【為什麼我們要挑選這篇文章】沒人知道的 AI 教父 Geoff Hinton，用了他的一生，堅持他的信仰。如此的他，竟默默地改變了人工智慧的進程。他與深度學習的故事即將開始。（責任編輯：陳伯安）
堅持你所相信的，直到世界追上你的腳步。
因為傷了背，Geoff Hinton 已經站著工作了 12 年，似乎巧合地迎合了現在「站立工作」的這股風潮。
「我領先於潮流，」Hinton 說。
不僅僅是這一點，Hinton 更廣為人知的「領先於潮流」，是在深度學習領域。在所有人都不看好神經網絡的年頭，是他，將這一技術帶進了主流學術界。
Bloomberg 近日為這位「深度學習教父」拍攝了一段特寫紀錄片，用短短 8 分鐘，講述了這位「有點皮」的教授關於神經網絡的 40 年傳奇經歷。
影片來源：Youtube
AI 圈沒人聽過的 AI 教父，全靠一篇「深度網絡」的論文
今天，混 AI 圈的人鮮有人沒聽過 Geoff Hinton。他是谷歌大腦研究小組的負責人，多倫多大學的榮譽教授。而奠定了他在今天人工智慧圈「教父」地位的，是他在多層神經網絡技術的貢獻。
Hinton 對 AI 的貢獻有多大呢？
學術點說，Hinton 在 1986 年提出的通過反向傳播來訓練深度網絡理論，標誌著深度學習發展的一大轉機，為近年來人工智慧的發展奠定了基礎。
更實際點說，今天谷歌中通過語音識別進行圖片檢索、在手機上把語音轉化為文字的技術的實現，大部分功勞要歸於 Hinton 博士的研究。
他的研究，徹底改變了人工智慧，乃至整個人類發展的軌跡。
想了解大腦，就做一個出來，咦？
Geoff Hinton 出生在英國一家「書香門第」，家人多是數學家和經濟學家，這樣的「學霸爸媽」顯然讓 Hinton 的童年不太好過，正如他自己所說：「我大概在 7 歲的時候就意識到，不讀博士不行了（微笑臉）。」
而最初把 Hinton 引上人工智慧這條路的，是他對人腦的好奇。
Hinton 很早就沈迷於大腦如何工作的問題。於是，他開始進入生理學，解剖大腦以瞭解其工作方式。
不滿足於此，他又開始學習心理學。最後，他決定更多地使用計算機科學的方法來模擬大腦，並進入人工智慧領域，開始了他近 40 年的研究生涯。
「我認為，如果你真的想瞭解一個非常複雜的裝置，比如大腦，那你就製作一個。」
大家都不認可時，為什麼不放棄？因為堅信「其他人都錯了」
儘管現在已經成為了人工智慧的主流研究方法，神經網絡在最初問世時，命途多舛。
1956 年，美國認知心理學家弗蘭克・羅森布拉特（Frank Rosenblatt）基於神經元的理論發明瞭一種模擬神經元的方法。它的基本點是一個被稱為神經元的小單位的集合。 這些集合都是小的計算單元，但可以模擬人腦計算的方式。和我們從感官中獲取數據一樣，這些神經元可以獲取傳入數據並進行學習，所以神經網絡可以隨著時間的推移做出決定。
但是，Rosenblatt 的學習算法當時對於多層結構的神經網絡不起作用。人工智慧學者們也因此放棄了學習式軟件的想法。他們轉而使用邏輯來產生智能 —— 比如下棋的能力。
幾乎沒人再相信神經網絡的前景，也沒人再研究神經網絡。
除了 Hinton。
「大腦是一個巨大的神經網絡，因此，神經網絡必須也是可以工作的，因為它在我們的大腦中起作用。」Hinton 說。
「那是什麼支持著你不放棄？」
「其他人都錯了（everyone else is wrong）。」
不滿意自己的研究用在「非善意」的東西上，毅然決然搬到加拿大
為了找到一個支持他研究神經網絡的棲身之處，Hinton 在美國輾轉多地。但是，當時大部分的學術研究都是受到國防部支持。
而 Hinton 對於這樣拿到自己的研究經費並不滿意：「我不希望我的研究成果被用在一些不善意的目標上。」
的確，深度學習從誕生之日起，就與國防部的一些軍事目的有著不可分割的淵源。
甚至直至今天依然如此 —— 今年 3 月谷歌被曝光正參與 Maven 項目，向美國軍方提供 TensorFlow APIs 和無人機圖像識別技術，引起巨大爭議和眾多抗議，6 月谷歌不得不承諾不將 AI 用於武器。這場聲勢浩大的爭論甚至將戰火燃到了李飛飛身上。
而關於 AI 倫理和技術人員責任的爭論也從來沒有停止過。
近兩年，將算法用來自動識別一起犯罪是否屬於團伙犯罪，或識別一個人是否是同性戀的研究屢見不鮮，算法的締造者是否應該在研究之外分出心力，瞭解自己研究背後更深的影響呢？
在 40 年前，Hinton 的選擇或許已經給出了他的答案。
為了避免為五角大樓服務，Hinton 最終落腳在加拿大的多倫多大學。這個國家歡迎他，也支持他的神經網絡研究。「去這個文明的小鎮繼續研究對我來說非常有吸引力。」
而 HIinton 也沒有讓加拿大失望。
正因為 Hinton 和他的學生的研究，加拿大現在已經成為人工智慧研究的重要力量之一，多家人工智慧巨頭都將他們的研究中心開在了多倫多，各種前沿人才為了追隨 Hinton 的腳步，絡繹不絕地來到這座北方國度：「Hinton 將加拿大拉入了 AI 超級大國的版圖。」
當你的理想被質疑時，請溫柔的給世界一點時間趕上
在多倫多，Hinton 和他的團隊研究出了更深度的神經網絡，以解決更複雜的問題。他們共同開發了一個多層神經網絡，這個深度神經網絡也被應用於多個方面。
比如有人用它在 80 年代就打造了一輛無人車並且開上了路。
而現在已經是深度學習的另一位領袖人物、Facebook 的 AI 實驗室負責人 Yann LeCun 則利用深度神經網絡建立了一個可以識別手寫數字的系統。這一系統最終實現了商用。
在當時，深度神經網絡的前景似乎一片大好，但是，現實中的故事往往沒有這麼簡單。
Hinton 的研究再次遇到了瓶頸。
「我們當時並沒有足夠的數據，也沒有足夠的計算機運行能力，AI 和計算機科學的從業者認為神經網絡是一廂情願的想法。」
但 Hinton 始終堅持著，儘管完全不被重視。
他坐在房間的最角落里參加學術會議，在大牛雲集的人工智慧會議上完全不被重視。甚至他自己也開始產生了懷疑：「有很多次我都覺得我不會繼續這項工作了」。
直到這個世界開始慢慢追上他的腳步。
2006 年，計算機的運行速度有了巨大的提高，超快速芯片的到來以及互聯網上產生的大量數據使得 Hinton 的算法變得非常神奇。突然之間，計算機開始可以識別圖像中的內容，可以識別語音，可以將一種語言翻譯成另一種語言。
2012 年，Geoffry Hinton 和他的團隊帶著 AlexNet 參加了那一年的 ImageNet ILSVRC 挑戰賽，以驚人的優勢獲勝（錯誤率比第二名低了足足 10%）。這篇被 NIPS 2012 收錄的論文被認為是深度學習熱的開啓。
同年，「神經網絡」和「機器學習」等詞彙也開始在紐約時報的頭版出現。
「人們終於理解了這個概念，我感到很欣慰。」Hinton 這樣說。
2017 年用膠囊網絡，自己推翻自己
儘管已經成為了深度學習的領袖人物，Hinton 的腳步卻從沒有停歇。2017 年 10 月 26 日，Hinton 發表了一篇在 AI 圈掀起軒然大波的論文——Capsule Networks（膠囊網絡）。
Hinton 高喊，「卷積神經網絡（CNN）的時代已經過去了！」，將他過去幾十年的研究翻了過去。
感興趣的讀者可以查看論文。
儘管膠囊網絡現在仍然處在嬰兒期，在訓練龐大的數據集時，仍可能會遇到問題，但在未來，Hinton 相信它還有發展的巨大潛力。
也許，這位深度學習教父還將再次改寫深度學習的發展歷程。
（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈AI 教父 Geoff Hinton 和深度学习的 40 年 〉，首圖來源：Youtube。）
延伸閱讀
年僅 25 歲！這個打敗 AlphaGo 的男人，是怎麼 CONNECT with AI？
一場世足賽，讓經濟學者找出 AI 與商業創新模式的關聯
台灣中學教育別歪樓，說要設立「AI 專班」的官員真的知道自己在講啥嗎？
