标签归档:Geoffrey

机器人先生 Geoffrey Hinton

雷锋网按:本文出自 torontolife.com ,用超长的篇幅讲述了 AI 大牛 Geoffrey Hinton 的学术成长之路,以及他对人工智能学术界、工业界的非凡影响。雷锋网在不改变原意的基础上,做了编译。

编译 |  叨叨 李赓

30多年来, Geoffrey Hinton一直徘徊在人工智能研究的边缘, 以一个局外人的角色坚持着一个简单的命题: 计算机可以像人类一样思考, 使用直觉而不是规则。当一个朋友描述全息图是如何工作的时候, 这个想法在Hinton心里生根发芽: 数不清的光束从一个物体上反射出来,被分散在一个巨大的数据库上。Hinton 出身于一个有点古怪的、一代又一代的科学家家庭, 他立刻意识到人类的大脑也是这样工作的ーー我们大脑中的信息在一个巨大的细胞网络中传播开来, 连接着一张无穷无尽的神经元地图, 沿着数十亿的路径发射、连接和传递。 他想知道: 一台计算机的行为方式是否也是如此?

根据学术界主流的观点, 答案是否定的。他们认为,计算机在规则和逻辑上学得最好。此外, Hinton 的概念——神经网络——后来成为"深度学习"或"机器学习"的基础ーー已经被证明是错误的。早在50年代后期, 一位名叫Frank Rosenblatt的康奈尔大学科学家发明了世界上第一台神经网络机器。 它被称为感知器, 有一个简单的目标ーー识别图像。理论上,当向它展示一个苹果的图片,就会吐出"苹果" 。感知器运行在 IBM 的主机上, 它很丑陋:一连串交叉的银线, 看起来像是有人把一个炉子过滤器的内脏粘到了冰箱门上。 尽管如此, 这个设备还是引发科幻般的夸张。1958年, 《纽约时报》发表了一项预测, 预测它将成为第一个像人类大脑一样思考的设备。 "(感知器)将能够行走, 说话, 看见, 写作, 再现自己, 并意识到它的存在。"

感知器最终并没有走路或说话ーー它几乎不能分辨出左边和右边ーー而变成了一个笑话。 在学术界, 神经网络被认为是边缘学科的追求。尽管如此, Hinton 并没有被吓倒。 "大脑必须以某种方式工作, 而且肯定不是某个人写程序并把它们固定在那里的,"辛顿说。 "我们没有被编程,我们有常识。" 他相信, 神经网络的想法并没有错, 主要的问题是能量。当时的计算机无法通过数以百万计的图像进行连接和寻找意义,样本的尺寸太小了。

Hinton在1972年获得博士学位, 并以神经网络作为他的研究重点。每周, 他的导师都会告诉他, 他是在浪费时间。Hinton无论如何都在坚持向前推进,神经网络确实取得了一些小成功ーー后来证明它们在发现信用欺诈方面发挥了作用。毕业后, 他在匹兹堡的卡内基梅隆大学找到了一份工作。Hinton是一位骄傲的社会主义者, 对里根领导下的美国外交政策感到不安, 尤其是对中美洲的干涉。他的妻子是分子生物学家, 曾是伦敦大学学院的教授, 他们计划收养一对来自南美洲的男孩和女孩, 他们不太喜欢在一个卷入血腥拉丁美洲冲突的国家抚养他们。另外, 美国的大多数人工智能研究都是由国防部资助的, Hinton 对此也不满意, 因此他接受了加拿大高级研究所(CIFAR)的提议。CIFAR 鼓励围绕某种非正统的科学思想展开合作, 而这些想法可能在其它地方找不到支持者, 它给Hinton提供了学术自由和体面的薪水。1987年, 他和妻子搬到北方,定居下来。Hinton在多伦多大学计算机科学方面接受了一个与国际计算机科学中心相关的职位ーー尽管他从未上过计算机科学课程ーー并在 CIFAR 开始了机器与大脑学习项目。 他在 St. George 校园的史丹佛·佛莱明里设立了一个小办公室, 安静地开始工作。 随着时间的推移, 一小撮深度学习的信徒被他吸引。 伊利亚•苏奇凯弗(Ilya sutskever)现在是 OpenAI 的联合创始人兼董事, 埃隆•马斯克(Elon Musk)价值10亿美元的人工智能非营利组织成为 Hinton 实验室的一部分。他描述了大约10名学生在"AI寒冬"期间进行研究, 当时人工智能研究的工作岗位和资金很少, 而且非常稀缺。 "我们是局外人, 但我们有一种罕见的洞察力, 就像我们是特别的一样,"Sutskever 说。

大约在2009年, 当计算机终于有能力挖掘大量数据的时候, 超级神经网络开始在语音和图像识别方面超越了基于逻辑的 AI。 业界注意到, 微软、 Facebook、谷歌等大型科技公司开始投资。 2012年, 该公司的最高机密实验室谷歌 x实验室宣布, 它已经建立了一个由16000个计算机处理器组成的神经网络, 并把它放到了 YouTube 上。 谷歌大脑是公司的深度学习人工智能分支, 由该部门的高级研究员Jeff Dean领导, 他们通过新的超级计算机从 YouTube 上随机输入了数以百万计的未贴标签的视频框架, 并对其进行编程, 以便弄清楚它看到了什么。 Youtube 是猫咪视频的最重要的储存库, 它认识到ーー除其他外ーー猫。 这是人工智能的一个激动人心的时刻。 "我们在训练中从来没有说过'这是一只猫'," Jeff Dean当时说。 "它基本上发明了猫的概念。"

这一突破使 Hinton 和他的追随者成为人工智能运动的领袖。Jeff Dean在2013年招募Hinton加入谷歌兼职。 "我们显然是站在外面, 试图证明传统的智慧是错误的。 有趣的是,现在我们已经成为了一个机构,"Sutskever 说。Hinton, 一个曾经被排斥的人, 突然成了这个行业最重要的人物, 从默默无闻变成了明星。 那个瘦长的,、年老的英国人先生发现这一切都枯燥有趣。

"我之所以有这么大的影响力, 是因为我是极少数相信这种方法的人之一, 所有自发相信这种方法的学生都来和我一起工作。我不得不从那些最好的人那里挑选出来, 他们都很有判断力,"他笑着说, "良好的判断力意味着他们同意我的观点"。

在他俯瞰市中心校园中央动脉的 U of T 办公室里, Hinton正在走路, 吃着三明治, 在白板上涂鸦, 试图填补我在神经网络方面的知识空白。他停下来画了一只猫(雪人形状的小耳朵) , 在我们的文化中, 人们可能会把狗看成是雄性, 而猫则是雌性。这种描述(以及很多性别歧视)没有逻辑可言, 但是, Hinton说, 我们通过一千种联想和类比来理解, 狗是有攻击性的, 毛茸茸的, 块状的; 猫是狡猾的, 聪明的, 家庭的。前者是男性, 后者是女性。这些都不能用逻辑来证明, 但它存在于我们大脑中隐藏的表象中。机器可以凭直觉感知这些相同的表现: 知识来自于生活, 充满了积累的意义和经验, 存在的神秘实质。这就是神经网络的美妙之处。 "它更接近弗洛伊德的观点, 即意识和深思熟虑的推理和所有这些渗透的东西在下面。 下面的东西并不是有意识的深思熟虑的推理, 而是其他的东西——一种类比的东西," Hinton说。

他在与 Justin Trudeau、创新部长 Navdeep Bains 以及谷歌母公司 Alphabet 公司执行董事长Eric Schmidt,在多伦多举行的 Google Go North tech 会议上,每个人都像热切的学生一样坐在一张桌子前, 除了Hinton, 他站在那里, 俯视着他的高层听众。 他从来没有坐下来, 因为他的脊椎椎间盘突出, 在19岁的时候, 他试图为母亲移动一个重型加热器, 并且在代谢预示骨质疏松症的钙质代谢方面存在遗传缺陷。随着时间的推移, 问题变得越来越严重。最终, 坐着变得痛苦。所以, 在2005年,他几乎完全停止了坐着——另一个问题解决了。 当然, 这种解决方案对任何人来说都不是理想的, 更不用说一个每年被邀请在世界各地举行的无数会议上发言或出席。Hinton可以告诉你如何从多伦多到赫尔辛基, 而不用坐下。 这需要11天的时间。

"你躺在去布法罗的公共汽车后座上,你可以在水牛城搭乘芝加哥到纽约的卧铺,你把玛丽女王送到南安普敦,你站起来反抗伦敦,你得到的欧洲之星到巴黎,你站起来反抗巴黎。然后你就可以睡到柏林, 在那里你可以躺下。你可以乘坐一辆小小的老火车去罗斯托克, 那里是在海边, 以前是在东德, 你可以看出来。然后你乘渡船去赫尔辛基。" Hinton经常用这种方式说话: 把数据切成易懂的部分, 眼睛聚焦在距离上, 小嘴唇上露出微笑。

在 Go North 活动中, Hinton 对两名谷歌工程师取得的突破性进展做了一个简洁明了的解释: 胶囊网络。 神经网络依赖于大量的数据来学习, 他们需要很长的时间来识别从不同角度看到的物体是同一个物体。胶囊是一种人工神经元, 它可以跟踪物体不同部位之间的关系——一个人的鼻子到嘴巴的小空间就是 Hinton 给出的例子ーー使得识别更快更准确。

Capsule网络在科技领域受到了极大的欢迎。纽约大学的一位教授在《连线》杂志上滔滔不绝地说道:"每个人都在等待, 并且都在寻找Hinton的下一个伟大飞跃。"

每一家大型科技公司的人工智能专家都在争先恐后地在深度学习中寻找下一个变革性的发现。因为 Hinton 的人工智能思想在很长一段时间里都不受欢迎, 但许多专家都是在 Hinton 指导下受训的: 与其说是"学生变成了老师", 倒不如说是"老师变成了竞争对手" 。许多 Hinton 的前学生已经在 Facebook、Google、Apple 和 Uber 以及学术界声名鹊起。他们记得他是一位受欢迎的教授, 以与学生一起工作而闻名, 而不是把任务分配出去, 以及打破深夜研究的“紧张局势”, 用自己的嘴杂耍葡萄——向后倾斜, 将其中一个吹到空中, 然后再用另一种方法抓住第一个, 重复一遍。过去10年, 多伦多经历了一次人才外流, 据媒体报道,当地的初创企业被硅谷吞并,人工智能从业者, 即使是新手和毕业生,每年可以获得从30万美元到50万美元不等的薪水,股票期权可以使这个数字超过百万大关。多伦多必须弄清楚如何利用Hinton的存在, 引诱这些精英深度学习专家留下来, 或者回到他们开始的地方。因此, 价值数百万美元的实验室Vector 研究所的创立,将把人工智能领域的领军人物聚集在一起。但加拿大以前已经失去了领先优势。在曾经强大的加拿大科技公司诺泰尔(Nortel)和黑莓(BlackBerry)痛苦地解体之后, Vector 提供了赎回的可能性。

Hinton说, 在他成长过程中, 他的母亲给了他两个选择:"要么成为一个学者, 要么成为一个失败者。" 他的家谱是科学家们非常重视的一部分。他的曾曾曾祖父是Boolean logic公司的创始人George Boole。George Boole的女婿之一是查理斯·霍华·辛顿, 杰弗里的曾祖父, 一位数学家和科幻作家, 创造了"超立方"的概念(我们可以把三维世界看作一个立方体——所有读者都熟知这部经典儿童小说《时间的皱纹》(a Wrinkle in Time)的读者都熟知这个立体物体, 在维多利亚时代的英格兰因重婚而被赶到了美国。 他的儿子, 杰弗里的祖父, 定居在墨西哥,他父亲的堂兄就是琼 · 辛顿, 他是一位核物理学家, 曾参与曼哈顿计划, 并在文化大革命期间居住在中国。

1947年, 杰夫 · 辛顿出生在温布尔顿, 霍华德 · 辛顿是一位昆虫学家, 同时也是一位教师母亲, 玛格丽特 · 克拉克。 辛顿描述的童年时代是 Lemony Snicket、哈克贝利·费恩历险记和天才一族的混合物, 显微镜。 他和他的三个兄弟姐妹在布里斯托尔的一所大房子里长大, 那里充满了动物。 有一只猫鼬——"它占据了很大的空间"ーー车库里的蝮蛇战机被关在一个坑里。 年轻的杰夫 · 辛顿曾经挥舞着一块手帕, 让他们去打它, 但是有一个人来到他的手边, 差点把他给杀了。 他还照顾了十几只中国海龟, 这些海龟是他父亲在1961年的中国巡回演讲中获得的。 虽然中国基本上对游客关闭了, 皮埃尔 · 特鲁多也参观了这里, 他和他的高级同事 Hinton 也共用了一家酒店, 还有一间浴室。 根据家族传说, Hinton 把海龟放在浴缸里, 至少有一次阻止了 Trudeau 的洗澡计划。

8岁的Hinton在布里斯托动物园,手里拿着一条蟒蛇。有一段时间,Hinton一家把毒蛇放在车库的一个坑里。

Hinton也曾回忆起他的好奇心是如何诞生的。他四岁的时候,和母亲在乡下乘公共汽车旅行。公共汽车上有一个向后倾斜的座位,朝着车架。Hinton从口袋里掏出一枚硬币放在座位上,但是它没有滑向后面,而是滑向前面,看起来向上移动,对抗重力。这个令人费解的现象,激发了Hinton十多年的想象力。在他十几岁的时候,他发现硬币的动作与天鹅绒座套和巴士的振动有关,这是一个非常令人满意的答案。"有些人完全有能力看到他们不理解的东西,并且能够接受它。我不能接受有什么东西,侵犯了我的世界模型。我真的不能接受那样的事情。"Hinton说。

Hinton的母亲很有爱心,但他的父亲却令人生畏,不管是身体上(他都可以用一只手做俯卧撑,这一壮举曾让瘦小的杰弗里震惊)和智力。"他喜欢人们思维清晰,如果你说的东西有点多余,他会称之为垃圾。他不是一个敏感的思想家。他不是虐待狂,但他非常强硬。"

Hinton就读于一所叫Clifton college的私立学校——Hinton说“不是最好的学校"。他和他的朋友 Inman Harvey,后者现在是一名计算机科学家,同时也是人工智能萨塞克斯大学的访问研究员,习惯于搭便车,偷笑,周围附近的村庄,如Piddlehinton。Hinton回忆起,在选举期间,家人在厨房的餐桌旁谈论社会主义,并在选举期间为工党写信。

"Hinton的父亲对我非常好,但他是一个爱出风头的父亲,很喜欢与别人竞争,"Harvey说。"Hinton继承了一点竞争优势。他的父亲是英国皇家学会的成员,然后杰夫成为了皇家学会的成员。他可能觉得有必要满足父亲的期望。"

Hinton的青年时代与随心所欲的60年代和70年代发生了冲突,他走了一条迂回的路线来实现Hinton家族的与生俱来的权利。1966年,大学前的夏天,Hinton和Harvey背包穿越美国和墨西哥。这些青少年身无分文,他们有时会乘夜间公共汽车,以避免支付酒店费用。在墨西哥南部的一个小渔村,他们在大浪中游泳时,在沙滩上留下了一个行李袋,他们的钱和护照被偷了。每天下午,这对夫妇都会步行7公里到最近的村庄,经过警惕的保安,看看他们的替代旅行支票是否已经到达银行。他们想出了如何靠3美元生存一个星期,并试图在高温下把香蕉皮放在罐子里来制作香蕉汁——这是一个失败的实验。

在70年代,在完成了一个实验心理学学位之后,Hinton正在做一些奇怪的工作和木工活。1972年,他开始攻读人工智能博士学位,但对自己的研究感到沮丧和矛盾。一个周末,他参加了一个研讨会,类似于"EST-y,自我实现疗法"。他讨厌这样。有八个人,一小时一小时地打开心扉,探索他们的需求和需求。在最后一天,每个参与者必须宣布他们真正想要的生活。人们说他们真的想被爱。"原始和无拘无束的东西,"Hinton回忆道。他冻僵了,不知道该说些什么。当他们围着这个团队喊出他们的秘密欲望时,Hinton惊讶地发现:"我真正想要的是博士学位!”他大吼大叫。这个宣言重新点燃了他对神经网络研究的热情。

当被问及在这个非凡的家族历史的阴影下成长的感受时,Hinton 说:"压力。这种感觉就像是压力。"他说,他一生都在与抑郁症作斗争,工作是他放松阀门的方式。当深度学习成功时,抑郁症略微消失了。"很长一段时间,"他说,"我觉得我不是——嗯,我终于做到了,这让我松了一口气。"

面对学术上的冷漠,Hinton 在90年代初成为单身父亲时遇到了一个更严重的私人障碍。在他和他的第一任妻子Ros收养了他们的孩子后不久,Ros死于卵巢癌。Hinton习惯了在自己的脑子里和实验室里生活,他被扔进了一个真实的世界,养育了两个小孩。他的儿子患有注意力不集中症和其他学习困难,即使有保姆,Hinton 也不得不在下午6点回家,为他的儿子管理支持,还要赶着去 Gap 买袜子。

“我无法想象一个有孩子的女人怎么会有学术生涯。我习惯了把时间花在思考想法上。教学是有趣的,但有一点分心,而且我没有时间去做这个,"Hinton说。"但是对于小孩子来说,这种情况并不存在。"Hinton大概是指思考或生活。但不管怎么说,工作的确为想要逃离家庭现实的Hinton提供了港湾。Hinton说:"有时候我认为我用数字和数学来抵御我情绪化的一面,"Hinton说。养育子女迫使我们做出改变。"以前我去超市的时候,收银员不能把两个数字加起来,我会想:'看在上帝的份上,他们为什么不能雇一个会算术的收银员呢现在我想:'超市雇佣这个人真是太好了,他补充道:"我不想成为一个更好的人,它只是发生了。这不是我的目标之一。

1997年,他的第二任妻子Jackie的婚礼上,以及Hinton已经拥有的两个孩子,8岁托马斯和6岁的艾玛。

1997年,他再婚,嫁给了英国艺术史学家Jackie。三年前,她被诊断出患有胰腺癌病,而现在Hinton正处于失去第二任妻子的边缘。

Hinton一生中花了很多时间在医院里。他向员工提出一些过分问题使后者感到恼火。他也非常清楚病人对于等待很久才能获得结果和结果模糊不清感到沮丧。但与大多数人不同的是,他也知道很快就会出现一种技术,这种技术可以让等待一周才能出的结果当天完成。

对于一个克制的英国人来说,Hinton通常会把自己的人工智能信仰传给其他人,最好的例子是他对于深度学习在改革医疗保健方面的潜力热情洋溢。"我看到医疗专业人员使用数据的效率低下。在病人的病史中,有比被利用的更多的信息。我发现医生们真的不能很好地阅读CT扫描。如果你让两个放射科医生读同样的扫描,他们会得到两个不同的结果。"

在三个不同的场合,医务人员告诉他的妻子,根据CT扫描读数,她患上了继发性肿瘤,每次都是错误的。Hinton认为,人工智能最终会让放射科医生失业ーー或者至少消除工作中的“看片子”部分。认知是人工智能的核心,也是成功诊断和治疗的核心。Hinton说:"最终,人工智能的工程师将会研究如何训练免疫系统攻击癌细胞。"Hinton说。

Vector第一批项目中,有一个由Hinton发起,希望能够将神经网络与多伦多医院的大量数据联系起来。当Peter Munk最近向他的同名心脏护理中心捐赠了1亿美元时,医院被指定为数字心血管健康领域的世界领先者,而Vector将得到其中的一部分资金。通过访问大量的数据集ーー本质上就是Munk Centre这样的研究所的病历档案,人工智能技术可以用来实现大量的突破,包括远程监控病人的心跳,帮助医生确定理想的放电时机。Vector的合作伙伴之一——多伦多深层基因组公司(Deep Genomics)正在开发能够读取DNA的人工智能,这将有助于早期发现疾病并确定最佳治疗方案。深基因组学的创始人,Brendan Frey,另一个身份是Hinton的学生。

经过几十年的缓慢步伐,深度学习进展迅速,Hinton似乎陷入了洛伦佐石油的束缚,迫切地推动科学进步,试图摆脱爱人生命中的时钟滴答声。但是,胰腺癌在早期阶段是残酷而难以诊断的。"恐怕对她来说可能已经太迟了,"Hinton用自己慎重的方式说道。

Yoshua Bengio是蒙特利尔大学深度学习领域的先驱,他和Hinton和Facebook的Yann LeCun一样,是科技圈中被标记为"加拿大人工智能黑手党"的成员。几十年来,当本吉奥在多伦多有工作要做时,他一直呆在Hinton的附属房子里,和他一起散步(Hinton走遍了每一个地方,因为他的背部只有在直立的时候才不受伤,如果坐交通工具就必须坐着)。他一直在观察Hinton成为科技界名人的地位,并对他的朋友表现出一定程度的警惕。"他不是神。他很容易犯错误。他只是一个做人类事情的人,"Bengio说。"有时候他能用墨镜看东西。他的个人生活对他来说并不容易。他有自己的黑暗时代。"

九月份,Hinton和他的妻子在Muskoka的小屋里住了几天。每年的那个时候都很美丽。他说:"她非常勇敢,也非常理智,所以她只是认为自己有更多的时间,她决心尽力做到最好,"他说。然后他问我能不能帮他一个忙。他平静地说:"我真的希望你能在这个故事中加入这样一个段落,在过去的两年半里,我能够继续我的工作,因为我的妻子对她的癌症有着积极的态度。"。"非常感谢。"

Vector Institute是多伦多对人工智能人才流失问题的答案,它有一种新车的“味道”,这个名字很适合超级反派的老巢和第一天的学校氛围。加拿大最新的人工智能研究所,位于大学的七楼,去年秋天正式启用。它的玻璃墙面临着女王公园和多伦多大学罗马式的建筑,这两所大学都是Vector的合作伙伴。Vectore目前目前已经获得了超过1亿元的融资和国家资助,同时还获得了30家私企给出的8000万美元,后者包括加拿大银行、加拿大航空、Telus、Google。这也让Vector成为了一家公私兼容、同时混合了学术界、公共机构和行业的机构。到目前为止,20名科学家已经开始寻找技术上的答案来解决一些世界上最大的问题::如何利用人工智能诊断儿童的癌症,并在言语中发现痴呆症?我们如何建造机器来帮助人类看到动物或者创作美妙的音乐,或者利用量子计算来加速分析人类每天产生的大量数据呢?Vector招聘的关键人物之一拉克尔•乌尔塔逊(Raquel Urtasun)将同时在Vector和Uber工作,她在后者的岗位上开发自动驾驶汽车。

今天围绕人工智能的狂热不仅仅是金钱的问题,也是人工智能尝试融入日常生活的快速步伐。在这种情况下,传统的翻盖手机与带有人脸识别功能的iPhone X之间相差的时间也只有10年。许多杰出的科学家担心这项技术正在超越我们的管理能力。斯蒂芬·霍金、埃隆·马斯克和比尔·盖茨都警告说,不要让人工智能不受约束。"我担心人工智能会完全取代人类,"霍金最近说。Hinton意识到其中的道德含义:他向联合国签署了一份请愿书,呼吁禁止使用致命的自动武器ーー或者称为杀手机器人ーー的请愿书,并拒绝担任与通信安全机构有关的董事会的职位。他认为政府需要介入并制定规章制度,防止军方利用他毕生致力于完善的技术。他表示,具体而言,就是研发能杀人的机器人。

不过,在大多数情况下,Hinton对人工智能的焦虑感到乐观。"我认为这会让生活容易得多。人们谈论的潜在影响与技术本身无关,而是与社会的组织方式有关。作为一个社会主义者,我觉得当技术出现提高生产力的时候,每个人都应该分享这些收益。"

去年夏天,Hinton和我在市中心Google餐厅吃午饭。这个空间拥有大多数互联网公司的风格:明亮的颜色,沙发和一系列健康的午餐可供很多30岁以下的人们享用。在天井上有一个迷你推杆和一个传粉蜂巢。一台浓缩咖啡机发出巨大的声响。很难想象这是机器入侵的起点,但是。

Hinton说:"电脑接管世界末日的场景不可能在很长一段时间内发生,"Hinton说,站在那里吃着他的藜麦和鸡肉。"我们离这样的事情还有很长很长的路要走。对于哲学家来说,思考是很好的,但是我对这个问题并不是特别感兴趣,因为这不是我一生中必须面对的问题。"一直以来,我都不知道他是不是在开玩笑。

但是,这种对机器的依赖是如何改变我们的呢?我告诉他,每当我的手机提示我一个建议的回应("听起来不错!"、"那里见!")我觉得自己好像失去了控制权。我自己也变得机械化了。自2001年《太空奥德赛》以来,流行文化就一直将这种精确的理解汇集起来。在娱乐方面,机器的进步被认为是个人的孤独,是一种损失。就好像机器变得越来越人性化,我们变得不那么人性化了。

Hinton 听了我的话,看我的眼神并不是不友好,而是带着一丝怀疑。"当你使用计算器的时候,你会觉得不那么人性化吗?"他问道。在他身边,千禧一代吃着沙拉,喝着咖啡,他们的钥匙卡在屁股上摇摆。几乎所有人都在用手机,或者拿着手机。"我们是机器,"Hinton说。"我们只是生物学上的产物。大多数做人工智能的人并不怀疑我们是机器。我们只是极其奇特的机器。我不应该说只是。我们是特别的,奇妙的机器。"

雷锋网编译自 torontolife

雷锋网

微软聘请 Geoffrey Gorden 并计划扩大研究院,蒙特利尔已成又一人工智能重镇

雷锋网 AI 科技评论按:近日微软通过博客和 Twitter 宣布,计划大幅扩大微软蒙特利尔研究院的规模,并聘请了 CMU 教授、知名 AI 专家 Geoffrey Gordon 出任微软蒙特利尔研究院的新任研究总监。

微软蒙特利尔研究院的新任研究总监 Geoffrey Gordon

微软研究院的新布局

微软在官方博客中表示,打算在未来的 2 年内扩大微软蒙特利尔研究院的规模,技术人员的数量要增加到 75 名。同时聘请了 Geoffrey Gordon 出任蒙特利尔研究院的研究总监。

根据微软技术 fellow,微软英国研究院、纽约研究院和蒙特利尔研究院的管理总监 Jennifer Chayes 介绍,现为卡耐基梅隆大学机器学习教授的 Geoffrey Gordon 是这个职位的自然而然的选择。某种程度上是因为,能解决 AI 的根本性挑战的基础 AI 研究,和能快速进入主流应用的实用性成果这两件事对 Gordon 教授来说都有浓厚的兴趣。「我们希望我们做的研究可以嵌入到今天和未来的微软产品中,Geoff 的研究就和我们的目标很相符。他能帮助改进我们的产品,而且还能给 AI 打下更好的技术基础,让未来的 AI 有更多的可能性。」Jennifer Chayes 解释道。

Geoffrey Gordon 广阔、深入的 AI 专业知识也会是蒙特利尔实验室的财富。Gordon 教授是强化学习方面的专家,而且在机器人和 NLP 领域也做出过突破性的成果。当未来开发复杂的 AI 系统时,能综合利用这些知识的能力就非常关键。一个覆盖面非常广阔、而且兼顾基础研究的实验室正是微软想要的。

Gordon 教授表示,他尤其有兴趣创建具有「长期思考能力」的 AI 系统:面对问题的时候能想出一个完善的方案,或者解决问题的过程中能根据新获得的信息采取多种措施。人类天生就具有这样的能力,但多数 AI 系统上这样的能力都还处在起步阶段。

近年来 AI 已经在数据、计算能力和算法的帮助下在一个又一个专门任务中取得了好成绩,而 Gordon 教授这样的研究者们更希望能把 AI 的多方面技能综合起来,创建出能够以更丰富的方式帮助人类的计算机系统。比如,如果一个机器人能根据自己看到听到的内容准确提取其中的信息,判断出自己应该在何时主动出手帮忙,就要比只能等着人给出非常具体的任务指令的机器人要有价值得多。

「某些情况下,我们已经可以在模式识别上取得超过人类的表现,也在某些有非常多限制条件的情况下能在规划任务上超过人类。」Geoffrey Gordon 说,「可是如果想要 AI 同时做到这两件事,学到一个概念,然后根据学到的概念建立起一个完整的推理链条的话,其实出人意料地难。」

对 Gordon 教授来说,这个职位对他的吸引力有两个方面,一方面是微软在蒙特利尔的研究团队已经在 Gordon 教授理想的 AI 系统方向上做出了一些成果,比如机器阅读理解和任务分解学习,另一方面他也很喜欢这个和蒙特利尔的更广泛的 AI 研究人员们合作的机会。「做研究就一定要站在巨人的肩膀上,学习巨人的长处——在现在这个时代更是如此」,Gordon 教授说。

蒙特利尔已经成为又一人工智能重镇

微软在蒙特利尔加大动作的背景是,蒙特利尔正在越来越成为机器学习和深度学习的世界性研究中心之一。 Jennifer Chayes 说道:「对 AI 来说,蒙特利尔现在真的是最让人觉得激动的地方之一。」

就在这两天正在进行的达沃斯论坛上,加拿大总理 Justin Trudeau 就和微软 CEO Satya Nadella 讨论了微软在加拿大的投资、扩大蒙特利尔研究院以及聘请 Geoffrey Gordon 的事情。

达沃斯 2018 上,Justin Trudeau 和 Satya Nadella 两人讨论了加拿大的 AI 和科技状况

同在蒙特利尔、任蒙特利尔大学教授、兼职任微软顾问的 Yoshua Bengio 认为 Gordon 的加入和微软研究院的扩张可以帮助继续提升蒙特利尔的 AI 社区近年来表现出的活力和动力。他还提到,「能学习做复杂任务的 AI 系统」这一 Gordon 的研究重点,也刚好是他和社区中的其它研究者的研究目标互补的。

据雷锋网 AI 科技评论了解,由于蒙特利尔大学等高校在 AI 方面的已有优势,微软之外也有多家科技巨头在蒙特利尔做了 AI 布局,借力当地教授开展研究,已经在这一带形成了和睦、积极的 AI 氛围。

2016 年底, Yoshua Bengio 参与创立了 Element AI 孵化器,帮助蒙特利尔大学和附近的麦吉尔大学的超过 150 名科研人员把研究成果转换成为实业产品,帮助初创企业领导者在这个快速增长的领域保持正确的方向,并打造“AI生态系统”。Element AI 也获得了微软、英特尔等公司投资,总筹资 1.02 亿美元。

同在 2016年,谷歌建立了蒙特利尔算法学习人工智能实验室(MILA),资助包括 Yoshua Bengio 在内的蒙特利尔大学和麦吉尔大学中七名重量级教授及旗下研究者的日常科研工作。不仅谷歌宣布投资 340 万美元,加拿大政府对此事同样也非常支持及配合,已向蒙特利尔大学投资超过 2 亿美元。

Facebook 人工智能实验室也于 2017 年 9 月开设了蒙特利尔分部,麦吉尔大学的 Joelle Pineau 将领导这里的研究,而且也会和加拿大高等研究院、MILA、麦吉尔大学、蒙特利尔大学等展开广泛合作。Facebook 人工智能科学家 Yann LeCun 表示,“蒙特利尔已经有一个现有的很好的学术人工智能社区,一个令人兴奋的创业生态系统,以及有希望的政府政策来鼓励人工智能研究”,并对这里的未来发展非常看好。

另外,随着加拿大政府近期表现出的欢迎外国投资以及大力发展 AI 的态度,相信蒙特利尔一带还会发生更多有趣的 AI 故事。

via Microsoft Blog,雷锋网 AI 科技评论编译

雷锋网

Geoffrey Hinton、Andrew Moore、吴恩达等人总结 2017 AI 大事件

雷锋网 AI 科技评论按:近年来,人工智能似乎成为了业内讨论最广泛的科学技术,尤其是在 2017年,人工智能已然是业内关注的焦点。有的人认为,具有超级智能的机器人可以威胁人类、接管世界;也有的人觉得,人类对人工智能的恐惧被夸大了。

因此,当 2017 年即将过去的时候,外媒 Axios 对人工智能圈内的一些知名人物进行了一次采访,看看在他们的眼里,今年最重要的人工智能大事件都是些什么吧。雷锋网 AI 科技评论把他们的呈现介绍如下。

Rodney Brooks,Rethink Robotics 公司创始人

对我来说,今年最重要的人工智能时间,其实是我在电视上看到的一个广告。那是在2017年12月17日礼拜天,当时电视上正在播放美国橄榄球大联盟比赛,其中一个广告是该联盟自己拍摄的,说他们正在使用机器学习技术来分析球迷的想法。广告的结尾,美国橄榄球大联盟展示了自己在亚马逊 AWS 服务上部署的机器学习技术。这是大约三个礼拜之前的一个事情,我觉得它的意义在于,现在机器学习和人工智能技术已经被「炒」的很多了,预计很快就能给橄榄球球迷带来一定影响了。

吴恩达,Landing.AI 首席执行官

 AlphaGo 展现出了强大的计算和数据处理能力,但是卡纳基梅隆大学开发的德州扑克人工智能程序 Libratus 则感觉更具创新。从技术观点来看,这个结果令人感到很惊喜。

Andrew Moore,卡纳基梅隆大学计算科学学院院长

Libratus AI 战胜了四位顶级德州扑克选手,这次胜利是非常重要的,因为这意味着人工智能技术有了极大的提升,已经可以考虑对手可能故意误导等手段了。在一个对信息真实性审查越来越严格的世界里,我们看到新一代人工智能对原始事实开始表现出怀疑,这真的是太神奇了。

Geoffrey Hinton,多伦多大学

我认为,2017年,人工智能在很多方面都取得了很大的进展,但是却没什么突破,比如 2014 年就开始说要在机器翻译里应用神经网络,而 AlphaGo 其实也是2016年的。

在我看来,令人印象最深刻的事情有这么几个:

1、神经架构搜索:它使用神经网络实现自动化设计神经网络的「黑魔法」,现在已经开始应用了;

2、使用注意力的机器翻译,无需循环神经网络或卷积;

3、围棋领域里的 AlphaGo 升级版 AlphaGo Zero,它很快就学会了如何以人类的方式下围棋,而且已经成为了目前最好的人工智能围棋引擎。

Greg Diamos,百度高级研究员

今年,给我印象最深刻的就是斯坦福大学的研究人员团队,他们开发出了首个人工智能「放射科医生」,它可以检测心律失常,然后告知人类医师检测结果。我认为,随着技术的发展,人工智能在医疗领域里的应用会越来越多,这令我感到非常惊讶。

Azeem Azhar,Peer Index 创始人 The Exponential View 策展人

2017 年的人工智能大事件,我会选择两件事,他们都非常重视人工智能技术的应用,而且也都能解决一些过去被人们忽视的问题。

第一个是微软研究院的凯特•克劳福德(Kate Crawford),她介绍了机器学习算法是如何出错的,这个问题会加强和扩大现有的人工智能偏见。

第二个是由剑桥大学阿德里安•维尔德(Adrian Weller)发表的一份论文,其中提到了如何建立算法系统,这些算法系统可以反映出人类对公平的直觉如何。我们必须对凯特•克劳福德和阿德里安•维尔德所提到的问题加以重视,并且刺激科技行业接受。

Terah Lyons,Partnership on AI 执行董事

今年,人工智能还是给我们带来了一些令人心痛的时刻,因为在某些边缘化问题上,人工智能的表现似乎并不太好。比如最近,Kristian Lum 就表示从事机器学习的同事有性骚扰行为,这需要在人工智能领域里引起重视,而且多样性问题绝不是一个侧面表现。

科技行业里的性别歧视似乎越来越猖獗,这对人工智能领域也非常有害,甚至会带来灾难性的后果,其中最重要的原因,就是很多排他性的设计会带来比较严重的问题,而人工智能可以很容易地把问题进一步扩大,并且延伸很多糟糕的人类偏见。

我们所有人都有义务把包容性作为创新首选,特别是在人工智能这样一个有潜力带来巨大利益的领域。2018 年,在人工智能尝试解决的所有重大挑战中,包容性应该是要排在第一位的。

Been Kim,谷歌大脑研究科学家

今年,我认为比较受欢迎的最大趋势,是人工智能可以尝试应对一些可解释性的问题,这意味着我们有了一种可以帮助人类理解人工智能模型的方法。

在今年举办的 ICML 上,就设置了人工智能解释性教程和一些相关的研讨会。此外,在 NIPS 大会上,也有研讨会和人工智能解释性的介绍,明年 CVPR 大会和 FATML 会议也都会有相关议程。

Richard Socher, Salesforce首席科学家

也许,2017年最令我感到印象深刻的事情,就是来自于本月初召开的 NIPS 大会上。伦理,成为了人工智能研究领域里最令人印象深刻的核心主题之一。我有必要提醒大家,人工智能是否能够获得成功,重点在于信任、透明和平等的价值观。

VIA axios,雷锋网 AI 科技评论编译

雷锋网

Geoffrey Hinton,让加拿大成为AI创新之地的助推者

计算机科学家和人工智能方面的领头专家Geoffrey Everest Hinton

已经成功帮助多伦多大学成为一个创新中心。

在剑桥大学读本科的时候,Geoffrey Everest Hinton一直对人类大脑有着很多的思考。 他想要更好地了解人类大脑究竟是如何工作的,然而令人沮丧的是,从生理学和心理学、再到物理和化学,没有一个学科领域能给出一个真正的答案。所以他决定自己建立一个电脑模型来模仿大脑的思维过程。

 “人们都以为我疯了,”现年69岁的 Hinton 博士说,他既是谷歌的研究员,同时也是多伦多大学计算机科学的名誉教授。然而,他绝不是一个疯子。他是世界上最重要的人工智能方面的权威之一,他设计的软件可以模仿我们认为的大脑的工作模式。 

同时,由于对军事资助研究的个人抗议, Hinton 博士离开美国学术界,但也因此帮助加拿大成为高科技的温床。不论是在智能手机上写下一个文字,或在Google上搜索一张照片,又或者是在不久的将来,乘坐自动驾驶汽车,您都将使用部分基于Hinton想法的技术。

他对人工智能研究领域的影响非常之深刻,以至于有些人在现场谈论起“six degrees of Geoffrey Hinton”,就如同大学生们曾经提到凯文·培根(Kevin Bacon)与许多好莱坞电影的不可思议的联系。Hinton的学生和同事 们现在已经是点亮苹果,Facebook,Google和Uber人工智能研究的人物,并在蒙特利尔大学和OpenAI(一家非营利研究公司)开展人工智能计划。“杰弗里,在辛苦建立人工智能领域的的时候,凭借他个人的性格魅力吸引了当时分散的人们投身于人工智能研究” 多伦多MaRS Discovery区的首席执行官Ilse Treurnicht表示。MaRS Discovery是一个创新中心,该中心即将推出多伦多新公/私人工智能研究所,而 Hinton 将担任这里的首席科学顾问。

Hinton 最近也成立了Google Brain的多伦多分公司,这是该公司的人工智能研究项目。作为一个被人们认为是在当今最具变革性的科学领域前沿的男人,他不大的办公室并不是一个充满各种小工具和奖杯的看似宏伟的地方。那里甚至没有一把椅子。由于受损的椎骨,他只能站着工作,或躺在车后座上。“我是在2005年倒了下来,”高个子的Hinton说,他有着一头黑色的头发,和像北海一样颜色的眼睛。

Hinton 博士是在一个辉煌的科学明星家庭中成长起来的。 他出生在英国,在布里斯托尔长大,父亲是一位昆虫学教授,也是甲虫方面的权威人士。 他是布尔逻辑之父乔治·布尔(Bob Boole)的玄孙。他的中间名来自另一位杰出的亲戚乔治·埃尔弗雷斯,他在印度进行了调查,他使得冠有他的名字的世界最高峰(珠穆朗玛峰)的高度可以被人计算得出。他遵循家庭传统,在1960年代末期前往剑桥读书。 但是当他完成本科学位课程的时候,他意识到没有人了解人类是如何思考的。“我厌倦了学术界,我宁愿做个木匠,”他高兴地回忆说,站在Google白色咖啡馆的高桌上。 那年他22岁,这次职业转换持续了一年的时间,虽然木工至今仍然是他的爱好。

当二战以后,人工智能从信息科学的迷雾中融入研究领域时,科学家们首先认为,他们可以通过构建由大量开关组成的神经网络来模拟突触,从而模拟大脑的运作。但是,由于电脑功能不够强大,因此并没有产生出有意义的结果,所以这种方法渐渐被人们放弃。人工智能研究转而使用逻辑来解决问题。

当 Hinton 听说了爱丁堡大学的一个人工智能计划后,便于1972年搬到那里去获取博士学位。他的指导教师倾向于基于逻辑的方法,但是Hinton着重于人造神经网络的建设,他认为这是模拟人类思维的更好模型。

然而,他的研究并没有让他在英国受到认可与欢迎。 所以在拿到博士学位后,他在美国圣地亚哥担任博士后研究员,与同样一批对神经网络感兴趣的认知心理学家一同工作。他们很快就取得了重大进展。他们开始使用一种称为反向传播算法的公式,最初来源于1974年Paul J. Werbos的哈佛博士学位论文。该算法允许神经网络随着时间的推移学习,从此使之成为深度学习的主力,这个术语现在用于描述基于这些网络的人工智能。

Hinton于1982年在匹兹堡的卡内基梅隆大学任教,那时他结合算法和神经网络使计算机产生一些“有趣的内在表达”,就像他所说的那样。这里有一个关于大脑是如何产生内在表达的例子。当你看一只猫的时候 – 由于某些原因,猫是进行人工智能研究时最受欢迎的主题 – 光线反射到你的视网膜上,而视网膜将光转换成沿着视神经行进到大脑的电脉冲。 那些电脉冲当然跟猫不一样。 然而,大脑将这些电脉冲重新组合,就形成了猫的内在表达,如果你闭上眼睛,你就可以在脑海中看到它。“在人工智能领域,核心要义就是揭示产生内在表达的方法,”Hinton解释道。有趣的是,尽管已经从学术的角度来形成内在表达,但是电脑仍然太慢了,无法以模仿大脑的方式来重新创建它们。

那时候,Hinton 对里根时代的美国政治感到失望。 他同样也不喜欢大多数人工智能研究是由美国军方资助的这件事。加拿大利用一个在加拿大高级研究所进行研究工作的机会吸引了他。于是他搬到多伦多,并最终在该机构设立了一个项目,现在被称为“机器和大脑学习”项目组。他成为了多伦多大学的计算机科学教授,虽然他承认自己从未参加过计算机科学课程。

到2012年,计算机已经变得足够快,让他和他的研究人员能够创建这些内在表达,并且再现我们今天使用的翻译应用程序的一部分语音模式。他在多伦多大学与他的两名学生组成了一家专门从事语音和照片识别的公司(雷锋网按:指DNNresearch)。谷歌买下了这个业务,所以 Hinton 算是部分加入Google,在那里继续研发神经网络。这笔交易让 Hinton 成了一个富有的人。

现在他把注意力转向医疗保健,他认为可以利用人工智能技术来扫描癌症病变。 他补充说,Vector Institute,周边医院和政府支持的结合使得多伦多成为世界上实现这个愿景的最好地方之一。“

via nytimes,雷锋网

值得一提的是,雷锋网已经得到 Hinton 博士亲自授权,对 Hinton 博士的机器学习教程进行汉化,详情请查看雷锋网此前文章:

https://www.leiphone.com/news/201704/QeuSVazVTblvtNF1.html

雷锋网