神经网络之父Hinton回加拿大办AI研究所,和美国大公司抢人才

简介:
本文来自AI新媒体量子位(QbitAI)

 Geoffrey Hiton

被尊称为“神经网络之父”的Geoffrey Hiton又有了一份新事业:加拿大人工智能研究机构向量研究所(Vector Institute)的首席科学顾问。

《多伦多星报》在报道中称:“Hinton将搬回加拿大,来领导Google多伦多办公室的研究团队。”目前,Hinton每年都会去山景城Google总部工作几个月,如果真的彻底搬回加拿大,可谓是对这个新机构投入巨大。加拿大《每日邮报》则透露,连“Vector Institute”这个名字,都是他起的。

向量研究所是一个独立的非营利研究机构,主要由多伦多大学的研究人员们发起,将招募大约25名新的科学家。他们的研究领域将专注于深度学习,特别是图像和语音识别。

这家刚刚成立的研究机构从政府、商业公司获得了总计超过1.5亿加元(约合人民币7.7亿元)的投资。其中包括来自加拿大联邦政府“泛加拿大人工智能战略”基金的4000万加元、安大略省政府分5年提供的5000万加元和来自31家公司、分10年提供的8000万加元。Google、加拿大航空、劳伯劳斯连锁超市以及加拿大的五大银行都对向量研究所进行了投资。

向量研究所的目标,是将AI人才吸引回加拿大并留住他们,并培育出更多经过良好训练的专家,向加拿大现有的公司输送人才。

Hinton说,“当然有其他研究院愿意从美国回到加拿大,我收到过不少询问。”

Geoffrey Hinton是深度学习领域的教父级人物,以“神经网络之父”的称号为人们所熟知。他是加拿大多伦多大学名誉教授,2013年,Hinton创办的公司DNNResearch被Google收购之后,他本人也随之加入了Google,出任副总裁及Engineering Fellow。

由于深度学习领域久负盛名的三人Hinton、Yann LeCun、Yoshua Bengio都来自加拿大的学校,这个国度一直被视为这一波人工智能发展的源泉和支撑,多伦多大学、蒙特利尔大学都号称拥有世界一流的人工智能实验室。同时,加拿大培养的AI人才也在源源不断地流向美国,他们进入美国高校和科技巨头的实验室,把深度学习技术用在实时机器翻译、人脸识别、推荐系统等领域。

向量研究所中,将有一部分人员专注于纯粹的学术研究,“我们不知道这个领域里新的重大突破将发生在哪。我们想要确保自己站在这个领域的最前沿,所以需要做学术研究的人。”该机构的研究总监、多伦多大学计算机系教授Richard Zemel说。

机构的其他人将会与商业伙伴合作进行研究。与企业合作一个巨大的好处,是能为这家公司带来大量的数据集和需要解决的真实问题,这两者,也正是美国科技巨头对于深度学习PhD们的吸引力所在之一。

不过,与科技巨头的巨额利润相比,向量研究所的年度预算依然相形见绌,因此也有不少人担心,这家新机构会成为又一个为美国大公司生产机器学习PhD的兵工厂。

Hinton对此并不担心,他说:“他们显然不会都留在加拿大,但是多伦多的企业界会热情地争夺他们,而特朗普也算是帮了我们一把。”Hinton的团队中就有两名伊朗人,他们因为特朗普的移民新政而无法进入美国。

而加拿大政府,正在对人工智能研究展开搭理支持。上周三,加拿大总理Justin Trudeau在首都渥太华公布政府预算,人工智能被列为六大支柱产业之一,获得了1.25亿加元的“泛加拿大人工智能战略”基金预算。

本文作者:李林
原文发布时间:2017-03-29
相关文章
|
30天前
|
机器学习/深度学习 人工智能 算法
AI 基础知识从 0.6 到 0.7—— 彻底拆解深度神经网络训练的五大核心步骤
本文以一个经典的PyTorch手写数字识别代码示例为引子,深入剖析了简洁代码背后隐藏的深度神经网络(DNN)训练全过程。
442 56
|
29天前
|
机器学习/深度学习 算法 机器人
【PID】基于人工神经网络的PID控制器,用于更好的系统响应研究(Matlab&Simulink代码实现)
【PID】基于人工神经网络的PID控制器,用于更好的系统响应研究(Matlab&Simulink代码实现)
165 15
|
2月前
|
数据采集 算法 数据挖掘
模块化控制协议(MCP)在网络中增强智能体执行效率的研究
随着Web3技术的迅速发展,去中心化应用和智能体在各种领域的应用逐渐增多。MCP(Modularized Control Protocol,模块化控制协议)作为一种增强智能体执行能力的关键技术,为Web3场景中的智能体提供了更强的灵活性和可扩展性。本文将探讨如何利用MCP技术提升智能体在Web3场景中的执行能力,并通过实例代码展示其实现路径。
174 22
|
1月前
|
机器学习/深度学习 算法 数据挖掘
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
|
4月前
|
人工智能 运维 安全
中企出海大会|打造全球化云计算一张网,云网络助力中企出海和AI创新
阿里云网络作为全球化战略的重要组成部分,致力于打造具备AI技术服务能力和全球竞争力的云计算网络。通过高质量互联网服务、全球化网络覆盖等措施,支持企业高效出海。过去一年,阿里云持续加大基础设施投入,优化海外EIP、GA产品,强化金融科技与AI场景支持。例如,携程、美的等企业借助阿里云实现业务全球化;同时,阿里云网络在弹性、安全及性能方面不断升级,推动中企迎接AI浪潮并服务全球用户。
752 8
|
3月前
|
机器学习/深度学习 人工智能 文字识别
UGPhysics:本科物理推理评估基准发布,助力AI+Physics交叉研究
近年来,人工智能快速发展,大语言模型(LLM)在数学、代码等领域展现出强大的推理和生成能力,正在被广泛应用于各种场景。
108 0
|
27天前
|
机器学习/深度学习 传感器 运维
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)
|
28天前
|
算法 安全 网络安全
【多智能体系统】遭受DoS攻击的网络物理多智能体系统的弹性模型预测控制MPC研究(Simulink仿真实现)
【多智能体系统】遭受DoS攻击的网络物理多智能体系统的弹性模型预测控制MPC研究(Simulink仿真实现)
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
AI Agent多模态融合策略研究与实证应用
本文从多模态信息融合的理论基础出发,构建了一个结合图像与文本的AI Agent模型,并通过PyTorch代码实现了完整的图文问答流程。未来,多模态智能体将在医疗、自动驾驶、虚拟助手等领域展现巨大潜力。模型优化的核心是提升不同模态的协同理解与推理能力,从而打造真正“理解世界”的AI Agent。
AI Agent多模态融合策略研究与实证应用
|
2月前
|
机器学习/深度学习 人工智能 算法
深度强化学习在异构环境中AI Agent行为泛化能力研究
随着人工智能技术的迅猛发展,AI Agent 在游戏、智能制造、自动驾驶等场景中已逐步展现出强大的自适应能力。特别是深度强化学习(Deep Reinforcement Learning, DRL)的引入,使得智能体能够通过与环境的交互,自动学习最优的行为策略。本文将系统性地探讨基于深度强化学习的AI Agent行为决策机制,并结合代码实战加以说明。
深度强化学习在异构环境中AI Agent行为泛化能力研究

热门文章

最新文章