Geoffrey Hinton,让加拿大成为AI创新之地的助推者

简介:

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(公众号:雷锋网)此前文章:

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

本文作者:哈帝•白求恩

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
存储 数据采集 人工智能
AI时代:云存储加速多模态数据存储与管理创新
阿里云存储产品高级解决方案架构师欧阳雁(乐忱)分享了中国企业在全闪存高端存储市场的快速增长,指出AI大模型的发展推动了企业级存储市场。去年,高端企业级存储闪存占比约为25%,相较于欧美50%的比例,显示出中国在AI领域的巨大增长潜力。演讲涵盖AI业务流程,包括数据预处理、训练和推理的痛点,以及针对这些环节的存储解决方案,强调了稳定、高性能和生命周期管理的重要性。此外,还介绍了数据预处理的全球加速和弹性临时盘技术,训练阶段的高性能存储架构,推理场景的加速器和AI Agent的应用,以及应对大数据业务的存储考量,如对象存储、闪电立方和冷归档存储产品。
44149 22
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试中AI的融合与创新
随着人工智能(AI)技术的飞速发展,其在软件测试领域的应用逐渐深入。本文将探讨AI如何革新传统的自动化测试流程,提高测试效率和准确性。通过分析AI技术在缺陷预测、测试用例生成、以及测试结果分析等方面的应用,揭示AI对提升软件质量保障能力的重要性。同时,文章还将讨论AI在自动化测试中面临的挑战和未来的发展方向。
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的创新应用
随着人工智能技术的飞速发展,其在医疗健康领域的应用也日益广泛。本文将从AI技术在疾病诊断、治疗方案制定、患者监护等方面的作用出发,探讨其对医疗健康领域的影响和价值。同时,也将分析AI技术在医疗健康领域应用中面临的挑战和未来发展趋势。
|
机器学习/深度学习 传感器 人工智能
AI在医疗诊断中的创新应用
在现代医疗中,人工智能(AI)技术的引入为诊断和治疗带来了革命性的变化。本文探讨了AI在医学影像分析、疾病预测、个性化治疗和医疗资源优化等方面的应用,展示了其在提高诊断精确度、优化治疗方案和减少医疗成本方面的巨大潜力。
|
人工智能 数据可视化 物联网
AI时代的创新工具:如何利用AI生成独具个性的XMind思维导图?
本文介绍了如何用GPT生成Markdown代码制作思维导图,然后用xmind导入并修改样式。首先在Typora中编写Markdown,如示例所示,保存为.txt文件。接着在xmind中打开该文件,即可看到思维导图。通过xmind可调整形状和颜色。这种方法能节省时间,提供丰富图形库,有助于信息组织和呈现。作者木头左期待你的点赞、收藏和关注!
AI时代的创新工具:如何利用AI生成独具个性的XMind思维导图?
|
机器学习/深度学习 人工智能 自然语言处理
Chat AI领域涵盖了众多创新的模型
【7月更文挑战第24天】Chat AI领域涵盖了众多创新的模型
506 13
|
人工智能 自然语言处理 API
深度融合与创新:Open API技术促进AI服务生态构建
【7月更文第21天】在数字化转型的浪潮中,人工智能(AI)已从概念探索走向实际应用,深刻改变着各行各业。Open API(开放应用程序接口)作为连接技术与业务的桥梁,正成为推动AI服务普及和生态构建的关键力量。本文将探讨Open API技术如何通过标准化、易用性和灵活性,加速AI服务的集成与创新,构建一个更加丰富多元的AI服务生态系统。
959 2
|
机器学习/深度学习 人工智能 运维
智能化运维:AI在IT管理中的创新应用
【7月更文挑战第15天】本文探讨了人工智能(AI)如何革新传统的IT运维模式,通过智能自动化、实时分析和预测性维护,显著提高运维效率和准确性。文章将深入分析AI技术在故障检测与解决、资源优化配置以及安全监控等方面的具体应用案例,并讨论实施AI时可能遇到的挑战和解决方案。
585 2
|
人工智能 安全 搜索推荐
AI已经深深地改变了我的日常生活,带来了许多便利和创新
【6月更文挑战第20天】AI提升工作效率,智能助手处理日常任务,释放创意空间;娱乐中个性化推荐节省选择时间,增强游戏体验;然而,隐私安全风险增加,数据保护成关注点;工作岗位变迁,技能更新必要,以应对AI带来的变革。需平衡便利与风险,推动AI负责任发展。
443 5
|
机器学习/深度学习 人工智能 算法
【AIGC】揭秘驱动AI创新的关键力量:领军者的角色
【AIGC】揭秘驱动AI创新的关键力量:领军者的角色
507 1