■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。