（原標(biāo)題：對話“神經(jīng)網(wǎng)絡(luò)教父”杰夫·辛頓：人工智能發(fā)展的下一步在這）

　　智東西(公眾號！zhidxcom)

　　編 origin

　　日前，被譽為“神經(jīng)網(wǎng)絡(luò)教父”的杰夫·辛頓接受了外國媒體Gigamo的采訪，談到了他對人工智能、深度學(xué)習(xí)的看法。他認(rèn)為，人工智能要實現(xiàn)飛躍，下一步須能真正理解文檔內(nèi)容。

　　問：你被稱為“神經(jīng)網(wǎng)絡(luò)教父”。你認(rèn)為你能在有生之年看到真正的人工智能嗎？

　　杰夫·辛頓：這取決于你說的“真正的人工智能”是什么了。如果你說的是擁有跟人類水平相當(dāng)?shù)母兄芰Α⒄Z言能力、推理能力以及運動能力的機器人，那可能不行。不過要預(yù)測超過五年之后的事情很難，所以我不會說得那么絕對。十年之前，沒人會相信必須從原始訓(xùn)練數(shù)據(jù)中獲得語言知識的神經(jīng)網(wǎng)絡(luò)，能夠用來進行機器翻譯。然而這卻是機器翻譯現(xiàn)在最好的解決方案，它拉近了機器翻譯和人工翻譯的差距。

　　問：對于真正的人工智能，有什么需要擔(dān)憂的？

　　杰夫·辛頓：我不太擔(dān)心邪惡的機器人會接管世界這套爛大街的幻想。我反倒更擔(dān)心像希特勒或者墨索里尼的人如果手中握有智能機器人軍隊，他們會做些什么。我認(rèn)為迫切需要有關(guān)這項技術(shù)的軍事化的國際協(xié)定。

　　問：你對人工智能影響勞動力和經(jīng)濟有什么預(yù)測？它的影響會是正面的還是負(fù)面的？

　　杰夫·辛頓：挖掘機和自動柜員機通過消除大量繁瑣重復(fù)性勞動提高了生產(chǎn)率，也很少有人覺得不該引進它們。在公平的政治制度中，提高生產(chǎn)力的技術(shù)會受到每個人的歡迎，因為它能讓大家都過得更好。技術(shù)不是問題，問題是能不能有一個適當(dāng)?shù)恼沃贫龋瑏肀ＷC每個人都受益。

　　問：深度學(xué)習(xí)的下一個突破會是什么？

　　杰夫·辛頓：目前，我們在解決一些阻礙了我們半個世紀(jì)的困難問題上，取得了前所未有的進步。語音識別現(xiàn)在發(fā)展得很好，且進步神速。圖像識別也有巨大的進展，我認(rèn)為計算機很快就能夠理解視頻中發(fā)生了什么。神經(jīng)網(wǎng)絡(luò)最近還接管了機器翻譯。深度神經(jīng)網(wǎng)絡(luò)每周都在新的重大商業(yè)領(lǐng)域取得成功。20年來我們見證了基礎(chǔ)的深度學(xué)習(xí)技術(shù)令人驚異的繁榮。這種繁榮包括了更好的神經(jīng)元、更好的結(jié)構(gòu)體系，以及能夠在更深層次的網(wǎng)絡(luò)中生效的學(xué)習(xí)方式，和讓神經(jīng)網(wǎng)絡(luò)更好地處理輸入內(nèi)容的解決方法。深度學(xué)習(xí)現(xiàn)在吸引了大量的人才和巨額的資源，沒有理由不繼續(xù)繁榮下去。

　　我認(rèn)為更多的努力將集中在使神經(jīng)網(wǎng)絡(luò)真正理解文檔內(nèi)容這個問題上。這可能涉及到開發(fā)新的緩存，這是當(dāng)前的熱門話題。

　　還有一個我們沒解決的問題是，如何將神經(jīng)網(wǎng)絡(luò)從小規(guī)模的數(shù)據(jù)推廣開，我懷疑這可能需要我們現(xiàn)今采用的神經(jīng)元類型發(fā)生根本性的變化。最后，我認(rèn)為通過應(yīng)用深度學(xué)習(xí)學(xué)到的經(jīng)驗，將使我們更好地理解人類自身的神經(jīng)元如何工作，而這種理解反過來又會對深度學(xué)習(xí)產(chǎn)生巨大影響。

　　杰夫·辛頓（Geoffrey Hinton）于1970年在劍橋獲得實驗心理學(xué)學(xué)士學(xué)位，1978年在愛丁堡獲得人工智能博士學(xué)位。他在加州大學(xué)圣地亞哥分校做過博士后，又在卡內(nèi)基·梅隆計算機科學(xué)學(xué)院工作了五年。然后他成為了加拿大高等研究院的研究員，并搬到了多倫多大學(xué)的計算機系。從1998到2001年，他花了三年時間在倫敦大學(xué)學(xué)院建立了蓋茨比計算神經(jīng)科學(xué)，隨后又回到了多倫多大學(xué)任職教授。在2013年，他成為了谷歌的著名研究員，現(xiàn)在同時在多倫多大學(xué)與谷歌工作。

　　杰夫·辛頓從事機器學(xué)習(xí)算法設(shè)計。他是引入反向傳播算法的研究者之一，而這種算法現(xiàn)已被廣泛應(yīng)用。在2005年他發(fā)表了第一篇關(guān)于DBN（deep belief nets）的文章，引發(fā)了對神經(jīng)網(wǎng)絡(luò)的興趣。他的學(xué)生在深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用如語音識別、物體識別和藥物開發(fā)方面取得了開創(chuàng)性的進展。

　　文章編譯自Gigaom