Deprecated: Creation of dynamic property db::$querynum is deprecated in /www/wwwroot/xxjcpj.com/inc/func.php on line 1413

Deprecated: Creation of dynamic property db::$database is deprecated in /www/wwwroot/xxjcpj.com/inc/func.php on line 1414

Deprecated: Creation of dynamic property db::$Stmt is deprecated in /www/wwwroot/xxjcpj.com/inc/func.php on line 1453

Deprecated: Creation of dynamic property db::$Sql is deprecated in /www/wwwroot/xxjcpj.com/inc/func.php on line 1454
物理诺奖获得者辛顿的传奇人生:放弃过物理专业当过木匠最终选择人工智能_运营管理领域_乐鱼官网-乐鱼官网入口网页版-乐鱼官网平台入口

物理诺奖获得者辛顿的传奇人生:放弃过物理专业当过木匠最终选择人工智能发布时间: 2024-10-12 来源:运营管理领域

  辛顿,这位诺奖得主里最懂AI、AI学者里第一个拿诺贝尔物理学奖的学者,这两天被推到了全世界的聚光灯下。

  “如果有计算机科学领域的诺贝尔奖,我的工作显然更适合获奖。”2024年诺贝尔物理学奖获得者杰弗里·辛顿在接受媒体采访时说道。

  1947年在英国出生的辛顿,如今已来到“古稀”之年,其在人工神经网络机器学习方面的基础性发现和发明,让他将今年的诺贝尔奖摘到囊中。

  其实,冠有“神经网络之父”“AI教父”“图灵奖获得者”等诸多响亮头衔的辛顿,早在获得诺贝尔奖之前就已是声名显赫。

  尤其在AI圈,他是举足轻重的前辈,是授业解惑的老师,同时也是一众科技大佬的老友。

  读高中时,一位朋友告诉辛顿,“人脑的工作原理和全息图一样,并非将记忆存储在一个特定的地方,而是在整个神经网络里传播。”辛顿对此深深着迷。

  在身边人的出谋划策下,18岁的辛顿入学英国剑桥大学国王学院攻读物理和化学,但不料读了一个月就休学了。后在第二年改修建筑学,但上了一天课后再次放弃。

  出于对大脑的好奇,辛顿先后尝试了几门不同学科,包括生理学、哲学、以及心理学。

  在辛顿回忆这段经历时表示,“这些科目的学习让自己受益良多,但对‘意识’的探索没有帮上忙,更想进一步探索思维是如何运转的。”

  虽然拿到了心理学学位,但“失望”的辛顿随后搬到了伦敦北部的伊斯灵顿区,当起了木匠。

  做木匠时间不长,辛顿突然又觉得这不是对自己最合适的行当。好在有父亲的推荐,让辛顿到布里斯托尔大学做起了心理学助教。

  1972年,辛顿凭借过往经历申请到了苏格兰爱丁堡大学的博士,决定尝试一个新的方向——人工智能。

  在爱丁堡大学,辛顿算是选对了路,遇到了“知音”希金斯教授,正在研究神经网络,辛顿在了解过后,认定这正是可以用机器实现大脑功能的方向。

  也是在这个契机下,辛顿正式开启了“神经网络”追寻之路,但这条路走起来并不容易。

  在当时,AI是个不太受待见的专业,甚至直到辛顿在1978年拿到人工智能博士学位时,人工智能还处在“低谷期”。

  更糟糕的是,当时AI领域的主流理论是符号主义和专家系统,而辛顿研究的偏偏是冷门的“神经网络系统”。

  没有强大的GPU支持,也没有海量的互联网数据,辛顿的研究被很多人认为是在走一条看不到希望的路。

  在“神经网络”研究领域久坐“冷板凳”的希金斯教授后来也“叛变”到了符号主义阵营,认为“神经网络”没办法实现,并多次相劝辛顿也趁早别再荒度时间做研究了。

  对此,辛顿坚持要走自己的路,每次被劝说时,他只是回应“再给我六个月的时间”。

  在辛顿的潜意识中有一个信念存在,“人需要坚持自己的主张,直到实现它或是否定它,做科学需要这样的精神。”

  就这样,辛顿带着自己的坚持熬到了博士毕业,并继续攻克“神经网络”的研究。他坚信,“人类大脑就是这么工作的,机器利用神经网络也一定能。”

  博士毕业后,辛顿前往美国找到了一份博士后的工作,并在加利福尼亚州遇到了不少“神经网络”理论支持者。

  在更多人加入到“神经网络”的研究中后,辛顿的研究越发受到社会关注,研究成果也被慢慢的变多人认可。

  1986年,辛顿与戴维·鲁梅尔哈特和罗纳德·威廉姆斯共同发表题为“通过反向传播误差来学习”的论文,将反向传播算法应用于多层神经网络,并证明这种方法对机器学习有效。

  清华大学心理与认知科学系主任、人工智能学院教授刘嘉向搜狐科技介绍,“玻尔兹曼机是历史上第一个多层神经网络,最大的突破是能扩大模型参数量,让神经网络有更强的思维能力。好比人的大脑比猴子的大脑大了3倍,有更多数量的神经元连接,思维能力也就更强。”

  在之后的数十载中,辛顿先后在卡耐基梅隆大学、多伦多大学计算机科学系任教,带领学生做出诸多引领世界AI发展的研究,并培养了一批又一批技术人才,前OpenAI联合创始人兼首席科学家伊利亚·苏茨克维就是这里面一位。

  2012年9月,辛顿、伊利亚及埃里克斯共创论文“用深度卷积神经网络进行ImageNet图像分类”,让“神经网络”的研究再次升温。

  凭借论文中提到的“AlexNet”深度卷积神经网络,辛顿等人在当年李飞飞团队组织的ImageNet比赛中碾压对手,摘得桂冠。

  比赛结束后,世人感叹于深度卷积神经网络的强大威力,这篇论文也成为了深度学习发展领域的重要里程碑。

  俗话讲“趁热打铁”,辛顿等人没有错过这次从学界跨到产业界的好机会,三人联合共同创立公司DNNResearch,主要研究领域为智能物体识别。

  辛顿创办公司的消息很快被传开,微软、谷歌等公司都非常看好该初创企业的发展的潜在能力,争抢收购,公司的市值也是“水涨船高”。

  公司成立也就一年的时间,被谷歌于2013年以4400万美元的价格收购,辛顿也随之正式加入谷歌,任职谷歌公司副总裁。后因担心AI再发展给人类社会带来的潜在危险,辛顿在75岁时决定离职谷歌。

  2018年,为表彰辛顿在AI领域做出的卓越贡献,授予其计算机领域国际最高奖项——图灵奖。

  辛顿对AI的发展一直持有复杂且深思的态度。他既认识到人工智能带来的巨大潜力和积极影响,也对其可能带来的风险和挑战表示担忧。

  在最新的采访中,辛顿表示,“获得了诺贝尔奖会让人们更加认认真真地对待我对未来危险的警告。”

  从2023年春天开始,辛顿真正开始意识到,正在构建的AI可能会成为比人类更智能的存在。

  他说,“人工智能的发展速度比想象中快了许多,未来5-20年,AI有一半概率比人类聪明。当它们比人类更聪明时,我不明白我们被接管的可能性有多大,但在我看来有很大的可能性。”

  他担心,“人类终有一死,但机器不会,现在的人工智能运行还依赖于人类制造机器,如果它们能自己完成这件事时,我们就完蛋了。AI除了会取代人类工作,还有可能对人类文明构成威胁。”

  这种潜在的威胁,让辛顿忧心不已。出于对AI加快速度进行发展的担忧,拨了二十几通电话邀请辛顿加入xAI的马斯克连续遭到拒绝,并被辛顿指责“胡言乱语”。

  谈及应对AI安全风险的方法,辛顿建议,“在AI变得比人类更聪明之前,应该对其做全面实验,看看AI究竟是否会试图控制别人,并看看AI是否会在我们也可以控制它们的时间开始进化。同时,呼吁政府和大公司投入更多资源进行安全研究,以确保AI技术发展尽可能的避免失控。”

  令人感慨的是,年近八寻,头顶白发的辛顿到今天都没有停止为AI的再发展做出努力。他穿梭于学界与产业界,比起奖项,真正难忘的或许是在黑暗道路上的坚守,还有那一颗希望用技术改善人类生活的初心。返回搜狐,查看更加多