從邊緣走到頂峰，「神經網路之父」是堅持的極少數

AI人物

@ Jocelyn

如今提起人工智慧，「深度學習」和「機器學習」是兩個常常被掛在嘴邊的詞。但作為「深度學習」和「機器學習」基礎的「神經網路」，在上世紀五十年代左右卻被主流學術界認為是錯誤的概念。提出這一概念的Geoffrey Hinton，儘管如今被稱為「神經網路之父」，但在當時也是學術界的邊緣人物。

不過他沒有退縮，他堅持認為神經網路的想法不是錯誤的，主要的問題是計算能力。當時的電腦無法處理數百萬張圖片，樣本容量也是在太小，因此想要讓計算機挖掘出圖片背後的意義，進行大量的訓練是十分必要的。隨後的30年里，Geoffrey Hinton一直徘徊在人工智慧研究的邊緣地帶，一直堅持著「計算機可以像人類一樣思考」這一觀點。

擁有良好判斷力的少數派

Geoffrey Hinton最初的想法來自於一個朋友向他描述的全息圖工作原理，由於出身科學家世家，Hinton很快聯想到人類大腦也是如此。而人類大腦的信息是通過一個巨大的，由神經元圖譜連接起來的細胞網路傳播，在多達十億條的路徑上發射、連接和傳輸，那麼計算機是不是也能像這樣工作呢？

當時的學術界普遍認為計算機在規則和邏輯方面做得最好，神經網路的概念根本就是錯誤的。但Hinton卻沒有絲毫動搖，1972年在愛丁堡大學攻讀博士學位時也選擇了研究神經網路。每周，他的導師都會對他說，「你這是在浪費時間。」但Hinton的研究還在慢慢取得了一些成功。

博士畢業後，Hinton被裡根政府的外交政策所困擾，因此帶著妻子搬到了多倫多，並接受了加拿大高級研究所的工作邀約。很快，Hinton組建起了一支專攻深度學習的人才團隊，其中包括OpenAI的聯合創始人兼董事Ilya Sutskever。回憶起2000年的「人工智慧寒冬」， Sutskever說道：「當時我們只有十個人左右，資金非常匱乏。雖然我們是局外人，但我們覺得我們有一種罕見的洞察力，十分與眾不同。」

九年時間飛逝，當計算機終於有能力挖掘海量數據時，超級神經網路開始在語音和圖像識別方面超越基於邏輯的人工智慧。很快，業內的大型科技公司，如微軟、Facebook、谷歌等紛紛開始投資。2012年，谷歌公司的絕密實驗室Google X（現在名為X），宣布建立一個由16000個電腦處理器組成的神經網路，並將其用在YouTube上。

隨後，該實驗室從YouTube上提取了數百萬個隨機的、沒有標籤的視頻，輸入到這台新的超級計算機中，並通過編程使其能夠理解所看到的內容。最終，神經網格從無數個關於貓的視頻中成功分辨出了貓，這也成為了人工智慧領域發展過程中的一個激動人心的時刻。

之後，Hinton和他的助手們就成為了人工智慧浪潮中的領導者。 2013年，Google X的高級研究員Jeff Dean將Hinton招進了谷歌。有趣的是，原本就不屬於體制內學者的Hinton，突然之間成為了體制的建立者。儘管觀點曾經被業界拋棄，但如今卻成為人工智慧行業里最炙手可熱的人物。

「我之所以能產生巨大的影響力，是因為我是極少數相信這種方法的人之一，而且那些相信這個方向的學生也加入了我，和我一起工作。我必須從他們當中選出那些有良好判斷力的人，」Hinton笑著說，「好的判斷力意味著他們同意我的意見。」

尊敬的讀者，因版權問題，如需閱讀全文請訂閱《電腦報》哦！謝謝大家的支持！

紙質版訂閱可在當地郵局訂閱，訂閱代碼77-19，訂閱價250元/全年刊！

或者你也可以訂閱電子版，無紙化更便宜，訂閱價158元/全年刊，支持手機、電腦、iPad多個終端觀看，讀者想從哪期訂閱就從哪期訂閱，還擁有6版獨家電子增刊！

或手機淘寶掃描下方二維碼

&nbsp

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！