■电话正在接通的时候,辛顿正在加州的一家便宜旅店,并且第二天有一个MRI检查,但得知自己获得诺奖以后计划先取消了。
而在拿到诺贝尔奖后,这位加拿大多伦多大学计算机系撑起来的祖师爷出圈了,他的故事又被挖了出来——
现在是无数AI大佬共同导师、历史上唯一的图灵&诺贝尔奖双料得主的他,出生于顶级知识分子家庭,但却因为数学不好从剑桥退学,辗转多个专业后,拿到了心理学学士。
后来,他发现心理学也是「用一种非常天真的方式来测试非常愚蠢的理论」,他对大学充满失望,就去做了一名木匠,直到25岁时进入爱丁堡大学攻读人工智能博士。
然而,在研究人工智能多年里,他钻研的领域一向不被看好,却默默坚持,直到图像识别时代的到来。然而,当AI点石成金的时刻来临,他却早已退居幕后,炮轰警告AI的风险。
■一想到大佬也曾数学不好,心里平衡了
如今,很多人谈到「精英教育」都只能想到老钱家族、父母富有、从私校到藤校这些非常狭窄的印象。然而,这些在辛顿的家族面前,瞬间都会黯然失色。
从辛顿往上数四代,几乎每一代都有影响一个时代的人,每个人都有维基百科:
曾曾祖父,乔治·布尔(George Boole,1815-1864 年),是爱尔兰国立考克大学的数学家和逻辑学家,在十九世纪中叶首次定义了逻辑的代数系统,现代计算机的数学基础「布尔逻辑」就是以他命名。
曾曾祖母,布尔的妻子玛丽 · 埃弗里斯 · 布尔(Mary Everest Boole) 也是一位数学家,而玛丽的叔叔George Everest ,则是一名英国测量员,珠穆朗玛峰的英文名Everest就是以他命名的。
曾祖父,也就是布尔的儿子查尔斯·霍华德·辛顿 (Charles Howard Hinton),在普林斯顿大学教书,他创造了第四维的概念。
表亲之一琼·辛顿(Joan Hinton),一位核物理学家,也是曾在美国二战时参与研发核武器的曼哈顿计划的少数女性之一。
姑姑Ethell Lilian VoynichRead,大家熟知的外国名著《牛虻》的作者。
转折点在于1972年。25岁的辛顿决定进入苏格兰爱丁堡大学攻读人工智能博士。
期间,还因为导师建议他放弃神经网络的研究而产生分歧,在多轮的争吵之下,辛顿依然坚持神经网络,而不是导师的符号人工智能,「我非常固执,我不会在不相信的观点上下功夫」。
后来辛顿终于顺利地完成了自己的博士学业,但毕业时,又一次被命运戏弄。
当时英国政府认为「该领域在过去十年中没有太大进步」。于是就像今天步履维艰的文科生一样,辛顿在AI的「寒冬时期」毕业即失业,期间去免费学校做了一阵子老师。
■针对AI的安全性,业内大佬分成两派:支持派和谨慎派,辛顿属于后者,一直在提醒人类,AI比人类聪明,很擅长操控人类,要非常小心
■辛顿的弟子们。他最喜欢的一个学生Ilya最近从OpenAI联合创始人位置上离职,辛顿犀利评价:「我尤其自豪的是,我的一位学生解雇了山姆·奥特曼」。
和李飞飞的际遇
上世纪80年代,辛顿对里根时代的美国越来越失望,直到加拿大高级研究所有一个研究职位,他果断决定搬到多伦多,并在那个研究所设立了一个项目「在机器与大脑中学习(Learning in Machines & Brains)」。
同时又加入了多伦多大学,成为计算机科学专业的教授,即便他在本科阶段从没上过计算机课程,也没学过编程。
而在他的带领下,现在的多伦多大学计算机系已经成为了非常难申请的存在,我认识好几个学生放弃了美国名校而选择多大计算机系,几乎就是第一顺位的首选,就业、薪酬等都不愁。
■辛顿和自己的学生,在多伦多的谷歌实验室拿着金字塔拼图,研究能让计算机更像人类的系统
也正是来到多伦多后,辛顿与斯坦福前教授李飞飞有了一段神奇的际遇。
当时,辛顿所研究的人工神经网络依然被学界强烈反对,而在不久后的2007年,李飞飞收到了母校普林斯顿大学的邀请,担任助理教授组建第一个个人实验室。
她想构建有史以来最大的图像数据库,即ImageNet。背后利用的原理,也和辛顿坚持的「仿人脑」相似:
人眼几乎能瞬间识别出看到的物体,正是因为我们看过大量东西,经过大量图像数据的训练。那我们是否也能用大量图像,去训练计算机,让它具有像人眼一样的视觉识别功能?
同样和辛顿相似,这个项目从立项到实施都因为太超前了,步履维艰,很多人都劝她别搞了。
但李飞飞也不愿意放弃,「对我而言,从事科学研究就如同追寻北极星一般。在人工智能领域,特别是视觉智能方面,我认为物体识别必须是我们领域的北极星问题。」
■如今ImageNet包含共计1500万张图像,涵盖22000个概念、对象类别概念,覆盖了世界上绝大多数物体,真正教会了AI读图
李飞飞和辛顿是如何相遇的呢?
2009年ImageNet制作出来以后,几乎没人关注,李飞飞就把它做成了一个大型视觉识别挑战赛,邀请全球学界同行来参加。
2012年,一个叫做AlexNet的获胜团队引起了李飞飞的注意——识别率高达85%的神经网络算法,比上一年冠军高出10%,创造了计算机视觉领域的世界纪录。
而人类对视觉照片的平均准确识别率为97%,这个算法和人类的差距小到惊人。而有了ImageNet中大量数据的训练,AlexNet的神经网络得以迅速成长,去理解世界万物。
如今大家可能都想到了,这个团队中其中一人就是辛顿。十分珍贵的是,在竞赛决赛的研讨会上,AlexNet团队是少数支持李飞飞ImageNet的团队之一。
■去年10月,辛顿和李飞飞在多伦多大学的活动中讨论了AI的过去、现在和未来,金句频出
在研讨会上,辛顿的神经网络算法向所有质疑它的人展现了神力——它识别图片虽然会出错,但它会像大脑一样,从错误的经验中学习评估,直到正确率奇高。
神经网络算法和ImageNet的完美合作,两位曾经坐了多年冷板凳的科学家,李飞飞和辛顿都证明了自己方向的正确。
如今,李飞飞正在空间智能的方向创业,设立公益基金支持女高中生们追求理工科梦想,而辛顿拿下诺贝尔奖后,计划将奖金捐赠给慈善机构,并继续专注于为人类敲响「AI威胁」的警钟。
他们既能憋着一口气克服无数困难创造了全新的事物,也能在事业成就最高点急流勇退,将更高远的人类命运放在首位。
这个世界太需要这样的科学家。