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
|
17天前
|
机器学习/深度学习 人工智能 编解码
CES亮点:AI赋能与产业创新 | DALL-E 3、SD等20+图像生成模型综述
随着科技飞速发展,CES(国际消费电子展)已然成为全球科技产业的风向标,每年的CES大会都是业界瞩目的盛事。回顾2024年CES大会,不难发现其亮点纷呈,其中以人工智能的深度赋能为最引人注目之处。AI技术的深入应用成为CES大会上的一大亮点,各大厂商纷纷展示了在AI领域的最新成果。
|
17天前
|
人工智能 安全 机器人
中科院香港创新院发布医疗健康AI大模型
【2月更文挑战第24天】中科院香港创新院发布医疗健康AI大模型
56 3
中科院香港创新院发布医疗健康AI大模型
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第21天】 随着人工智能(AI)技术的不断进步,机器学习模型正变得更加复杂和高效。然而,这些模型往往需要大量的数据和计算资源来训练,并且一旦部署,就很难适应新的数据或环境。为了解决这个问题,研究人员正在开发新的AI技术,使得机器能够进行持续学习。本文将探讨这种新兴的AI技术,并讨论其在各种领域的应用潜力。
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 随着人工智能(AI)技术的飞速发展,其在教育领域的应用日益增多。特别是在持续学习系统(Lifelong Learning Systems, LLS)中,AI技术正开启着个性化和适应性教学的新篇章。本文聚焦于AI在LLS中的创新应用,探讨了机器学习、自然语言处理和认知建模等关键技术如何共同作用于构建智能化的学习环境。文章旨在分析当前AI技术在持续学习领域的最新进展,并展望其对未来教育模式的影响。
|
17天前
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI在持续学习系统中的创新应用
【5月更文挑战第11天】 在人工智能的迅猛发展浪潮中,一个不断进化的分支便是AI在持续学习系统中的应用。本文旨在探讨AI技术如何革新持续学习系统,并分析其在不同领域的创新实践。文章首先界定了持续学习系统的概念,随后深入解析了深度学习、强化学习以及转移学习等关键技术在其中的作用。通过案例分析,展示了这些技术如何在医疗诊断、自动驾驶及个性化教育中发挥至关重要的角色。最终,讨论了面临的挑战与未来的发展趋势,为读者提供了一个关于AI在持续学习领域未来可能展开的蓝图。
31 1
|
17天前
|
人工智能 运维 Serverless
【云故事探索】NO1:看森马服饰,在阿里云上如何用AI实现创新?
在数字化转型中,云计算成为企业创新的关键驱动力。森马服饰借助阿里云函数计算,应对新零售挑战,实现业务模式重塑和效率提升。面对AI技术落地的困难,如高成本、长决策周期和复杂运维,森马通过阿里云的Serverless解决方案,快速将AI融入核心业务,优化了从设计到营销的全链条流程。通过函数计算,森马降低了AI项目初期的硬件投入和运维难题,提升了设计师的工作效率,将设计时间从3天缩短到30秒,实现了服装设计和营销的智能化升级。
|
17天前
|
数据采集 安全 测试技术
【专栏】阿里云RPA浏览器自动化插件是一款基于AI的创新工具
【4月更文挑战第29天】阿里云RPA浏览器自动化插件是一款基于AI的创新工具,能模拟浏览器操作,实现自动化业务流程,提升效率,降低成本。其特点包括强大的自动化能力、智能识别处理、灵活定制、稳定性能及安全保障。适用于数据采集、表单填写、网页测试、办公自动化和电商运营等场景,助力企业数字化转型。
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI在持续学习系统中的创新应用
【4月更文挑战第27天】 随着人工智能(AI)技术的飞速发展,其在自我进化的持续学习系统中扮演的角色日益重要。本文探讨了AI如何通过创新算法、自适应策略和交互式学习环境来优化其学习能力。重点分析了深度学习、增强学习和迁移学习等技术如何共同作用于AI系统,使其能够不断从新数据中提取知识,适应不断变化的任务要求,并实现跨领域的知识转移。此外,文章还探讨了在设计这些系统时面临的挑战,包括数据隐私、算法偏见和系统的可解释性问题。
|
17天前
|
人工智能 文字识别 自然语言处理
低代码引领AI创新:业务解决方案智能化设计
低代码平台结合AI技术,正推动构建智能化应用的革命。低代码通过可视化界面和预置模块简化开发,提高效率,降低技术门槛,并能灵活应对变化。AI则为应用带来智能决策支持、自动化工作流和增强用户体验。实际应用中,AI用于智能预测、情感分析、OCR和关键字提取,帮助企业加速数字化转型,提升业务价值。
32 1
|
17天前
|
机器学习/深度学习 人工智能 算法
AI战略丨AI原生时代,应用创新蓄势待发
通过热点AI应用创新项目的观察,我们可以看到新技术的突破方向,也能发现基于生成式AI迸发出的全新商业前景落地的可能性。
AI战略丨AI原生时代,应用创新蓄势待发