【新闻】Hinton要抛弃反向传播算法另起炉灶

引言：现在几乎所有神经网络都会经过反向传播的训练。然而在最近的一次采访中，Hinton，深度学习之父却表示，他将“抛开一切重新开始”。要想在深度学习上向前推进，就必须发明全新的方法。

1986年，Geoffrey Hinton等著名学者发表了论文Learning representations by back-propagation errors，提出了反向传播算法，随后其一直成为神经网络进行优化的核心算法。但现在 Hinton提出一个新观点，面对传统的反向传播算法应该尝试更多的突破，另起炉灶。

上周三在多伦多举行的一个AI会议上，Hinton在接受采访时表示，他现在对反向传播算法“深感怀疑”。反向传播算法是我们今天在AI领域所看到的进步的“主力”，包括对照片进行分类的能力、与Siri 对话的能力，等等。Hinton 说：“我的观点是把它（反向传播）全部丢下，重起炉灶。”

会议上的其他科学家说，在人工智能的未来，反向传播仍然是一个核心的角色。但Hinton说，为了推动进步，必须要有全新的方法被发明出来。“Max Planck 曾说：‘科学每经历一次葬礼就前进一步。’未来取决于对我所说的一切都非常怀疑的那些研究生。”

反向传播的工作原理：在反向传播中，使用梯度概念和链式求导，进行反向计算，从后向前逐层对权重进行调整，直到网络能够以尽可能少的错误实现一个智能的功能。