近日，多伦多大学的教员、谷歌大脑（Google Brain）研究员杰弗里·辛顿（Geoffrey Hinton）发表了炉边谈话。他讨论了神经网络的起源，以及人工智能有朝一日可能像人类一样推理的可行性和意义。辛顿被一些人称为“人工智能教父”，他在过去30年里一直致力于解决人工智能面临的一些最大挑战。
辛顿认为目前的人工智能和机器学习方法都有其局限性。他指出，大多数的计算机视觉模型都没有反馈机制，也就是说，它们不会试图从更高层级的表征重建数据。相反，它们试图通过改变权重来有区别地学习特征。“它们并没有在每一层的特征探测器上检查是否能够重建下面的数据。”辛顿说道。
他和同事们最近转向人类视觉皮层来寻找灵感。辛顿说，人类的视觉采用了一种重建的方法来学习，事实证明，计算机视觉系统中的重建技术增强了它们对对抗攻击的抵抗力。“大脑科学家都同意这样的观点，如果你的大脑皮层有两个区域处于感知通路中，并且相互连接，那么总有一个反向通路。”辛顿表示。
需要说明的是，辛顿认为神经科学家需要向人工智能研究人员学习很多东西。事实上，他觉得未来的人工智能系统将主要是非监督式的。他说，非监督式学习——机器学习的一个分支，从未标记、无法归类和未分类的测试数据中收集知识——在学习共性和对潜在的共性做出反应的能力方面，几乎就像人类一般。
“为什么我们根本不记得我们的梦呢？”辛顿反问道。他认为这可能与“反学习”有关。辛顿说，“做梦的意义可能在于，你把整个学习过程颠倒过来。”在他看来，这些知识可能会完全改变一些领域，比如教育。例如，他预计，未来的课程将更加个性化，有更强的针对性，将把人类生物化学过程考虑进来。
“你可能会认为，如果我们真正了解大脑的运转机制，我们应该能够改善教育等方面的状况，我认为我们会做到的。”辛顿称，“如果你能最终了解大脑发生了什么，它是如何学习的，而不是没有去进行调整适应，取得更好的学习效果，那会令人费解。”他警告说，实现这一点尚需时日。就近期而言，辛顿设想了智能助手的未来——比如谷歌的Google Assistant或亚马逊的Alexa——它们可以与用户互动，并在日常生活中给他们提供各种指导。
来源：新浪VR
