正在閱讀:

對話AI教父Hinton:回應(yīng)獲諾貝爾物理學(xué)獎的一切

掃一掃下載界面新聞APP

對話AI教父Hinton:回應(yīng)獲諾貝爾物理學(xué)獎的一切

AI教父得諾獎后的24小時。

文|硅兔賽跑 Xuushan

編輯|蔓蔓周

諾貝爾物理學(xué)獎頒給了兩位AI大牛!

人工智能頂尖研究員、多倫多大學(xué)名譽(yù)教授Geoffrey E. Hinton與普林斯頓大學(xué)的John J. Hopfield共同獲得了2024 年諾貝爾物理學(xué)獎。獲獎理由為“因推動利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”。

諾貝爾官網(wǎng)寫道,兩位諾貝爾物理學(xué)獎得主利用物理學(xué)工具開發(fā)出的方法,為當(dāng)今強(qiáng)大的機(jī)器學(xué)習(xí)奠定了基礎(chǔ)。John Hopfield發(fā)明了一種聯(lián)想記憶,可以存儲和重建圖像和其他類型的數(shù)據(jù)模式。

Geoffrey Hinton發(fā)明了一種可以自主查找數(shù)據(jù)屬性的方法,從而執(zhí)行諸如識別圖片中特定元素等任務(wù)。

Geoffrey Hinton“獲獎?wù)叩墓ぷ饕呀?jīng)產(chǎn)生了巨大的效益。在物理學(xué)領(lǐng)域,我們將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于廣泛的領(lǐng)域,例如開發(fā)具有特定屬性的新材料,”諾貝爾物理學(xué)獎委員會主席Ellen Moons說道。兩位獲獎?wù)邔⒎窒韮r值1100萬瑞典克朗(810,000 英鎊)的獎金。

自從離開谷歌之后,Hinton一致致力于讓人們看到AI快速發(fā)展的“危害性”一面。

在一家網(wǎng)絡(luò)信號不好的快捷酒店房間內(nèi),這位剛剛誕生的諾貝爾獎得主接受了多家外媒的采訪,分享了他獲獎之后的感想,也回應(yīng)了有關(guān)“物理學(xué)獎”的爭議,以下是基于原文基礎(chǔ)上進(jìn)行的編譯,enjoy~

恭喜恭喜。當(dāng)您聽到今天早上的新聞時,您的反應(yīng)是什么?

Hinton:我非常震驚、驚訝和震驚。我從來沒有想到過這一點。神經(jīng)網(wǎng)絡(luò)是計算機(jī)技術(shù)。

這與物理學(xué)有何關(guān)系?

Hinton:霍普菲爾德網(wǎng)絡(luò)及其進(jìn)一步發(fā)展而來的波爾茲曼機(jī)(Boltzmann machine)都是基于物理學(xué)的。霍普菲爾德網(wǎng)絡(luò)使用能量函數(shù),波爾茲曼機(jī)使用統(tǒng)計物理學(xué)的思想。因此,神經(jīng)網(wǎng)絡(luò)發(fā)展的這一階段確實在很大程度上依賴于物理學(xué)的思想。

但實際上,構(gòu)建如今使用的 AI 模型所用的技術(shù)是一種不同的技術(shù),稱為反向傳播。這與物理學(xué)關(guān)系不大。玻爾茲曼機(jī)和反向傳播有什么關(guān)系?

Hinton:目前,兩者之間沒有太大聯(lián)系。它們是關(guān)于如何讓神經(jīng)網(wǎng)絡(luò)運行的兩種替代理論。早期,我曾設(shè)法利用玻爾茲曼機(jī)“預(yù)訓(xùn)練”反向傳播網(wǎng)絡(luò),將它們結(jié)合起來。但人們不再這樣做了。

預(yù)訓(xùn)練是什么意思?您能用讀者能理解的語言來解釋嗎?

Hinton:這讓我想起物理學(xué)家理查德費曼獲得諾貝爾獎時說的話。一位記者問他:“費曼教授,您能否用幾分鐘的時間解釋一下您為何獲得諾貝爾獎?”費曼回答道:“聽著,伙計,如果我能用幾分鐘的時間解釋清楚,就不值得獲得諾貝爾獎了。”可以肯定地說,玻爾茲曼機(jī)對人工智能來說是一條死路——研究轉(zhuǎn)移到別處了?

Hinton:我認(rèn)為這個想法就像是一種催化劑。催化劑能幫你跨越障礙——即使它不是最終解決方案的一部分。玻爾茲曼機(jī)就像一種催化劑。它幫助我們克服了“如何訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)?”的障礙。它使訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)變得更容易。一旦我們學(xué)會了如何訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),我們就不再需要玻爾茲曼機(jī)了。您是否直接與約翰·霍普菲爾德合作過這些想法?

Hinton:沒有。我讀過他的論文。但我的主要合作者之一Terry Sejnowski與Hopfield共事過,并在Hopfield的指導(dǎo)下獲得了博士學(xué)位。

您獲得這個物理學(xué)獎奇怪嗎?

Hinton:如果有計算機(jī)科學(xué)領(lǐng)域的諾貝爾獎,我們的工作顯然更適合獲獎。但是,沒有這樣的獎項。這是一個很好的表達(dá)方式。

Hinton:也算是一種暗示吧。是的,也許我們需要一個計算機(jī)科學(xué)諾貝爾獎。

無論如何,您因幫助創(chuàng)造了一項您現(xiàn)在擔(dān)心會給人類帶來嚴(yán)重危險的技術(shù)而獲得了諾貝爾獎。您對此有何感想?

Hinton:獲得諾貝爾獎可能意味著人們會更加重視我。當(dāng)您警告未來的危險時,會更加重視嗎?

Hinton:是的。

您認(rèn)為您的研究成果所幫助開發(fā)的技術(shù)潛在意義是什么?

Hinton:它將與工業(yè)革命相媲美。但它不會在體力上超越人類,而是在智力上超越人類。我們從未體驗過比我們更聰明的事物是什么樣的。這項技術(shù)將徹底改變醫(yī)療保健等領(lǐng)域,帶來“生產(chǎn)力的巨大提高”。但我們也不得不擔(dān)心一些可能出現(xiàn)的不良后果,尤其是事態(tài)失控的威脅。我擔(dān)心,最終的后果可能是比我們更智能的系統(tǒng)將掌控一切。您是否后悔自己幫助創(chuàng)造這項技術(shù)?

Hinton:后悔有兩種。一種是因為你做了一些明知不該做的事情而感到內(nèi)疚;另一種是如果你做了一些在同樣情況下你會再次做的事情,但最終結(jié)果可能并不好。我的遺憾是第二種。在同樣的情況下,我還會這么做,但我擔(dān)心,這種做法的總體后果可能是,最終比我們更聰明的系統(tǒng)會掌控一切。

參考鏈接:

https://www.nytimes.com/2024/10/08/technology/nobel-prize-geoffrey-hinton-ai.html

https://edition.cnn.com/2024/10/08/science/nobel-prize-physics-hopfield-hinton-machine-learning-intl/index.html

本文為轉(zhuǎn)載內(nèi)容,授權(quán)事宜請聯(lián)系原著作權(quán)人。

評論

暫無評論哦,快來評價一下吧!

下載界面新聞

微信公眾號

微博

對話AI教父Hinton:回應(yīng)獲諾貝爾物理學(xué)獎的一切

AI教父得諾獎后的24小時。

文|硅兔賽跑 Xuushan

編輯|蔓蔓周

諾貝爾物理學(xué)獎頒給了兩位AI大牛!

人工智能頂尖研究員、多倫多大學(xué)名譽(yù)教授Geoffrey E. Hinton與普林斯頓大學(xué)的John J. Hopfield共同獲得了2024 年諾貝爾物理學(xué)獎。獲獎理由為“因推動利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”。

諾貝爾官網(wǎng)寫道,兩位諾貝爾物理學(xué)獎得主利用物理學(xué)工具開發(fā)出的方法,為當(dāng)今強(qiáng)大的機(jī)器學(xué)習(xí)奠定了基礎(chǔ)。John Hopfield發(fā)明了一種聯(lián)想記憶,可以存儲和重建圖像和其他類型的數(shù)據(jù)模式。

Geoffrey Hinton發(fā)明了一種可以自主查找數(shù)據(jù)屬性的方法,從而執(zhí)行諸如識別圖片中特定元素等任務(wù)。

Geoffrey Hinton“獲獎?wù)叩墓ぷ饕呀?jīng)產(chǎn)生了巨大的效益。在物理學(xué)領(lǐng)域,我們將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于廣泛的領(lǐng)域,例如開發(fā)具有特定屬性的新材料,”諾貝爾物理學(xué)獎委員會主席Ellen Moons說道。兩位獲獎?wù)邔⒎窒韮r值1100萬瑞典克朗(810,000 英鎊)的獎金。

自從離開谷歌之后,Hinton一致致力于讓人們看到AI快速發(fā)展的“危害性”一面。

在一家網(wǎng)絡(luò)信號不好的快捷酒店房間內(nèi),這位剛剛誕生的諾貝爾獎得主接受了多家外媒的采訪,分享了他獲獎之后的感想,也回應(yīng)了有關(guān)“物理學(xué)獎”的爭議,以下是基于原文基礎(chǔ)上進(jìn)行的編譯,enjoy~

恭喜恭喜。當(dāng)您聽到今天早上的新聞時,您的反應(yīng)是什么?

Hinton:我非常震驚、驚訝和震驚。我從來沒有想到過這一點。神經(jīng)網(wǎng)絡(luò)是計算機(jī)技術(shù)。

這與物理學(xué)有何關(guān)系?

Hinton:霍普菲爾德網(wǎng)絡(luò)及其進(jìn)一步發(fā)展而來的波爾茲曼機(jī)(Boltzmann machine)都是基于物理學(xué)的?;羝辗茽柕戮W(wǎng)絡(luò)使用能量函數(shù),波爾茲曼機(jī)使用統(tǒng)計物理學(xué)的思想。因此,神經(jīng)網(wǎng)絡(luò)發(fā)展的這一階段確實在很大程度上依賴于物理學(xué)的思想。

但實際上,構(gòu)建如今使用的 AI 模型所用的技術(shù)是一種不同的技術(shù),稱為反向傳播。這與物理學(xué)關(guān)系不大。玻爾茲曼機(jī)和反向傳播有什么關(guān)系?

Hinton:目前,兩者之間沒有太大聯(lián)系。它們是關(guān)于如何讓神經(jīng)網(wǎng)絡(luò)運行的兩種替代理論。早期,我曾設(shè)法利用玻爾茲曼機(jī)“預(yù)訓(xùn)練”反向傳播網(wǎng)絡(luò),將它們結(jié)合起來。但人們不再這樣做了。

預(yù)訓(xùn)練是什么意思?您能用讀者能理解的語言來解釋嗎?

Hinton:這讓我想起物理學(xué)家理查德費曼獲得諾貝爾獎時說的話。一位記者問他:“費曼教授,您能否用幾分鐘的時間解釋一下您為何獲得諾貝爾獎?”費曼回答道:“聽著,伙計,如果我能用幾分鐘的時間解釋清楚,就不值得獲得諾貝爾獎了?!笨梢钥隙ǖ卣f,玻爾茲曼機(jī)對人工智能來說是一條死路——研究轉(zhuǎn)移到別處了?

Hinton:我認(rèn)為這個想法就像是一種催化劑。催化劑能幫你跨越障礙——即使它不是最終解決方案的一部分。玻爾茲曼機(jī)就像一種催化劑。它幫助我們克服了“如何訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)?”的障礙。它使訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)變得更容易。一旦我們學(xué)會了如何訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),我們就不再需要玻爾茲曼機(jī)了。您是否直接與約翰·霍普菲爾德合作過這些想法?

Hinton:沒有。我讀過他的論文。但我的主要合作者之一Terry Sejnowski與Hopfield共事過,并在Hopfield的指導(dǎo)下獲得了博士學(xué)位。

您獲得這個物理學(xué)獎奇怪嗎?

Hinton:如果有計算機(jī)科學(xué)領(lǐng)域的諾貝爾獎,我們的工作顯然更適合獲獎。但是,沒有這樣的獎項。這是一個很好的表達(dá)方式。

Hinton:也算是一種暗示吧。是的,也許我們需要一個計算機(jī)科學(xué)諾貝爾獎。

無論如何,您因幫助創(chuàng)造了一項您現(xiàn)在擔(dān)心會給人類帶來嚴(yán)重危險的技術(shù)而獲得了諾貝爾獎。您對此有何感想?

Hinton:獲得諾貝爾獎可能意味著人們會更加重視我。當(dāng)您警告未來的危險時,會更加重視嗎?

Hinton:是的。

您認(rèn)為您的研究成果所幫助開發(fā)的技術(shù)潛在意義是什么?

Hinton:它將與工業(yè)革命相媲美。但它不會在體力上超越人類,而是在智力上超越人類。我們從未體驗過比我們更聰明的事物是什么樣的。這項技術(shù)將徹底改變醫(yī)療保健等領(lǐng)域,帶來“生產(chǎn)力的巨大提高”。但我們也不得不擔(dān)心一些可能出現(xiàn)的不良后果,尤其是事態(tài)失控的威脅。我擔(dān)心,最終的后果可能是比我們更智能的系統(tǒng)將掌控一切。您是否后悔自己幫助創(chuàng)造這項技術(shù)?

Hinton:后悔有兩種。一種是因為你做了一些明知不該做的事情而感到內(nèi)疚;另一種是如果你做了一些在同樣情況下你會再次做的事情,但最終結(jié)果可能并不好。我的遺憾是第二種。在同樣的情況下,我還會這么做,但我擔(dān)心,這種做法的總體后果可能是,最終比我們更聰明的系統(tǒng)會掌控一切。

參考鏈接:

https://www.nytimes.com/2024/10/08/technology/nobel-prize-geoffrey-hinton-ai.html

https://edition.cnn.com/2024/10/08/science/nobel-prize-physics-hopfield-hinton-machine-learning-intl/index.html

本文為轉(zhuǎn)載內(nèi)容,授權(quán)事宜請聯(lián)系原著作權(quán)人。