首页 > CIO > 正文

从“神经网络之父”到“人工智能教父”|Geoffrey Hinton的传奇人生 那才叫精彩

2017-09-01 11:09:14  来源:科技行者

摘要:Geoffrey Hinton,被称为“神经网络之父”、“深度学习鼻祖”,他曾获得爱丁堡大学人工智能的博士学位,并且为多伦多大学的特聘教授。在2012年,Hinton还获得了加拿大基廉奖。2013年,Hinton 加入谷歌并带领一个AI团队,他将神经网络带入...
关键词: 神经网络 人工智能
        人工智能领域有三大奠基人,分别是Geoffrey Hinton、Yann LeCun与Yoshua Bengio。本文主要围绕“神经网络之父”Geoffrey Hinton。
 
  \
 
  Geoffrey Hinton,被称为“神经网络之父”、“深度学习鼻祖”,他曾获得爱丁堡大学人工智能的博士学位,并且为多伦多大学的特聘教授。在2012年,Hinton还获得了加拿大基廉奖(Killam Prizes,有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年,Hinton 加入谷歌并带领一个AI团队,他将神经网络带入到研究与应用的热潮,将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术,并将HintonBack Propagation(反向传播)算法应用到神经网络与深度学习。
 
  从Geoffrey Hinton家族开始说起
 
  Geoffrey Hinton出生于战后英国的温布尔登,他的父亲叫Howard Everest Hinton,是个英国昆虫学家,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:他的叔叔是着名的经济学家Colin Clark,正是他发明了“国民生产总值”这个经济学术语;他的曾曾祖父是着名的逻辑学家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。
 
  Geoffrey Hinton的学习生涯
 
  早在1960年代,Geoffrey Hinton的高中时期,就有一个朋友告诉他,人脑的工作原理就像全息图一样。创建一个3D全息图,需要大量的记录入射光被物体多次反射的结果,然后将这些信息存储进一个庞大的数据库中。大脑储存信息的方式居然与全息图如此类似,大脑并非将记忆储存在一个特定的地方,而是在整个神经网络里传播。Hinton为此深深的着迷。对Hinton来说,这是他人生的关键,也是他成功的起点。
 
  但是,Hinton的“AI之路”走的并不平坦。
 
  Hinton先是进入了克利夫顿大学,毕业后,他进入了剑桥大学国王学院攻读物理和化学,但仅读了一个月后就退学了。他谈到:“我那时候18岁,第一次离开家自己生活。当时的工作十分繁重,周围没有任何女孩,我感到有些压抑。”
 
  一年之后,他再次申请攻读建筑学,结果又退学了——而退学后仅仅一天,他又转而攻读物理学和生理学。此后,他又改读哲学,但因为与他的导师发生争吵而告终。他承认道:“我有一种教育上的多动症。”
 
  此后,Hinton并没有继续完成他的学业,而是退学后搬到了北伦敦的伊斯灵顿区,那里当时混乱不堪,他在那里成为了一个包工的木匠。他说道:“我做过一些货架、悬吊门这些没什么特别的东西。人们都是靠做这类东西赚钱。”每个星期六的早上,他都会去伊斯灵顿的埃塞克斯路图书馆,在他的笔记本里匆匆记下关于大脑工作原理的理论。
 
  经过几年的艰辛工作,Hinton又回到了学术界,并从1973年开始在英国爱丁堡大学攻读人工智能博士学位,继续他的神经网络的探索。
 
  
 
  后来,他转到了美国匹兹堡的卡内基梅隆大学继续进行他自己的研究,但他很快意识到,他所在的院系以及整个美国大部分的AI研究工作都是由美国国防部(DoD)资助的。于是他毅然辞职以示抗议,并搬到了加拿大这个军事资助基本无害的地方。
 
  他表示:“我离开的时候,带走了一美分硬币,并用一台施乐复印机将它放大,然后把它挂在了我的办公室门上。但是我把其中的‘G’改成了一‘D’,所以上面那句话就变成了:in DoD we trust(‘我们信赖国防部’)。”
 
  既有对AI的恐慌 也有对AI未来发展的期望
 
  人工智能的美丽新世界已经开启,而且将永久性地改变着我们的生活,不过,这些改变,有好也有坏。
 
  
 
  据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。)
 
  Hinton自己以前也签署过类似的请愿书,并郑重地写信给英国国防部阐述他对此的担忧。他谈到:“(英国国防部)回复说现在还没必要对此做出什么处理,因为人工智能技术的发展仍任重而道远,而且不管怎么说,它们还有可能会带来很多益处。不过,他们肯定有能力做到这一点。”
 
  除此之外,他还担心人工智能会越来越多地被用于政府对平民的监视,而且他还透露称自己曾因为担他的研究会被安全部门滥用,拒绝了一份在加拿大相当于美国国家安全局董事会的工作邀约。
 
  不过,尽管已经讨论过了当前正在研发的“无人机群”等武器话题,Hinton仍然相信AI所产生的效益会给人类带来福音,尤其是在医疗和教育领域。
 
  Hinton在1994年失去了他的第一任妻子Ros,她因卵巢癌逝世,留下他独自抚养照顾他们收养的两个年幼的孩子。后来,他与其现任妻子Jackie再婚,不过,据说Jackie现在也被诊断出患有胰腺癌。
 
  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图谱(目前这一项目的费用为1000美元)。不过,对于放射科医生而言,AI的发展并不是个好消息,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。
 
  虽然大量工作岗位将会消失,但他坚持认为,确保人们不会被经济自动化浪潮抛下是政府和企业的工作和职责。
 
  Hinton表示:“在一个分工明确的组织型社会里,提高生产力将使每个人受益。问题不在于技术,而在于利益的分配方式。”
 
  现在的Hinton:一半归多伦多大学,一半归Google大脑
 
  现在,Geoffrey Hinton一半时间在多伦多大学教书,一半时间在 Google建设神秘的Google大脑。
 
  深入到谷歌位于多伦多市中心总部内部的办公室,经过其屋顶绿绿的高尔夫球场、桌上足球桌和大胆采用同该公司Logo标志一样基本色的人体工学座椅,我们将看到一个不修边幅的人站在那里,就像是刚从昆汀·布莱克的画像中走出来,与周围环境格格不入。
 
  
 
  从外貌上看,Geoffrey Hinton教授有着所有英国学者的典型特征:一头蓬乱的头发,皱巴巴的衬衫,衬衫前口袋里还插着一排圆珠笔,守着一个巨大且脏乱的白板,白板上写满了各种复杂难解的方程式。他的办公室里根本没有座椅,69岁的Hinton教授喜欢一直站着。
 
  虽然他看起来可能有些古怪,但对他办公室外的那些年轻的人事物而言,Hinton是一种类似于神级的存在:他被人们誉为“人工智能(AI)教父”,而这项已经引发全球性变革的新技术背后,与其聪明才智密不可分。
 
  他过去带过的学生已陆续被硅谷挖走,分别在苹果、Facebook和Google这类的科技巨头公司里领导着人工智能领域的研究工作,而他自己也被Google聘请为公司副总裁,主管工程设计部门。在接下来的几个月里,他将执掌多伦多新募集了1.8亿美元资金的人工智能研究所Vector Institute,以期巩固这座城市在人工智能领域作为全球领导者的地位。
 
  尽管在北美呆了这么多年,Geoffrey Hinton教授仍旧操着一口标准的英式口音说道:“被称为‘教父’,我感觉有一些难为情。”
 
  他笑着表示:“我对我自己的数据有一种里根式的笃信。”而正是Geoffrey Hinton对自己的工作成果不可动摇的信念,促使他从学术生涯多年的不得志走到了当前最热门的AI前沿。
 
  Hinton教授是机器学习的开创者,使得计算机可以独立想出程序、自己解决问题。特别重要的是,他还从中开辟了机器学习的一个子领域,即所谓的“深度学习”,也就是让那些机器像一个蹒跚学步的孩子一样,模仿大脑的神经网络形式。
 
  这意味着计算机可以自动构建一层层智慧网络。随着近年来非常强大的处理技术的出现,这种深度学习框架经历了巨大的变革,现已成为主流方法:从我们的智能手机中的语音识别模式到图像检测软件再到亚马逊为用户推荐购买哪本图书,全都离不开深度学习。
 
  Hinton及其同事们的工作挖掘出了机器学习的无限潜力,他们也被其竞争对手戏称为“加拿大黑手党”。
 
  近期,Geoffrey Hinton带领谷歌大脑团队推出了新作:通过给个体标签建模来提高分类能力,同时也展示了通过采用这种标记方法我们提升了计算机辅助诊断糖尿病导致视网膜病变的准确度。谷歌大脑团队提供了一种创新的方法,以处理那些数量巨大的、需要借助专家来标记标签的现实数据。
 
  同时,Geoffrey Hinton在多伦多大学也有新动作,近期,多伦多大学宣布成立一个专注于人工智能研究的独立研究机构——向量学院(Vector Institute),作为多伦多大学计算机系名誉教授的Geoffrey Hinton被任命为首席科学顾问将在这里开展人工智能研究,吸引更多人才并致力于将多伦多建设成一个全球人工智能的中心。Hinton的这个团队也会是Google Brain的一个延伸,而恰巧在去年底,Google早已宣布在蒙特利尔开设了一个Google Brain的分部。
 
  即便是高瞻远瞩如Hinton,他也不知道人工智能革命接下来会将我们带向何处。他说道:“在这个领域,很难预测五年以后的事情,毕竟事情往往并不会像你期待的那样如期而至。”
 
  不过可以确定的是,正如我们所知,新世界的大门即将开启。
 
  文章末尾的彩蛋——《人工智能发展大事记》
 
  1950年 图灵测试
 
  阿兰·图灵(Alan Turing)最为着名的是他在二战时于布莱切利园(Bletchley Park)所做的加密工作,他为只能机器行为设计了一项测试。如果人类观察者无法确切地辨别出测试的回应者是机器还是人类,那么这台机器就算是通过了图灵测试。图灵把这个测试称为“模仿游戏”。
 
  1956年 “人工智能”诞生
 
  在美国新罕布什尔州达特茅斯学院的一次计算机科学会议上,人工智能作为一个正式的学科被正式创立。由于在教导机器学习下棋和用英语解决一些问题方面初见成效,美国国防部便开始资助人工智能的研究,并预测人们将在二十世纪七十年代中期以前解决人工智能问题。
 
  1968年 《2001:太空漫游》
 
  斯坦利·库布里克(Stanley Kubrik)导演的这部电影中那个杀气腾腾的计算机HAL,已经使得一种狂暴的人工智能想法在流行文化中扎根。同年,菲利普·迪克(Philip K Dick)也出版了一部类似的小说,后来这部小说被拍摄成为了电影《银翼杀手》(Blade Runner)。
 
  二十世纪70年代 人工智能“萧条期”
 
  由于受到数学家詹姆斯·莱特希尔(James Lighthill)对人工智能行业进展做出的批评报告的部分影响,美国和英国政府纷纷撤回了对人工智能研发的资助资金。
 
  这是人工智能的第一个主要“寒冬”,而到了二十世纪80年代末,由于个人电脑的繁荣发展势不可挡,第二个AI寒冬到来了。我们可以看到AI这个词从文献研究中消失了数年,取而代之的是“机器学习”和“信息学”。
 
  1984年 《终结者》发布
 
  詹姆斯·卡梅隆(James Cameron)在他这部经典科幻电影中设定了一个名为天网(SkyNet)的人工智能系统,结果这个系统后来自我意识觉醒,开始毁灭人类寻求自卫。
 
  1997年 深蓝(Deep Blue)击败卡斯帕罗夫(Kasparov)
 
  这是人类国际象棋特级大师首次在比赛中被计算机击败。而计算机深蓝在这场国际象棋比赛中的胜利也引发了人们对把国际象棋作为测试评估基准的重新思考,毕竟这种游戏很容易通过计算蛮力攻克。
 
  2011年 沃森(Waston)在《危险边缘》中获胜
 
  沃森是一个由IBM公司特别设计用来参与智力竞赛节目的系统,在这些竞赛中,参赛者可以前来挑战上一位赢家。而沃森在《危险边缘》节目中赢得了100万美元的头奖。如今这款基础软件已被用于各种注重理解人类语言的应用程序中,例如,它可以在医疗保健领域作为医护人员的医疗决策支持系统使用。
 
  2011年 Siri问世
 
  Siri最初是在2008年从美国国防部高级研究计划局(DARPA)的研究中剥离出来的一个私人助理应用。随后,苹果公司在2010年收购了这家公司,并在2011年将人工智能引入了大众市场设备iPhone 4S。
 
  2012年 无人驾驶汽车
 
  美国加州已经通过立法将无人驾驶汽车上路合法化,不过为了安全性,目前车上还需要有一个人在场。这一进展是谷歌不断推动的结果,而且谷歌也宣布其无人驾驶汽车已行驶30000英里,没有发生一次事故。
 
  2016年 DeepMind击败围棋冠军
 
  由谷歌DeepMind研发的计算机程序AlphaGo,击败了围棋九段高手李世乭(Lee Sedol)。继深蓝在国际象棋中获胜之后,计算机科学家们不得不转将围棋作为一个更加复杂的人工智能测试场,测试计算机的推理能力。
责编:pingxiaoli
分享到: