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
|
1月前
|
机器学习/深度学习 算法 PyTorch
基于图神经网络的大语言模型检索增强生成框架研究:面向知识图谱推理的优化与扩展
本文探讨了图神经网络(GNN)与大型语言模型(LLM)结合在知识图谱问答中的应用。研究首先基于G-Retriever构建了探索性模型,然后深入分析了GNN-RAG架构,通过敏感性研究和架构改进,显著提升了模型的推理能力和答案质量。实验结果表明,改进后的模型在多个评估指标上取得了显著提升,特别是在精确率和召回率方面。最后,文章提出了反思机制和教师网络的概念,进一步增强了模型的推理能力。
66 4
基于图神经网络的大语言模型检索增强生成框架研究:面向知识图谱推理的优化与扩展
|
5月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络深度剖析:Python带你潜入AI大脑,揭秘智能背后的秘密神经元
【8月更文挑战第1天】在当今科技飞速发展的时代,AI已成为日常生活中不可或缺的一部分。神经网络作为AI的核心,通过模拟人脑中的神经元连接方式处理复杂数据模式。利用Python及其强大的库TensorFlow,我们可以轻松构建神经网络模型。示例代码展示了如何建立一个含有两层隐藏层的简单神经网络,用于分类任务。神经网络通过反向传播算法不断优化权重和偏置,从而提高预测准确性。随着技术的进步,神经网络正变得越来越深、越来越复杂,能够应对更加艰巨的挑战,推动着AI领域向前发展。
61 2
|
4月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络深度剖析:Python带你潜入AI大脑,揭秘智能背后的秘密神经元
【9月更文挑战第12天】在当今科技飞速发展的时代,人工智能(AI)已深入我们的生活,从智能助手到自动驾驶,从医疗诊断到金融分析,其力量无处不在。这一切的核心是神经网络。本文将带领您搭乘Python的航船,深入AI的大脑,揭秘智能背后的秘密神经元。通过构建神经网络模型,我们可以模拟并学习复杂的数据模式。以下是一个使用Python和TensorFlow搭建的基本神经网络示例,用于解决简单的分类问题。
56 10
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI的奥秘:深度学习与神经网络
【9月更文挑战第11天】本文将深入探讨人工智能的核心领域——深度学习,以及其背后的神经网络技术。我们将从基础理论出发,逐步深入到实践应用,揭示这一领域的神秘面纱。无论你是AI领域的初学者,还是有一定基础的开发者,都能在这篇文章中获得新的启示和理解。让我们一起踏上这场探索之旅,揭开AI的神秘面纱,体验深度学习的魅力。
|
4月前
|
机器学习/深度学习 人工智能 TensorFlow
深入骨髓的解析:Python中神经网络如何学会‘思考’,解锁AI新纪元
【9月更文挑战第11天】随着科技的发展,人工智能(AI)成为推动社会进步的关键力量,而神经网络作为AI的核心,正以其强大的学习和模式识别能力开启AI新纪元。本文将探讨Python中神经网络的工作原理,并通过示例代码展示其“思考”过程。神经网络模仿生物神经系统,通过加权连接传递信息并优化输出。Python凭借其丰富的科学计算库如TensorFlow和PyTorch,成为神经网络研究的首选语言。
60 1
|
4月前
|
机器学习/深度学习 人工智能 算法
首个像人类一样思考的网络!Nature子刊:AI模拟人类感知决策
【9月更文挑战第8天】近日,《自然》子刊发表的一篇关于RTNet神经网络的论文引起广泛关注。RTNet能模拟人类感知决策思维,其表现与人类相近,在反应时间和准确率上表现出色。这项研究证明了神经网络可模拟人类思维方式,为人工智能发展带来新启示。尽管存在争议,如是否真正理解人类思维机制以及潜在的伦理问题,但RTNet为人工智能技术突破及理解人类思维机制提供了新途径。论文详细内容见《自然》官网。
91 3
|
5月前
|
数据采集 机器学习/深度学习 人工智能
Python爬虫入门指南探索AI的无限可能:深度学习与神经网络的魅力
【8月更文挑战第27天】本文将带你走进Python爬虫的世界,从基础的爬虫概念到实战操作,你将学会如何利用Python进行网页数据的抓取。我们将一起探索requests库和BeautifulSoup库的使用,以及反爬策略的应对方法。无论你是编程新手还是有一定经验的开发者,这篇文章都将为你打开一扇通往数据抓取世界的大门。
|
5月前
|
人工智能 安全 网络安全
网络犯罪分子开始利用AI绕过现代电子邮件安全措施
网络犯罪分子开始利用AI绕过现代电子邮件安全措施
|
4月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络入门到精通:Python带你搭建AI思维,解锁机器学习的无限可能
【9月更文挑战第10天】神经网络是开启人工智能大门的钥匙,不仅是一种技术,更是模仿人脑思考的奇迹。本文从基础概念入手,通过Python和TensorFlow搭建手写数字识别的神经网络,逐步解析数据加载、模型定义、训练及评估的全过程。随着学习深入,我们将探索深度神经网络、卷积神经网络等高级话题,并掌握优化模型性能的方法。通过不断实践,你将能构建自己的AI系统,解锁机器学习的无限潜能。
83 0
|
5月前
|
机器学习/深度学习 人工智能 PyTorch
AI智能体研发之路-模型篇(五):pytorch vs tensorflow框架DNN网络结构源码级对比
AI智能体研发之路-模型篇(五):pytorch vs tensorflow框架DNN网络结构源码级对比
93 1