Geoffrey Hinton，圖源網(wǎng)絡(luò)

雷鋒網(wǎng)按： Geoffrey Hinton 被尊稱為“神經(jīng)網(wǎng)絡(luò)之父”，他將神經(jīng)網(wǎng)絡(luò)帶入到研究與應(yīng)用的熱潮，將“深度學(xué)習(xí)”從邊緣課題變成了谷歌等互聯(lián)網(wǎng)巨頭仰賴的核心技術(shù)，并將 HintonBack Propagation（反向傳播）算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，還提出了“Dark Knowledge”概念。

Geoffrey Hinton 曾獲得愛丁堡大學(xué)人工智能的博士學(xué)位，并且為多倫多大學(xué)的特聘教授。在 2012 年，Hinton 還獲得了加拿大基廉獎(jiǎng)（Killam Prizes，有“加拿大諾貝爾獎(jiǎng)”之稱的國(guó)家最高科學(xué)獎(jiǎng)）。2013 年，Hinton 加入谷歌并帶領(lǐng)一個(gè) AI 團(tuán)隊(duì)，目前正進(jìn)行著谷歌大腦的項(xiàng)目。

近日，外媒 gigaom 采訪了這位大牛，問題主要和人工智能相關(guān)，大家可以和雷鋒網(wǎng)一起看看他是怎么回答的：

Q：您被稱作“神經(jīng)網(wǎng)絡(luò)之父”，那您認(rèn)為在有生之年“真正的”人工智能會(huì)出現(xiàn)嗎？

A：這取決于你對(duì)“真正的”人工智能定義是什么。如果你是說在自然語言、感知、推理、運(yùn)動(dòng)等方面都能和人類水平相當(dāng)?shù)娜斯ぶ悄荏w，我覺得我大概是看不到了。不過，五年后會(huì)發(fā)生什么我們很難預(yù)測(cè)，所以我不去排除這樣的可能性。在十年前，很多 AI 工作者認(rèn)為用神經(jīng)網(wǎng)絡(luò)完成機(jī)器翻譯是不可能的，因?yàn)檫@需要讓神經(jīng)網(wǎng)絡(luò)從原始訓(xùn)練數(shù)據(jù)中獲取所有語言知識(shí)。但在今天，這就是機(jī)器翻譯使用的方法，而且是最好的。神經(jīng)網(wǎng)絡(luò)翻譯顯著地縮小了機(jī)器和人工之間翻譯水平的差距。

Q ：如果真正的人工智能出現(xiàn)，您有什么擔(dān)心的嗎？

A：說實(shí)話，我不太擔(dān)心現(xiàn)在大家經(jīng)常討論的那些問題，就是說變壞的機(jī)器人會(huì)代替人類接管世界。我更擔(dān)心的是諸如希特勒、墨索里尼這樣的人在科技的幫助下可能會(huì)做的事兒。如果這些人擁有智能機(jī)器人，后果不堪設(shè)想。我認(rèn)為現(xiàn)在最迫切的一件事就是對(duì) AI 的軍事化制定相關(guān)的國(guó)際政策或者協(xié)議。

 Q：您認(rèn)為未來人工智能對(duì)經(jīng)濟(jì)和勞動(dòng)力會(huì)有什么影響呢？利大于弊還是弊大于利？

A：我們可以看到，如今 ATM 機(jī)等機(jī)器已經(jīng)幫助人們減少了大量繁重的工作，提高了生產(chǎn)效率。我想應(yīng)該很少有人會(huì)覺得這些機(jī)器不應(yīng)該被引入。在一個(gè)相對(duì)公平公正的政治制度下，能夠提高生產(chǎn)力的技術(shù)肯定會(huì)受到公眾的歡迎，因?yàn)檫@會(huì)幫助每個(gè)人的生活變得更好。技術(shù)本身不是問題，問題是社會(huì)制度能不能保障每個(gè)人都受益。

 Q：您認(rèn)為深度學(xué)習(xí)下一個(gè)大的飛躍會(huì)是什么？

A：目前，我們已經(jīng)在一些近半個(gè)世紀(jì)里都沒有解決的難題上獲得了前所未有的進(jìn)展。語音識(shí)別、圖像識(shí)別技術(shù)都已經(jīng)獲得了巨大的進(jìn)步，并且會(huì)變得更好。我相信，不久的未來計(jì)算機(jī)就能理解視頻里講了些什么。

此外，最近神經(jīng)網(wǎng)絡(luò)也開始接管機(jī)器翻譯。我們幾乎每周都能看到深度神經(jīng)網(wǎng)絡(luò)在一些有商業(yè)化價(jià)值的新領(lǐng)域獲得成功。二十幾年前，深度學(xué)習(xí)技術(shù)才出現(xiàn)在人們視野中，現(xiàn)在已經(jīng)取得了非常驚人的成果。更出色的神經(jīng)元類型和架構(gòu)使得更深層次的網(wǎng)絡(luò)上可以進(jìn)行更多，更好的學(xué)習(xí)任務(wù)。深度學(xué)習(xí)已經(jīng)吸引了大量的人才和資金，我想這些還會(huì)一直持續(xù)下去。

值得關(guān)注的一點(diǎn)是，我們應(yīng)該付出更多的努力讓神經(jīng)網(wǎng)絡(luò)可以真正理解文檔的內(nèi)容，其中包括開發(fā)新類型的臨時(shí)存儲(chǔ)器。這個(gè)話題現(xiàn)在很熱門。

不過，現(xiàn)在我們還有一個(gè)問題沒有解決。那就是如何從少量的數(shù)據(jù)中生成良好的神經(jīng)網(wǎng)絡(luò)，我覺得這可能需要徹底改變現(xiàn)在使用的神經(jīng)元類型。

在進(jìn)行深度學(xué)習(xí)的應(yīng)用過程中，我們會(huì)得到一些寶貴的經(jīng)驗(yàn)教訓(xùn)，這給進(jìn)一步研究提供了新的視角，比如幫我們更好地理解真正的神經(jīng)元是如何學(xué)習(xí)任務(wù)的。我認(rèn)為這對(duì)深度學(xué)習(xí)的未來應(yīng)用會(huì)產(chǎn)生巨大的影響。

Via gigaom ，雷鋒網(wǎng)編譯。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。