-
日期: 2024-10-08 | 来源: 知识分子 | 有0人参与评论 | 字体: 小 中 大
辛顿坚信大脑绝对不是通过人类编写的“智能程序”来工作的。例如，你可以尝试给小孩子编个程序，让他照此步骤一步一步地从语法开始学习语言，但这并不会真正起作用，孩子们会从经验中学习而不会按照你给他编的程序来做。
作为一名年轻的研究生，辛顿对自己认定的目标如此自信，令人刮目相看。辛顿将此归结为少年时经历的环境所致。他的父母是无神论者，却将儿子送去了一所宗教学校。在那儿，辛顿周围的每个人都相信上帝，除了他之外。因此，他已经习以为常总是与别人的不一样。辛顿在一次访谈中表示，这对科学家是非常好的训练，让你对自己的观点充满信心，至少给你一个合理的理论，即每个人都可能是错的，你需要坚持自己的主张，直到实现它或者否定它，做科学就需要这样的精神。
博士毕业几年之后，辛顿去了美国作博士后。他高兴地在加利福尼亚找到了几个神经网络的支持者。20 世纪 70 年代末，在加利福尼亚州，圣地亚哥有一个团体，特别是 David Rumelhart等，他们认为神经网络非常有趣。
图2：辛顿1986年有关“反向传播”的论文
1986年，辛顿与David Rumelhart和Ronald Williams共同发表了一篇题为“通过反向传播误差来学习”（Learning representations by back-propagating errors）的论文[2]。
三位科学家并不是第一个提出这种“反向传播”方法的人。但他们将反向传播算法应用于多层神经网络并且证明了这种方法对机器学习行之有效。他们的论文也证明了，神经网络中的多个隐藏层可以学习任何函数，从而解决了闵斯基等书中提出的单层感知机存在的问题。
同一时期，辛顿与 David Ackley 和 Terry Sejnowski 共同发明了玻尔兹曼机。
之后，辛顿在匹兹堡的卡内基梅隆大学找到了一份工作，但他对里根领导下的美国外交政策，特别是对中美洲的干涉越来越感到不安。他和他的妻子罗斯收养了来自南美的一男一女，却不太喜欢在美国抚养他们。另外，美国的大多数人工智能研究都是由国防部资助的，这也让辛顿不满意，因此他接受了加拿大高级研究所的邀请，以及多伦多大学计算机科学领域的职位，并在加拿大启动了“机器和大脑学习”项目。
图3：辛顿着名的“徒子徒孙”们
辛顿1986年有关反向传播算法和波尔兹曼机的两篇重要文章，抵不过当年“人工智能的寒冬”，似乎反响不大，但辛顿在加拿大多伦多大学，毕竟有了稳定的位置以及还算充裕的支持神经网络的研究经费，使他能在这个冷门领域里坚持耕耘三十余年无怨无悔。更为重要的是，随着时间的推移，一些深度学习的信徒们被辛顿所吸引。他培养了不少学生，学生又有学生，加上博士后及合作者，研究神经网络深度学习的人才济济群星闪烁，尽管寒冬期间工作机会少，资金仍然稀缺，但研究者们兴趣盎然，他们凭借自身的信念，排除嘈杂的干扰而自得其乐，江湖貌似平静但暗流涌动，为人工智能春天之到来做好了准备。正是应了一句名言：“大隐隐于市”。
他长久的在这个冷门的领域耕耘，让他最终迎来了春天，不但为他赢得了2018年的图灵奖，也为人工智能领域带来了革命性的突破。- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见