专栏名称: 看天下实验室
人生是一场独一无二的实验 | 《看天下》杂志原创出品
目录
相关文章推荐
昆明发布  ·  打造“15分钟公共就业服务圈” ... ·  18 小时前  
918云南交通台  ·  199元起入手999足金生肖手链,专柜礼盒, ... ·  3 天前  
51好读  ›  专栏  ›  看天下实验室

“盗火者”辛顿:“溺死在水里”19年后,在AI时代“复活”封圣

看天下实验室  · 公众号  ·  · 2024-04-30 20:30

正文

支配欲与智力无关——它与雄性激素有关。

撰文 | 王亚坤

《看天下》杂志原创出品

读大学时,因为找不到人生方向,杰弗里·辛顿跑到英国伦敦打零工,读“令人伤感的小说”,毕业后,他做过一年多木匠。


直到25岁时,他才决定研究神经网络,教会机器学习。这在当时是痴人说梦,导师每周和他见一次面,每次都告诉他这是在浪费时间。


没人想到辛顿最后会成功,他成为席卷全球的人工智能革命的核心人物,甚至被誉为“AI教父”。


在荒野中踩出一条路的人是勇士,但成为勇士本身意味着痛苦和孤独。


这对辛顿来说尤其困难:他从小被寄予厚望——或者成功,或者是一个失败者,没有中间地带。痴迷于一个冷门方向的他,坐了40年冷板凳,从事着一个可能他死后100年才会成功的项目,看不到未来。“我46岁时就死在水里了。”辛顿说。


幸运的是,辛顿最终没有被时代淹没,整个世界也因此变得不同。

人生只有两个选择

和马斯克、黄仁勋等硅谷技术狂人不同,如今77岁的辛顿有着一双平静的蓝眼睛,额头宽阔,个子瘦高,看起来文质彬彬。


1947年,辛顿出生在英国一个学术世家。曾外祖父是19世纪著名数学家布尔,发明了二进制运算的布尔代数,是后世所有计算机的数学基础。辛顿的中间名“Everest”来自一个测量员亲戚,珠穆朗玛峰即以他的名字命名。


辛顿家族涌现出的著名学者还有很多,他的姑父是经济学概念“国民生产总值”的提出者。表姐是核物理学家,参与制造原子弹的曼哈顿计划,是其中罕见的女性。父亲是昆虫学家,当选过英国皇家学会院士。


出生在这样一个家庭,给辛顿带来巨大的压力。


辛顿的父亲并不粗暴,但严厉而好胜,喜欢思维清晰的人,从不和孩子说“废话”。他还能够单手做引体向上,让自小瘦弱的辛顿感到畏惧。父亲对辛顿说过:“如果你比我努力两倍,活到我两倍年龄的时候,成就只能达到我的一半。”


母亲比较温和,但小时候,她就告诉辛顿,他的人生只有两个选择:或者成为一名学者,或者做一个失败者。


“我必须成功,我之后一生都在和抑郁症做斗争。”辛顿回忆说。辛顿后来结过3次婚,第一次是和平分手,后两任妻子都因癌症去世。


小时候,辛顿被父亲培养了对冷血动物的热爱,他们家在车库挖了一个大坑,养乌龟、毒蛇、青蛙、蜥蜴等各种动物。辛顿喜欢在冬天把蛇装进室内的玻璃容器内观察,他对动物是怎么思考的很感兴趣,这个兴趣贯穿了他此后一生。


高中毕业后,辛顿遵照家族惯例考上剑桥大学国王学院,为了做学者,他尝试了许多不同领域,但悲哀地发现,在每一个班里,自己都不是最聪明的人。他还学过建筑,仅一天之后就放弃了这个专业,又在认真钻研数学、物理、化学、生物和哲学等多个专业后,最后选了实验心理学方向做学士毕业论文。辛顿意识到还没有人搞清楚人到底是怎么思考的,他甚至找不到可以深造的学校。


那是辛顿人生充满迷茫和困惑的一段时期。换专业期间,他经常退学打零工。从剑桥大学毕业后,辛顿选择了做木匠,造橱柜、货架和木门,以此养活自己。这份工作持续了一年多。


只不过,面对现代技术的竞争,木匠显然没有太好的市场前景。他意识到,做木匠无法养活自己。1972年,他打听到爱丁堡大学人工智能方向招生,于是进入这个学校读研。


“我经常在想,成为一名木匠,我是否会更快乐,因为我不必强迫自己。”辛顿回忆称。


在当时,人工智能是一个新兴领域,旨在让机器具备人一样的智能。占主导地位的流派是“符号人工智能”,认为用计算机语言把概念、事实、规则和例外情况告诉机器,比如,所有的鸟都会飞,但企鹅和受伤的鸟不会飞,机器就能像人一样辨别和推理。


辛顿不这样认为。他觉得这太机械了,过于看重语言规则和逻辑,蛇这些动物不懂这些,但现实中也能做出一些“聪明”的举动。它们只是通过经验学会了如何变聪明。


换言之,重要的是直觉而非理性,让机器具备智能的关键是让它们自己去学习。这种流派后来被称为“机器学习”,但当时罕有人相信。


辛顿痴迷于还是新鲜事物的“神经网络”,这是一种模拟动物视网膜识别物体的网络结构,通过这种算法模型,帮助实现“机器学习”。


在一个全新领域摸索意味着巨大的压力,辛顿和导师尤金斯争吵了5年,尤金斯试图让辛顿转到主流的研究方向上去。


毕业之后,辛顿在英国找不到工作,甚至连面试机会都没有,大家都觉得神经网络是个笑话。最终,辛顿在美国加州大学圣地亚哥分校找到教职,继续研究神经网络。当时,他可能想不到,自己将迎来30多年冷板凳。

死在水里

1982年,辛顿转到卡耐基梅隆大学继续做研究。他之后结了婚,从拉美收养了两个孩子。辛顿厌恶当时的美国总统里根,觉得对方是拉美一系列国家动荡和血腥的制造者,而当时很多人工智能的研究经费来自美国国防部,辛顿又和家人移居到加拿大,他在多伦多大学获得教职。


辛顿长期执教的多伦多大学是AI研究重镇之一。(@视觉中国 图)

他很快迎来自己一生中最重要的贡献: 反向传播技术。

这只是简单的原理解释,辛顿需要用计算机语言设计出这样的神经网络。这也是“深度学习”的含义,神经网络层次越多,识别准确率也越高。


辛顿的学生杨立昆用反向传播技术设计了能够读取笔迹的算法,因为有邮政部门的大量数据做训练,识别准确率极高,被美国的银行系统采纳,10%以上的支票簿签名都由此算法识别。


这带动了人工智能在20世纪80年代末、90年代初的短暂复兴,但很快,因为识别图片和文字准确率极低,神经网络又被弃置,“AI寒冬”再次到来。


在他的研究陷入泥沼时,生活也濒临崩溃。1993年,辛顿46岁。他的第二任妻子罗莎德琳因癌症去世,留下他和两个孩子。整天待在实验室的辛顿被迫要学会照看孩子,他的儿子患有注意力缺陷多动症和其他学习障碍,辛顿必须每天下午6点前回家。


“我46岁时就死在水里了”,辛顿说,自己当时觉得,到死都不会看到项目有所突破,至少要等到自己死后100年才有可能。


并不是辛顿和杨立昆等人的算法有问题,问题其实是缺乏大量能够训练多层神经网络的数据,当时的芯片也很难支撑起这样庞大的算力。


但当时人们对深度学习的研究远没有今天深入,并没有意识到这些。


直到2009年,辛顿在“水下”挣扎了16年,他才惊讶地发现英伟达的GPU芯片特别适合运行神经网络。他在一次学术会议上给上千名同事做了推荐,并给英伟达发了一封邮件,提到这一点并询问对方能否免费送一块GPU芯片给他做研究。


这封信石沉大海。英伟达拒绝了这个请求。


直到2012年,AlexNet横空出世开启AI革命,一切才被改变。

在AI时代“复活”

2009年,斯坦福大学科学家李飞飞创建了人类有史以来最大的标注数据集ImageNet,发起ImageNet大规模视觉识别挑战赛,参赛者可以免费使用这个数据库,但要自己开发算法,以图像识别准确率高低排名。

这为AI革命准备了数据条件。


3年后,辛顿和他的两个学生亚历克斯·克里泽夫斯基、伊尔亚·苏茨克维共同开发的8层神经网络AlexNet(以亚历克斯命名)问世,在当年的ImageNet大规模视觉识别挑战赛中一举夺魁,图像识别准确率高出第二名十多个百分点。


AlexNet的表现太优异,以至于主办方一度怀疑他们作弊。


神经网络一战成名,更重要的是,科学家们意识到,只要不停增加神经网络的层次,识别准确率会继续提高。


让机器像人一样具备“看”的能力,历史上第一次成为现实。


嗅觉敏锐的科技巨头们立刻行动起来。第二年,谷歌以4300万美元收购了AlexNet三名创始人设立的一家空头公司,这家公司唯一的财产是辛顿等人的知识。


英伟达CEO黄仁勋开始押注人工智能,10年后他的公司市值突破2万亿美元,几乎垄断了AI必备的GPU芯 片。


技术突破一个接一个到来。2014年,机器人脸识别的准确率超越人类,突破落地门槛。2年后,AlphaGo横空出世,战胜围棋世界冠军李世石。2022年ChatGPT的问世更是让全世界意识到了人工智能的潜力。


这一切的起点是2012年的AlexNet,技术基础是辛顿的反向传播。


46岁就“死在水里”的辛顿,于人工智能的新纪元“复活”。2018年,辛顿和学生杨立昆以及另一位人工智能学者约书亚·本希奥共同获得图灵奖,这是计算机领域的最高奖。在整个计算机领域,辛顿成了论文引用量最高的学者,他同时是心理学领域论文引用量全球第二的人。辛顿成了谷歌的副总裁,他的学生们也纷纷被科技巨头们挖走,杨立昆成了脸书母公司Meta的首席科学家;共同开发AlexNet的伊尔亚·苏茨克维成为OpenAI的联合创始人兼首席科学家,这家公司开发了ChatGPT。


这一切,辛顿的父亲不会看到,他在1977年去世。


辛顿成了“AI教父”。但是,AlexNet爆火的10年后,他开始站出来反对自己创造的东西。

敲钟人

2023年,辛顿从谷歌辞职。除了年龄的原因,还有他对人工智能的警觉。


人工智能变得太强大了,神经网络和人脑思考方式不同。它们并没有像人类一样生活在世界上,只是被给予海量关于世界的信息,再进行抽象学习。辛顿认为,通过分析人类的语言,人工智能可以理解世界是如何运作的,从而能够产生一个思考系统。


“如果你希望一个系统有效,你需要赋予它创建自己子目标的能力,”辛顿说,“现在的问题是,有一个非常普遍的子目标可以帮助实现几乎所有目标:获得更多控制权。问题是:如何阻止它们想要控制?没有人知道答案。”


这意味着,人工智能为了完成人类赋予它的目标,会谋求更多的控制权。


机器智能相对人类智能有天然优越性,它们不朽而且可复制。举例来说,普通人学习量子力学可能要吃不少苦头,付出巨大时间代价,随着人脑死亡,知识就消失了,但一万个神经网络可以学习一万种知识,然后分享它们所学的东西。







请到「今天看啥」查看全文