为何能拿物理学奖？美媒专访诺奖得主“AI教父”辛顿

  凤凰网科技讯 北京时间10月9日，当地时间周二，加拿大多伦多大学的“AI教父”杰弗里辛顿(Geoffrey E. Hinton)、美国普林斯顿大学的生命科学家约翰霍普费尔德(John J. Hopfield)因推进人工神经网络的开展取得了诺贝尔物理学奖。人工神经网络关于当今谷歌等搜索引擎、ChatGPT等谈天机器人的开展至关重要。

  霍普费尔德和辛顿的获奖得益于他们两人开发的技能：霍普菲尔德在1982年开发的“霍普菲尔德神经网络”(Hopfield network)、辛顿在1985年发明的随机神经网络模型“玻尔兹曼机”(Boltzmann machine)。

  2019年，辛顿博士等三人一起取得了图灵奖，以赞誉他们在神经网络范畴的作业。这一奖项常被称为“计算机范畴的诺贝尔奖”。上一年，辛顿登上了新闻头条，由于他辞去了在谷歌担任研讨员的作业，并正告称他所帮忙发明的人工智能技能有朝一日可能会消灭人类。

  可是，辛顿不是一名物理学家。他曾经在一次学术会议上被介绍成了这样一个人：“物理学不及格，抛弃了心理学，然后加入了一个就没有规范的范畴：人工智能”。

  辛顿出生在英国，性情诙谐，常常自嘲。他很喜欢重复这一个故事，可是会换一种说法。“我并不是在物理学上不及格、抛弃了心理学，”他说道，“而是我在心理学上不及格，抛弃了物理学，这样说要面子得多。”

  在得知自己取得诺贝尔奖后不久，辛顿接受了《》的采访，谈到了获奖感触并答复了记者的一些发问。

  辛顿：霍普菲尔德网络以及它的延伸玻尔兹曼机都是根据物理学的。霍普菲尔德网络运用了一种能量函数，而玻尔兹曼机则学习了计算物理的理念。因而，其时的神经网络开展的确非常大程度上依赖于物理学的理念。

  可是，构建当今人工智能模型的是一种被称为“反向传达”的不同技能，它与物理学的联络较小。反向传达指的是对多层人工神经网络进行梯度下降的算法。

  辛顿：现在，它们之间没有太大联络。它们是两种关于怎么让神经网络运转的代替理论。

  在前期研讨时，我曾设法将它们结合起来，运用玻尔兹曼机对反向传达网络进行“预练习”。但现在人们不再这样做了。

  辛顿：这让我想起了物理学家理查德费曼(Richard Feynman)在取得诺贝尔奖时曾说过的话。

  一位记者问他：“费曼教授，你能在几分钟内解说一下你为什么取得诺贝尔奖吗？”费曼答复说：“听着，朋友，假如我能在几分钟内解说清楚，那这项技能就不值得取得诺贝尔奖了。”

  记者：关于人工智能来说，玻尔兹曼机能够说是一个死胡同。研讨方向现已转向别的的当地了吗？

  辛顿：我把它看作是一种酶。酶能够帮忙你跨过一个妨碍，即便它不是终究解决方案的一部分。

  玻尔兹曼机就像一种酶。它让咱们克服了“怎么练习深度神经网络？”这个妨碍。它使练习变得更简单。一旦咱们学会了怎么样才干做到这一点，咱们就不再需求玻尔兹曼机了。

  辛顿：没有。我读过他的论文。但我的一位首要合作者特里塞若斯基(Terry Sejnowski)与霍普菲尔德合作过，并在霍普菲尔德的辅导下完成了他的博士学位。

  辛顿：假如有诺贝尔计算机科学奖，咱们的作业明显更适合得这个奖项，但现在并没有这样的奖项。

  记者：是的，或许咱们应该一个诺贝尔计算机科学奖。无论怎么，你由于帮忙发明了一项你现在忧虑会给人类带来严峻风险的技能，而取得了诺贝尔奖。你对此有何感想？