獲得諾貝爾獎的AI教父辛頓，後悔了

出品｜虎嗅科技組

作者｜餘楊

編輯｜苗正卿

頭圖｜視覺中國

10月8日消息，2024年諾貝爾物理學獎出爐，多倫多名譽教授傑弗裡·辛頓(Geoffrey Hinton)和普林斯頓教授約翰·霍普菲爾德（John Hopfield），這是兩位被譽爲奠定“當今強大機器學習基礎”的科學家，傑弗裡·辛頓更是被稱爲“人工智能教父”。

瑞典皇家科學院諾貝爾委員會表示，他們的發現和發明爲人工智能領域近期的諸多突破奠定了基礎。自20世紀80年代以來，他們的工作促成了人工神經網絡的誕生，這是一種大致模仿大腦結構的計算機架構。

通過模仿我們大腦建立連接的方式，神經網絡讓人工智能工具能夠“通過示例學習”。開發人員可以通過輸入數據來訓練人工神經網絡識別複雜模式，從而爲當今人工智能的一些最引人注目的用途提供支持，包括語言生成和圖像識別。

在多倫多大學的新聞發佈會上，辛頓表示“大吃一驚：“我對此毫無期待。我感到非常驚訝，也很榮幸能入選。”

出人意料的是，雖被稱爲“人工智能教父”，但辛頓去年曾告訴《紐約時報》，他現在“後悔自己一生的工作”，也“很難看出如何阻止壞人利用它做壞事”。

他所指的，是人工智能帶來的風險。

在今天與記者的電話交談中，辛頓仍然堅持，“我們沒有體驗過擁有比我們更聰明的東西會是什麼感覺。這在很多方面都會很棒，”他說。“但我們也不得不擔心一些可能的不良後果，尤其是這些事物失控的威脅。”

辛頓不是說說而已。據悉，2023年他離開了谷歌，希望能夠從行爲上引起人們對他推動實現的技術所帶來的潛在風險的關注。

2013年，谷歌收購了辛頓的神經網絡公司，這家公司是辛頓與兩名學生共同創立的，其中一名即包括IlyaSutskever，我們後來瞭解到Sutskever，是作爲OpenAI的首席科學家。

諾貝爾獎委員會表彰了辛頓在20世紀80年代與同事開發出的生成模型——玻爾茲曼機：

辛頓使用了統計物理學的工具，統計物理學是一門由許多相似組件構建的系統科學。通過向機器輸入運行時很可能出現的示例來訓練機器。玻爾茲曼機可用於對圖像進行分類，或爲其訓練的模式類型創建新的示例。辛頓在此基礎上繼續發展，幫助開啓了機器學習的爆炸式發展。

而辛頓的工作成績，要建立在另一位獲獎者約翰·霍普菲爾德教授的Hopfield網絡基礎上，Hipfield網絡是一個可以重建模式的人工神經網絡：

Hopfield網絡利用物理學來描述材料由於原子自旋而產生的特性——自旋使每個原子都變成一個微小的磁鐵。整個網絡的描述方式與物理學中自旋系統的能量相同，並通過尋找節點之間連接的值來進行訓練，以便保存的圖像具有較低的能量。當Hopfield網絡被輸入扭曲或不完整的圖像時，它會有條不紊地處理節點並更新它們的值，從而降低網絡的能量。因此，網絡逐步找到與輸入的不完美圖像最相似的保存圖像。

2016年，諾貝爾文學獎頒給美國詞作家鮑勃·迪倫（Bob Dylan），這一要聞就曾引起軒然大波，他的獲獎理由是“用美國傳統歌曲創造了新的詩意表達”。

今年，諾貝爾物理學獎更是頒給了計算機專家。有網友調侃道：“連諾貝爾獎都來蹭AI的熱度了”。

但在爭議的背後，或許我們更應該關注的是學科的融合和知識體系的多維化，那些在學科交叉領域所裂變出來的增長點，以及隨之而來的“看不見的冰山”。

本內容爲作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯繫 hezuo@huxiu.com