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。”
领取专属 10元无门槛券
私享最新 技术干货