不认可、科研世家的压力、两任患癌的妻子…,Hinton比任何人都希望AI取代放射科医生,并更多地提高医疗服务的效率。在当今很多科学家仍然抱有“AI威胁论”,Hinton却保持乐观因为“我们也是机器,绝妙的机器”!

Mr. Robot

作者:Katrina Onstad

▌30年:从无人问津到AI教父



三十多年以来,Geoffrey Hinton一直都处于人工智能研究的边缘地带。他像一个局外人一样坚守着一个简单的观点:计算机可以像人类一样,依靠直觉而不是规则进行思考。这个念头在Hinton的青少年时代已经萌芽,那时,他的一个朋友向他描述了全息图的工作原理,物体表面无数的反射光线被记录下来,被存入一个巨大的数据库里。Hinton立刻想到:大脑也是这样工作的——海量的细胞由无尽的神经元图谱连接起来,信息在其间传递并沿着十多亿条路径传输。

于是hinton萌发了一个想法:计算机是否也能这样工作?

根据当时主流学术界的观点:计算机只能通过规则和逻辑进行工作!而Hinton的神经网络,就这样被忽略了。

50年代后期,Cornell大学的一位名叫Frank Rosenblatt的科学家提出了世界上第一台神经网络机——感知机(Perceptron),它的目标很简单:识别图像。目的是给感知机一幅骗过的图片,那么它至少在理论上会识别出“苹果”。

这个Perceptron运行在IBM大型机器上,在当时引发了严重的“科学幻想”。1958年,《纽约时报》预测:认为这将是第一个像人脑一样思考的设备,“Perceptron将能够走路、说话、看、写、自我复制、意识到它自己的存在。”

然而Perceptron并没有实现这些幻想,它成了科学界的一个笑话。之后,在主流学术界,神经网络被降级到边缘领域。但是,Hinton却有自己的想法:“大脑必须以某种方式工作,但一定不是编写好的程序,因为我们没有被编程,我们有常识。”

1972年,25岁的Hinton在爱丁堡大学攻读博士学位,并把神经网络作为研究重点。在此期间,他的导师几乎每周都会提醒他在浪费时间。然而Hinton不为所动。

博士毕业后,Hinton在匹兹堡的卡内基梅隆大学(CMU)工作,然而,作为一名社会主义信仰的人,Hinton无法忍受当时里根政府的外交政策。他和妻子打算收养一个来自南美洲的孩子,所以不想让孩子在冲突严重的国家里成长。而且,美国大部分人工智能研究都是国防部资助的,与Hinton可以说格格不入。1987年,Hinton接受加拿大高等研究院(CIFAR)的邀请。CIFAR为Hinton提供了学术自由,还有不错的薪水。尽管从未学过计算机课程,Hinton被安排到计算机专业,在CIFAR从事机器和大脑学习项目研究。

Hinton在Sandford Fleming building有一个小办公室,默默地从事他的工作,随着时间推移,他身边聚集了少量的几个深度学习信徒。其中就包括Ilya Sutskever,他后来成为OpenAI的联合创始人。他在2000年加入Hinton的实验室,当时还是AI的“冬天”,可以说在学术界、工业界都不受重视。

2009年,计算机的计算能力明显提升,神经网络在语音和图像识别领域超过传统的基于规则和逻辑的方法,大型科技公司开始关注和投资人工智能。

2012年,谷歌在Google X实验室宣布建立了一个包含16,000个计算机处理器的神经网络,通过向计算机提供YouTube中数百万个随机的、未标记的视频,并对其进行了编程,用以识别猫之类的东西。

这一成功让Hinton成为AI界领袖。Dean在2013年邀请Hinton加入Google。

▌从不坐下的巨人,万众瞩目的Capsule



在多伦多大学,从Hinton在的办公室望出去,能俯瞰校园中心的主干道。Hinton一边吃着三明治,一边走来走去,不时在白板上写写画画,尝试让人们更容易理解神经网络。他说,如果必须为猫和狗分配一个性别,直觉来讲,人们可能会把狗看作是男性,把猫看作是女性。这种划分没有任何逻辑,但是,Hinton说,我们通过一千多个类比来理解,狗是积极的,多毛的,块状的;猫则狡猾,聪明,从这方面来讲,前者是男性,后者是女性是有道理的。这些都不能用逻辑来证明的,它是隐藏在我们的脑海中的。

Hinton几乎从不坐下,因为他患有椎间盘突出。这在他19岁的时候出现问题,那时他帮目前搬一个沉重的暖器,由于本身也存在钙代谢方面的基因问题,所以,从2005年以后,他基本就不再坐下了。

在Go North活动中,Hinton解释了两位谷歌工程师的研究成果:胶囊网络。Hinton用例子展示:胶囊网络使识别更快,更准确。如今,胶囊网络已经在学术界被人熟知,也不乏有人大肆宣扬鼓吹:“每个人都在等待它。”

当今很多AI领域的牛人都曾跟随Hinton学习,他的几十名学生现在已经成为Facebook、谷歌、苹果、Uber等科技巨头中的核心人物。

▌科学世家的压力:要么成为学者,要么一事无成



Hinton曾说过,在他成长过程中,他的母亲给过他两种选择:“要么成为学者,要么一事无成。”

Geoffrey Hinton出生于战后英国的温布尔登,他的父亲叫Howard Everest Hinton,是英国昆虫学家,喜欢研究甲壳虫。他的母亲Margaret是一位教师。而他们一家也都流淌着饱含聪明才智的DNA:他的叔叔是著名的经济学家Colin Clark,正是他发明了“国民生产总值”这个经济学术语;他的曾曾祖父是著名的逻辑学家George Boole,他发明的布尔代数(Boolean algebra)奠定了现代计算机科学的基础。

Hinton的母亲很有爱心,但他的父亲却有些令人敬畏,“他也不会虐待人,但他确实极其强硬”。

当被问起对于生长先和的科学世家的感受时,Hinton表示:“压力,很大的压力。”Hinton说,自己一辈子都在压抑、沮丧中挣扎,而工作就是他释放压力的方式。

▌两任妻子,一个信念:AI终将取代放射科医生



Hinton在1994年失去了他的第一任妻子Ros,她因卵巢癌逝世,Hinton成为单身父亲,独自抚养照顾他们收养的两个年幼的孩子。1997年,他与其现任妻子Jackie再婚,不过,三年前Jackie也被诊断出患有胰腺癌,Hinton处于失去第二任妻子的边缘。

Hinton在医院度过大量的时光,他目睹医院很多低效的数据处理以及大量误诊带来的困扰,他认为,人工智能的成果将使医学变得更加高效。他设想,过不了多久,每个人都能够花100美元获取自己的基因库(目前这一项目的费用为1000美元),而且Hinton也认为X射线检测工作可能很快就会被大量机器人取代。

Hinton发起的Vector Institute的最早的一批项目中,就包括用神经网络研究多伦多医院提供的大量数据。

人工智能技术可以通过访问庞大的数据集(本质上就是病历)来实现众多突破,包括远程监控病人的心跳,帮助医生确定理想的出院时机。多伦多新创公司Deep Genomics是向量学院的合作伙伴之一,正在开发能够读取DNA的AI,这将有助于及早发现疾病并确定最佳治疗方案。Deep Genomics的创始人Brendan Frey是Hinton的一名学生。

Hinton问我是否会帮他一个忙。 他说:“我非常希望你能在文章里提一下,我过去两年半能够继续工作,是因为我的妻子对她的癌症有着如此积极的态度。”他平静地说:“非常感谢你。”

▌“我们都是机器,绝妙的机器”



截至目前,Vector Institute已经录用了20位科学家,他们正在为世界上一些宏大的问题探求技术解答:如何用AI来诊断儿童癌症,检测语言障碍?怎样建造机器,赋予人类像动物一样的视力,或者谱写优美的乐曲?或者怎样用量子计算来加速分析里人类活动产生的大量数据?Vector有一名关键员工Raquel Urtasun,会将她的部分时间分配给Uber,在那儿开发自动驾驶汽车。

如今的AI狂热不仅仅是为了金钱,也是因为AI融入日常生活的快速步伐,例如,我们从翻盖手机到iPhone X人脸解锁,用了不到10年的时间。

很多科学家担心AI技术发展太快,对人类造成一定的威胁,Hinton对AI基本保持乐观态度,“我认为这会让生活变得更容易。人们所说的潜在影响与技术本身无关,而与社会组织方式有关。作为一个社会主义者(socialist),我觉得当技术提高了生产力时,每个人都应该分享这些成果“。 Hinton表示,相比人们对机器日益提升的智能程度的担忧,对人类而言,更为紧迫的威胁其实是杀手机器人的开发。(为强调这一点,116家AI公司创始人在本周联合签署了一份请愿书,呼吁禁止制作致命的机器人武器。)

如今,在Hinton周围,Google的80后90后员工吃着沙拉,喝着咖啡,他们几乎都在玩手机。Hinton说“我们是机器”,“我们只是以生物的方式存在。大多数做AI的人对这一点毫不怀疑。我们只是特别精密的机器。”

原文链接:

https://torontolife.com/tech/ai-superstars-google-facebook-apple-studied-guy/

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

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AI科技大本营的专栏

四个月就能学成机器学习?我们认真准备了一下该怎样做到

柯洁被AlphaGo虐哭的场景,想必大家历历在目: ? 输到没脾气的柯洁,承认人类在计算力和认知上确实有极限,他是这样说的:“我不会再跟它去下棋了,真的是太残酷...

421120
来自专栏新智元

马维英:AI Lab是公司最能冒险的部门,五大AI战略资源是钥匙

字节跳动实现建设全球创作与交流平台的愿景,以及取得当前全球化进展,都离不开人工智能技术提供的关键支撑。字节跳动一向重视人工智能技术的发展,而其AI Lab,最开...

9620
来自专栏PPV课数据科学社区

【工具】R语言学习参考图书不完全指南

这里大部分都是英文的书。国内对于R的书籍的翻译中文几乎可以忽略的说。 1.入门级读物 R的帮助文档中提供了一些入门的读物,比如《Anintroduction t...

24330
来自专栏华章科技

3位高二女生用大数据成功预测地铁出站人数 | 00后正在抛弃你

导读:有人用大数据“杀熟”,她们却用大数据做了轨道交通客流分析,运用自己设计的算法,对轨道交通出站人数的预测平均精准率达到了93%。4月15日,在第33届重庆市...

9730
来自专栏量子位

李飞飞得意门生Andrej Karpathy出任特斯拉AI主管

陈桦 编译整理 量子位 报道 | 公众号 QbitAI 今天,特斯拉新任命了一位人工智能主管:计算机视觉专家、李飞飞的得意门生Andrej Karpathy。 ...

30950
来自专栏腾讯研究院的专栏

何为实在

image.png 推荐语: 霍金的《大设计》(The Grand Design)与其说是本科普读物,莫如说是相关“实在与终极”的著作。过去几千年间,...

26250
来自专栏量子位

给无人车加个透视眼 | 斯坦福SCIL实验室最新Nature文章

拐角路口没有装凸面反光镜的话。 ? △ 别找凸面反光镜了……就是没有 老司机开车都得减速慢下来。 谁知道拐弯看不见的地方,会不会有人或小动物突然窜出来。 就更别...

27450
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...

40940
来自专栏大数据文摘

用机器学习的经验指导人生:如何实现学习效率最大化

12630
来自专栏新智元

李飞飞:我们怎么教计算机理解图片

前言: 当一个非常小的孩子看到图片时,她可以辨认出里面简单的要素:"猫""书""椅子"。现在,电脑也聪明得可以做同样的工作了。接下来呢?在这个令人震撼的演讲里,...

35480

扫码关注云+社区

领取腾讯云代金券