(1)

2012年神经网络模型在ImageNet 竞赛中的突破,引起了工业界强大的兴趣.

Hinton 教授和他的两个研究生, Alex Krizhevsky 和 Ilya Sutskever, 2012 年底成立了一个名叫 DNNresearch (深度神经网络研究)的公司, 三个月后就被谷歌以五百万美元收购. Hinton 从此一半时间留在多伦多大学,另外一半时间在硅谷. 另外两位研究生则成为谷歌的全职雇员.

原来在纽约大学教书的杨立昆 (Yann LeCun), 2013 年底被脸书聘请为其人工智能研究院的总管.

曾在斯坦福大学和谷歌工作的吴恩达 (Andrew Ng), 2012年创立了网上教育公司 Coursera, 2014年五月被百度聘任为首席科学家, 负责百度大脑的计划.

对于这些学者而言,有一点是共通的:他们这辈子再也不用为钱而发愁了.再也不用绞尽脑汁写报告求爹爹告奶奶地申请研究经费了.

他们可以彻底自由地在自己喜欢的领域大胆地探索和驰骋.

    (2)

当回顾过去四十年,主流学术界从对神经网络研究的长期鄙视时,Hinton 教授提到一个有趣的例子:

Hinton 教授的父亲 Howard Hinton, 是一个昆虫学家. 他相信有关地球的大陆漂移学说,尽管在上世纪五十年代初,这个学说被认为是胡扯.

大陆漂移学说最早为 Alfred Wegener 在1912年提出,其中的一个看似简单幼稚的理由,是南美洲的东段和非洲大陆的西段,形状上近乎完美的拟合.这个学说一直被主流地质学家视为痴人说梦的垃圾理论.

Howard Hinton 的专长是研究甲壳虫.在澳洲北岸有一种特殊的水生甲壳虫,不会飞,也不能迁移很远. 同样的这类水生甲壳虫,在新圭亚那的北岸也可以发现.  这种现象的唯一解释, 就是, 新圭亚那的北岸原来和澳洲大陆连在一起,随后分离,转向. 当时的地理学家听到这个解释,第一个直觉反应是, "甲壳虫不能移动大陆",完全拒绝面对客观的证据.

四十多年来,人们大多强烈看衰神经网络的研究.但 Hinton 认为,大脑有自己独特的运行机制,而它和普通电脑程序的机制很明显不同. 如果人工智能还需要你把所有的东西都预先写到程序里, 那就太荒谬了. 神经网络, 本质上模仿的是人脑学习的机制,长期看,这似乎是唯一有可能开发出人工智能的方法.

Hinton 教授在和记者的访谈中说, "我们会得到非常好的证据,最终学术界会改变观点.也许那些和你争论的科学家永远不会回心转意,但是年轻一代会,这就是在深度学习领域正在发生的事. 传统的人工智能领域的老家伙们还是不信,但是年轻一代的研究生们都看到了事情在朝什么方向发展."

如果你看过我的这篇文章，当三个都自称为上帝的精神病人聚在一起时，发生了什么？你会意识到,让一个人改变自己的成见是多么的困难.

德国物理学家麦克斯*普兰克曾说, "新的科学真理的胜利,不是靠说服它的反对者然后见光,而是因为它的反对者们最后全死了. .. 科学随着每一次的(老科学家的)葬礼而不断进步". 这个评论虽然刺耳和刻薄,但又那么真实和深刻.

    (3)

人工智能的研究,并不止步于对人脑的简单模仿.

人脑的生理结构,过去二十万年没有大的变化.机器的运算速度, 则每十年以 100-1000 倍的增速在发展.这种增速,又促进更多新创的算法在摸索中涌现.

人工智能大幅度超越人脑的认知能力, 是一个数学上的必然 (mathematical certainty).

深度学习在2012 年 ImageNet 图像识别竞赛中的突破, 只是一个开端.

仅仅是三年之后, 一群80后的中国学者,又把图像识别的成就,推到一个全新的高度,一个超越受过良好训练的正常人的识别能力的新高度.

人工智能的海啸正排山倒海般袭来.

(未完待续)