展會(huì)信息港展會(huì)大全

獲得諾貝爾獎(jiǎng)的AI教父辛頓,后悔了
來源:互聯(lián)網(wǎng)   發(fā)布日期:2024-10-10 09:55:36   瀏覽:2081次  

導(dǎo)讀:劃重點(diǎn) 012024年諾貝爾物理學(xué)獎(jiǎng)?lì)C發(fā)給多倫多名譽(yù)教授杰弗里辛頓(Geoffrey Hinton)和普林斯頓教授約翰霍普菲爾德(John Hopfield),以表彰他們?cè)谌斯ぶ悄茴I(lǐng)域的貢獻(xiàn)。 02辛頓被譽(yù)為人工智能教父,他與霍普菲爾德的工作促成了人工神經(jīng)網(wǎng)絡(luò)的誕生,為當(dāng)今人...

劃重點(diǎn)

012024年諾貝爾物理學(xué)獎(jiǎng)?lì)C發(fā)給多倫多名譽(yù)教授杰弗里辛頓(Geoffrey Hinton)和普林斯頓教授約翰霍普菲爾德(John Hopfield),以表彰他們?cè)谌斯ぶ悄茴I(lǐng)域的貢獻(xiàn)。

02辛頓被譽(yù)為“人工智能教父”,他與霍普菲爾德的工作促成了人工神經(jīng)網(wǎng)絡(luò)的誕生,為當(dāng)今人工智能的突破奠定了基矗

03然而,辛頓曾表示后悔自己一生的工作,擔(dān)心人工智能帶來的風(fēng)險(xiǎn),尤其是這些事物失控的威脅。

042023年,辛頓離開了谷歌,希望引起人們對(duì)人工智能潛在風(fēng)險(xiǎn)的關(guān)注。

05除此之外,諾貝爾獎(jiǎng)委員會(huì)還表彰了辛頓在20世紀(jì)80年代與同事開發(fā)的生成模型玻爾茲曼機(jī)。

以上內(nèi)容由騰訊混元大模型生成,僅供參考

獲得諾貝爾獎(jiǎng)的AI教父辛頓,后悔了

出品|虎嗅科技組

作者|余楊

編輯|苗正卿

頭圖|視覺中國(guó)

10月8日消息,2024年諾貝爾物理學(xué)獎(jiǎng)出爐,多倫多名譽(yù)教授杰弗里辛頓(Geoffrey Hinton)和普林斯頓教授約翰霍普菲爾德(John Hopfield),這是兩位被譽(yù)為奠定“當(dāng)今強(qiáng)大機(jī)器學(xué)習(xí)基礎(chǔ)”的科學(xué)家,杰弗里辛頓更是被稱為“人工智能教父”。

瑞典皇家科學(xué)院諾貝爾委員會(huì)表示,他們的發(fā)現(xiàn)和發(fā)明為人工智能領(lǐng)域近期的諸多突破奠定了基矗自20世紀(jì)80年代以來,他們的工作促成了人工神經(jīng)網(wǎng)絡(luò)的誕生,這是一種大致模仿大腦結(jié)構(gòu)的計(jì)算機(jī)架構(gòu)。

通過模仿我們大腦建立連接的方式,神經(jīng)網(wǎng)絡(luò)讓人工智能工具能夠“通過示例學(xué)習(xí)”。開發(fā)人員可以通過輸入數(shù)據(jù)來訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)識(shí)別復(fù)雜模式,從而為當(dāng)今人工智能的一些最引人注目的用途提供支持,包括語(yǔ)言生成和圖像識(shí)別。

在多倫多大學(xué)的新聞發(fā)布會(huì)上,辛頓表示“大吃一驚:“我對(duì)此毫無(wú)期待。我感到非常驚訝,也很榮幸能入眩”

出人意料的是,雖被稱為“人工智能教父”,但辛頓去年曾告訴《紐約時(shí)報(bào)》,他現(xiàn)在“后悔自己一生的工作”,也“很難看出如何阻止壞人利用它做壞事”。

他所指的,是人工智能帶來的風(fēng)險(xiǎn)。

在今天與記者的電話交談中,辛頓仍然堅(jiān)持,“我們沒有體驗(yàn)過擁有比我們更聰明的東西會(huì)是什么感覺。這在很多方面都會(huì)很棒,”他說。“但我們也不得不擔(dān)心一些可能的不良后果,尤其是這些事物失控的威脅。”

辛頓不是說說而已。據(jù)悉,2023年他離開了谷歌,希望能夠從行為上引起人們對(duì)他推動(dòng)實(shí)現(xiàn)的技術(shù)所帶來的潛在風(fēng)險(xiǎn)的關(guān)注。

2013年,谷歌收購(gòu)了辛頓的神經(jīng)網(wǎng)絡(luò)公司,這家公司是辛頓與兩名學(xué)生共同創(chuàng)立的,其中一名即包括IlyaSutskever,我們后來了解到Sutskever,是作為OpenAI的首席科學(xué)家。

諾貝爾獎(jiǎng)委員會(huì)表彰了辛頓在20世紀(jì)80年代與同事開發(fā)出的生成模型玻爾茲曼機(jī):

辛頓使用了統(tǒng)計(jì)物理學(xué)的工具,統(tǒng)計(jì)物理學(xué)是一門由許多相似組件構(gòu)建的系統(tǒng)科學(xué)。通過向機(jī)器輸入運(yùn)行時(shí)很可能出現(xiàn)的示例來訓(xùn)練機(jī)器。玻爾茲曼機(jī)可用于對(duì)圖像進(jìn)行分類,或?yàn)槠溆?xùn)練的模式類型創(chuàng)建新的示例。辛頓在此基礎(chǔ)上繼續(xù)發(fā)展,幫助開啟了機(jī)器學(xué)習(xí)的爆炸式發(fā)展。

而辛頓的工作成績(jī),要建立在另一位獲獎(jiǎng)?wù)呒s翰霍普菲爾德教授的Hopfield網(wǎng)絡(luò)基礎(chǔ)上,Hipfield網(wǎng)絡(luò)是一個(gè)可以重建模式的人工神經(jīng)網(wǎng)絡(luò):

Hopfield網(wǎng)絡(luò)利用物理學(xué)來描述材料由于原子自旋而產(chǎn)生的特性自旋使每個(gè)原子都變成一個(gè)微小的磁鐵。整個(gè)網(wǎng)絡(luò)的描述方式與物理學(xué)中自旋系統(tǒng)的能量相同,并通過尋找節(jié)點(diǎn)之間連接的值來進(jìn)行訓(xùn)練,以便保存的圖像具有較低的能量。當(dāng)Hopfield網(wǎng)絡(luò)被輸入扭曲或不完整的圖像時(shí),它會(huì)有條不紊地處理節(jié)點(diǎn)并更新它們的值,從而降低網(wǎng)絡(luò)的能量。因此,網(wǎng)絡(luò)逐步找到與輸入的不完美圖像最相似的保存圖像。

2016年,諾貝爾文學(xué)獎(jiǎng)?lì)C給美國(guó)詞作家鮑勃迪倫(Bob Dylan),這一要聞就曾引起軒然大波,他的獲獎(jiǎng)理由是“用美國(guó)傳統(tǒng)歌曲創(chuàng)造了新的詩(shī)意表達(dá)”。

今年,諾貝爾物理學(xué)獎(jiǎng)更是頒給了計(jì)算機(jī)專家。有網(wǎng)友調(diào)侃道:“連諾貝爾獎(jiǎng)都來蹭AI的熱度了”。

但在爭(zhēng)議的背后,或許我們更應(yīng)該關(guān)注的是學(xué)科的融合和知識(shí)體系的多維化,那些在學(xué)科交叉領(lǐng)域所裂變出來的增長(zhǎng)點(diǎn),以及隨之而來的“看不見的冰山”。

贊助本站

相關(guān)內(nèi)容
AiLab云推薦
展開

熱門欄目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能實(shí)驗(yàn)室 版權(quán)所有    關(guān)于我們 | 聯(lián)系我們 | 廣告服務(wù) | 公司動(dòng)態(tài) | 免責(zé)聲明 | 隱私條款 | 工作機(jī)會(huì) | 展會(huì)港