多伦多大学名誉教授杰弗里·辛顿一如既往关注的课题是“大脑如何运作”。
辛顿教授表示:“地球上最大的人工神经网络(Artificial Neural Network)是用万亿量级的学习数据进行学习的”,“考虑到寿命70岁的情况下人仅能活约20亿秒,大脑相当于用远少于人工神经网络的数据进行学习”,并称人工神经网络要达到像人脑那样学习的水平还有很长的路要走。
最近他开始研究寻找反向传播(Back Propagation)算法的替代方案,这一算法为他的深度学习模型带来了最大成就。辛顿教授表达期待称:“反向传播在数据量大的大型系统中可以运行,而替代性算法在小型系统中也可能运行。”
谷歌的超大规模人工智能(AI)“PaLM”是辛顿教授饶有兴趣关注的深度学习研究商用化案例。这一拥有约5000亿个参数的超大规模AI能够分析并理解全球的玩笑,并说明其含义。辛顿教授强调这是巨大成就,称“我原以为PaLM系统要投入运行至少还需要再等5年”。他还评价称,DeepMind开发的可预测蛋白质结构的AlphaFold,其水平相当于解决了过去50年生物学中最大的问题。
他期待的AI未来应用领域涵盖从医疗到解决气候变化危机等多个方面。辛顿教授预测:“不仅在医疗影像分析等健康护理领域,在药物设计等纳米技术层面,利用度也会更高。”他表示,通过探测非法捕捞来保护海洋生物,或对同一农场内的作物定制化喷洒最佳肥料和农药以保护农作物,都将成为可能。
他还谈了对部分人士提出的AI伦理的看法。他说:“如果AI系统出现偏向性,判别起来是容易的”,“相比纠正人内心的偏向或偏见,修正AI系统的偏向性更为容易,因此可以持续加以改善”。






