想法超越世界40年！AI教父辛顿获电脑界诺贝尔奖：图灵大奖！

领先全球40年，奠定电脑深度学习基础的多伦多大学教授辛顿（Geoffrey Hinton），3月27日再次荣获有电脑界诺贝尔奖之称的图灵奖（Turing Award），为他的研究生涯再添殊荣。

美国电脑协会27日公布年度2019年图灵奖得主，辛顿与法国电脑科学家勒昆（Yann LeCun），以及学者班吉欧（Yoshua Bengio）共同获得这项殊荣，他们都对AI研究有卓越贡献，其中辛顿被称为电脑深度学习之父。他获奖时对媒体表示，“我们三人都相信深度学习研究途径，现在它成为潮流是相当棒的事。”

辛顿已71岁，他去年底才获颁加最高荣誉勋章（Companion of the Order of Canada）。这位AI圈无人不知、无人不晓得的学界泰斗，领先潮流长达40年。他出生于英国的学术世家，现居加拿大并于多伦多大学进行研究。辛顿念生理学时，就对大脑的运作很感兴趣，接着攻读心理学，并专攻电脑科技模拟大脑，最后进入AI领域。辛顿研究的过程并不轻松，过去他专研的深度学习研究领域，学界不屑一顾，因为在辛顿之前，学界曾经尝试过，但失败了。

1950年代，美国认知心理学家罗森布拉特（Frank Rosenblatt）将神经元理论应用在电脑。他发明了一个“感知机”（Perceptron）的神经网络模型，也就是利用一个个电脑神经元，组成类似大脑的神经网络，来模拟人脑计算的方式。罗森布拉特与研究团队输入一些数据到这些神经网络，像是男性与女性的照片，让电脑分辨他们的差别，但准确度并不高。问题出在罗森布拉特的神经网络是单层的，但大脑更复杂，这也让电脑神经元能起的作用有限。他的尝试失败，让神经网络领域被打入冷宫，学界对此不再感兴趣。但辛顿没有。对辛顿来说，罗森布拉特的研究正好显示，其实只差一步。

“大脑是一个巨大的神经网络，所以一定要做到那样才能运作。因为它在我们的大脑是能起作用的。”辛顿认为，“如果能找到如何打造更复杂神经网络的方式，就能解决单一神经网络做不到的事。”“我们还没有足够的数据，也没有足够的计算能力。AI和电脑科技领域的人基本上认为，神经网络是个妄想，所以真的是很大的挫败。”

因为技术与数据量跟不上，他的研究被认为没有意义。他当时积极参与研讨会，但都只能坐冷板凳，常被他人轻视和瞧不起。“有很多时候我也会想，我不要继续了。”辛顿带点苦笑地说。直到2006年，世界才跟上辛顿的想法。

超级芯片和大量网络生产的数据，让辛顿的计算方法成真。所有他在1980年代就提出的概念与想法，随着电脑科技的进步，终于获得验证。电脑能辨识图象、能分析说话内容，也能翻译了。2012年，神经网络、机器学习这样的词汇，开始出现在像大众媒体上。现在，电脑深度学习的人工智能已是主流。

“当人们终于赶上了，有一种解脱的感觉。”辛顿边说边笑，现在没人敢再轻忽他。想法超前世界40年，近年才被理解，他怎么撑下来的？“因为每个人都错了啊。”