雷鋒網按：
geoffrey hinton
被尊稱為“神經網絡之父”，他将神經網絡帶入到研究與應用的熱潮，将“深度學習”從邊緣課題變成了谷歌等網際網路巨頭仰賴的核心技術，并将
hintonback propagation（反向傳播）算法應用到神經網絡與深度學習，還提出了“dark knowledge”概念。
geoffrey
hinton 曾獲得愛丁堡大學人工智能的博士學位，并且為多倫多大學的特聘教授。在 2012 年，hinton
還獲得了加拿大基廉獎（killam prizes，有“加拿大諾貝爾獎”之稱的國家最高科學獎）。2013 年，hinton 加入谷歌并帶領一個
ai 團隊，目前正進行着谷歌大腦的項目。
近日，外媒 gigaom 采訪了這位大牛，問題主要和人工智能相關，大家可以和雷鋒網一起看看他是怎麼回答的：
q：您被稱作“神經網絡之父”，那您認為在有生之年“真正的”人工智能會出現嗎？
a：這取決于你對“真正的”人工智能定義是什麼。如果你是說在自然語言、感覺、推理、運動等方面都能和人類水準相當的人工智能體，我覺得我大概是看不到了。不過，五年後會發生什麼我們很難預測，是以我不去排除這樣的可能性。在十年前，很多
ai
工作者認為用神經網絡完成機器翻譯是不可能的，因為這需要讓神經網絡從原始訓練資料中擷取所有語言知識。但在今天，這就是機器翻譯使用的方法，而且是最好的。神經網絡翻譯顯著地縮小了機器和人工之間翻譯水準的差距。
q ：如果真正的人工智能出現，您有什麼擔心的嗎？
a：說實話，我不太擔心現在大家經常讨論的那些問題，就是說變壞的機器人會代替人類接管世界。我更擔心的是諸如希特勒、墨索裡尼這樣的人在科技的幫助下可能會做的事兒。如果這些人擁有智能機器人，後果不堪設想。我認為現在最迫切的一件事就是對
ai 的軍事化制定相關的國際政策或者協定。
q：您認為未來人工智能對經濟和勞動力會有什麼影響呢？利大于弊還是弊大于利？
a：我們可以看到，如今 atm 機等機器已經幫助人們減少了大量繁重的工作，提高了生産效率。我想應該很少有人會覺得這些機器不應該被引入。在一個相對公平公正的政治制度下，能夠提高生産力的技術肯定會受到公衆的歡迎，因為這會幫助每個人的生活變得更好。技術本身不是問題，問題是社會制度能不能保障每個人都受益。
q：您認為深度學習下一個大的飛躍會是什麼？
a：目前，我們已經在一些近半個世紀裡都沒有解決的難題上獲得了前所未有的進展。語音識别、圖像識别技術都已經獲得了巨大的進步，并且會變得更好。我相信，不久的未來計算機就能了解視訊裡講了些什麼。
此外，最近神經網絡也開始接管機器翻譯。我們幾乎每周都能看到深度神經網絡在一些有商業化價值的新領域獲得成功。二十幾年前，深度學習技術才出現在人們視野中，現在已經取得了非常驚人的成果。更出色的神經元類型和架構使得更深層次的網絡上可以進行更多，更好的學習任務。深度學習已經吸引了大量的人才和資金，我想這些還會一直持續下去。
值得關注的一點是，我們應該付出更多的努力讓神經網絡可以真正了解文檔的内容，其中包括開發新類型的臨時存儲器。這個話題現在很熱門。
不過，現在我們還有一個問題沒有解決。那就是如何從少量的資料中生成良好的神經網絡，我覺得這可能需要徹底改變現在使用的神經元類型。
在進行深度學習的應用過程中，我們會得到一些寶貴的經驗教訓，這給進一步研究提供了新的視角，比如幫我們更好地了解真正的神經元是如何學習任務的。我認為這對深度學習的未來應用會産生巨大的影響。
本文作者：劉子榆