多伦多大学的 Geoffrey Hinton 是世界上最领先的计算机科学家之一、谷歌副总裁级别的工程师，他所架构的一种人工智能方法将会极大地改变计算机在我们的生活中所扮演的角色。
Hinton 自上世纪 70 年代开始他就在研究人工神经网络了。
过去十年来，他们的深度学习神经网络几乎在每一种基准上都超越了传统了人工智能方法。
在 2013 年，谷歌收购了 Hinton 的神经网络创业公司 DNNresearch。而最近，他还被提名为「《连线》2016 年度全球百大影响力人物」之一。
Hinton 的愿望很简单：「我想理解大脑的计算方式。」
问：在您目前的研究中，您觉得最让您激动的是什么？在整个人工智能领域内呢？
答：在语音识别、图像解读和机器翻译等一些重要的任务上，深度神经网络的表现已经非常好了。随着我们的计算机越来越快、数据集越来越大，我确信这样快速的进展还将继续。
但我认为我们到目前为止所开发出来的人工神经网络类型并不是最好的。可能还会有更好的人工神经网络类型，能够从远远更少的数据中学习，并且还能提供更多关于真正大脑的思考方式的见解。寻找全新类型的神经网络是我现在觉得最激动人心的方向。
问：为什么在创造人工智能时大脑是最佳的模型？还需要多少时间机器的计算能力就能达到或超越人脑水平了？还是说谷歌的 AlphaGo 已经证明人脑已被超越了？
答：直到不久之前，大脑在解读图像或理解自然语言等任务上比任何计算机都好很多，所以如果我们忽视大脑所表现出来的惊人计算能力，那似乎就非常愚蠢了。
最近，由我们对于大脑的理解所启发的人工神经网络以及极大地拉近了人类和机器之间的表现差距，我觉得，这似乎已经证明了从大脑中汲取灵感的思想是正确的。
我认为计算机将最终能超越人脑的能力，但是超越不同的能力也将需要不同长度的时间。要让计算机能像人类一样好地理解诗歌、笑话或讽刺，可能还需要非常长的时间。
问：人工神经网络系统实际上看起来是怎样的？和人脑相比，它们目前到底有多强大？未来五年它们又将变得多强？
答：在目前，要训练一个带有超过十亿的权重的神经网络还很困难。这一数字也差不多是一立方毫米小鼠大脑皮层中所包含的自适应权重的数量。
在五年之内，我们将能够训练出带有一万亿个权重的神经网络，这大概相当于一立方厘米的皮层。当然，有可能我们使用的学习规则要优于大脑的学习规则，所以也许一万亿个权重就足以让计算机超越带有数千万亿个权重的大脑。
问：好莱坞和各种科幻小说让我们越来越担心人工智能的危险了。我们需要担心机器崛起吗？
答：我认为在相当长的时间内，我们不需要担心机器会接管这个世界。
一个更迫切的问题是自动化武器，例如携带炸药的小型无人机。这种武器现在就可以制造。它们与生物或化学武器一样可怕和无法接受，我们迫切地需要制定国际公约来阻止它们的使用。
我们还需要担心另一件事，政府可能会使用机器学习监视数据来破坏政治异见人士的权利。在这一问题上依赖我们的政府首脑的道德是一件很危险的事。
机器之心编译
联系客服
