他是多倫多大學(xué)名譽(yù)教授，也是Google的一名工程師

他是神經(jīng)網(wǎng)絡(luò)的先驅(qū)之一

他因?yàn)閭�了背，站立著工�?2年

他是被稱為AI教父的——Geoffrey Hinton

杰弗里·辛頓（Geoffrey Hinton）

生于1947年12月6日，加拿大英裔，1977年在愛丁堡大學(xué)獲得博士學(xué)位；認(rèn)知心理學(xué)家和計(jì)算機(jī)學(xué)家；在人工神經(jīng)網(wǎng)絡(luò)方面取得巨大成就，自2013年起任職于谷歌人工智能研究小組——Google Brain。

1、AI教父

今天，混AI圈的人鮮有人沒聽過Geoffrey Hinton。他是谷歌大腦研究小組的負(fù)責(zé)人，多倫多大學(xué)的榮譽(yù)教授。而奠定了他在今天人工智能圈“教父”地位的，是他在多層神經(jīng)網(wǎng)絡(luò)技術(shù)的貢獻(xiàn)。

Hinton對AI的貢獻(xiàn)有多大呢？

杰弗里·辛頓（Geoffrey Hinton）

學(xué)術(shù)點(diǎn)說，Hinton在1986年提出的通過反向傳播來訓(xùn)練深度網(wǎng)絡(luò)理論，標(biāo)志著深度學(xué)習(xí)發(fā)展的一大轉(zhuǎn)機(jī)，為近年來人工智能的發(fā)展奠定了基礎(chǔ)。

更實(shí)際點(diǎn)說，今天谷歌中通過語音識別進(jìn)行圖片檢索、在手機(jī)上把語音轉(zhuǎn)化為文字的技術(shù)的實(shí)現(xiàn)，大部分功勞要?dú)w于Hinton博士的研究。他的研究，徹底改變了人工智能，乃至整個人類發(fā)展的軌跡。

2、從研究大腦，到嘗試制作一個

Geoffrey Hinton出生在英國一家“書香門第”，家人多是數(shù)學(xué)家和經(jīng)濟(jì)學(xué)家，這樣的“學(xué)霸爸媽”顯然讓Hinton的童年不太好過，正如他自己所說：“我大概在7歲的時候就意識到，不讀博是不行了（微笑臉）�！�

而最初把Hinton引上人工智能這條路的，是他對人腦的好奇。

杰弗里·辛頓（Geoffrey Hinton）

Hinton很早就沉迷于大腦如何工作的問題。于是，他開始進(jìn)入生理學(xué)，解剖大腦以了解其工作方式。

不滿足于此，他又開始學(xué)習(xí)心理學(xué)。最后，他決定更多地使用計(jì)算機(jī)科學(xué)的方法來模擬大腦，并進(jìn)入人工智能領(lǐng)域，開始了他近40年的研究生涯。

“我認(rèn)為，如果你真的想了解一個非常復(fù)雜的裝置，比如大腦，那你就制作一個�！�

3、堅(jiān)持你認(rèn)為對的，直到世界追上你的腳步

之后，在多倫多，Hinton和他的團(tuán)隊(duì)研究出了更深度的神經(jīng)網(wǎng)絡(luò)，以解決更復(fù)雜的問題。他們共同開發(fā)了一個多層神經(jīng)網(wǎng)絡(luò)，這個深度神經(jīng)網(wǎng)絡(luò)也被應(yīng)用于多個方面。

比如有人用它在80年代就打造了一輛無人車并且開上了路。

而現(xiàn)在已經(jīng)是深度學(xué)習(xí)的另一位領(lǐng)袖人物、Facebook的AI實(shí)驗(yàn)室負(fù)責(zé)人Yann LeCun則利用深度神經(jīng)網(wǎng)絡(luò)建立了一個可以識別手寫數(shù)字的系統(tǒng)。這一系統(tǒng)最終實(shí)現(xiàn)了商用。

在當(dāng)時，深度神經(jīng)網(wǎng)絡(luò)的前景似乎一片大好，但是，現(xiàn)實(shí)中的故事往往沒有這么簡單。

杰弗里·辛頓（Geoffrey Hinton）

Hinton的研究再次遇到了瓶頸。

“我們當(dāng)時并沒有足夠的數(shù)據(jù)，也沒有足夠的計(jì)算機(jī)運(yùn)行能力，AI和計(jì)算機(jī)科學(xué)的從業(yè)者認(rèn)為神經(jīng)網(wǎng)絡(luò)是一廂情愿的想法。”

但Hinton始終堅(jiān)持著，盡管完全不被重視。

他坐在房間的最角落里參加學(xué)術(shù)會議，在大牛云集的人工智能會議上完全不被重視。甚至他自己也開始產(chǎn)生了懷疑：“有很多次我都覺得我不會繼續(xù)這項(xiàng)工作了”。

直到這個世界開始慢慢追上他的腳步。

杰弗里·辛頓（Geoffrey Hinton）

2006年，計(jì)算機(jī)的運(yùn)行速度有了巨大的提高，超快速芯片的到來以及互聯(lián)網(wǎng)上產(chǎn)生的大量數(shù)據(jù)使得Hinton的算法變得非常神奇。

突然之間，計(jì)算機(jī)開始可以識別圖像中的內(nèi)容，可以識別語音，可以將一種語言翻譯成另一種語言。

2012年，Geoffrey Hinton和他的團(tuán)隊(duì)帶著 AlexNet參加了那一年的 ImageNet ILSVRC 挑戰(zhàn)賽，以驚人的優(yōu)勢獲勝（錯誤率比第二名低了足足 10％）。這篇被 NIPS 2012 收錄的論文被認(rèn)為是深度學(xué)習(xí)熱的開啟。

同年，“神經(jīng)網(wǎng)絡(luò)”和“機(jī)器學(xué)習(xí)”等詞匯也開始在紐約時報(bào)的頭版出現(xiàn)。

“人們終于理解了這個概念，我感到很欣慰。”Hinton這樣說。

4、推翻自己，膠囊網(wǎng)絡(luò)的提出

盡管已經(jīng)成為了深度學(xué)習(xí)的領(lǐng)袖人物，Hinton的腳步卻從沒有停歇。2017年10月26日，Hinton發(fā)表了一篇在AI圈掀起軒然大波的論文——Capsule Networks（膠囊網(wǎng)絡(luò)）。

Hinton高喊，“卷積神經(jīng)網(wǎng)絡(luò)（CNN）的時代已經(jīng)過去了！”，將他過去幾十年的研究翻了過去。

杰弗里·辛頓（Geoffrey Hinton）

盡管膠囊網(wǎng)絡(luò)研究仍處在嬰兒階段，在訓(xùn)練的數(shù)據(jù)集十分龐大時仍可能會遇到問題，但Hinton相信在未來它還有巨大的發(fā)展?jié)摿�，這位深度學(xué)習(xí)教父也許還將再次改寫深度學(xué)習(xí)的發(fā)展歷程。