“AI已经很聪明，迟早会拥有意识，人类将成为地球上第二聪明的生物。”

——育琨手记

2024.10.11

2024诺贝尔物理奖给了AI教父辛顿，本人回应“没有想到”

1985年，在奥地利阿尔卑斯山奥伯莱赫（Oberlech）的一个研讨会

他曾花了小半个世纪的时间开发神经网络，让机器拥有了深度学习的能力，如今，他的愿望实现了：人工智能之浪潮汹涌澎湃滚滚而来。然而，这位AI大神却退缩了，他对他教会它学习的机器产生了怀疑，甚至愤怒。他担心他毕生的工作可能导致人类的终结，他认为他的最终使命是警告世界！

他，就是如今被誉为“AI教父”的杰佛里·埃佛勒斯·辛顿。

家族传奇

辛顿可以算是学界少有的传奇人物，其传奇之一，是他显赫的家庭背景。我们从他的一位“玄祖父”布尔说起……

英国数学家乔治·布尔（George Boole，1815年—1864），无疑是计算机科学的前辈之一，一位大师级人物。大家都知道的布尔代数、布尔逻辑，便是以他命名的。布尔出生贫困，但他的整个后代，以及连带的3个家族可了不得，每一个都值得惊叹一声：好一个“科学世家”！

布尔的夫人玛丽是一位女权主义哲学家，也是自学成才的数学爱好者，特别喜欢代数。玛丽夫人的娘家姓氏（Everest）中，也出了好几位科学名人，实际上，Everest是西方对珠穆朗玛峰的称呼，这来源于玛丽的叔叔乔治·埃佛勒斯（George Everest），他勘察印度时发现了这座山，珠穆朗玛峰便以他的名字命名。而且，杰佛里·辛顿的中间名便取为Everest，即珠穆朗玛峰的英文名。

布尔和玛丽，这对珠联璧合的伉俪育有五个女儿，她们本人、配偶及后代，都有不凡的成就。非常有趣的是，布尔女儿中的老大和老小，都与中国有渊源。所以，首先简要介绍中间3个女儿：老二嫁给了艺术家爱德华·泰勒，他们的儿子杰弗里·泰勒，是著名物理学家和数学家，二战时曼哈顿计划的核心成员之一；三女儿继承了父亲的数学天赋，对四维几何深感兴趣独立钻研，颇有成果；四女儿是英国史上第一位研究药学的女性和女化学教授。

布尔第五个女儿，艾捷尔·丽莲·伏尼契，为中国人所熟悉是因为她是《牛虻》一书的作者。

布尔的大女儿玛丽，嫁给了数学家和作家查理斯·辛顿，生了四个儿子。其中小儿子的孙辈中，韩丁是“中国人民的好朋友”，写了一本有关中国土地改革的长篇作品《翻身》。韩丁的妹妹寒春，是参与了曼哈顿计划的女核物理学家，她的丈夫阳早，是美国养牛专家，夫妻俩长年定居中国。

就是布尔的这位大女儿，联姻了“辛顿”的家族，这个辛顿家族中科学界名人和教授也是难以数清，我们就不一一列举了。总之，这对“布尔+辛顿”生下了一个曾孙，便正是我们本文的主角：杰弗里·辛顿。

所以，辛顿是逻辑大师布尔的玄孙，短短的计算科学史中，玄祖玄孙皆大师，不是传奇是什么？

辛顿出生于英国，父亲是剑桥大学教授，是著名的昆虫学家，研究甲虫的权威。辛顿和他的三个兄弟姐妹在一所充满动物的大房子里长大，父亲还曾经将毒蛇关在车库的坑里。

严厉的父亲自视甚高，似乎认为儿子永远无法攀登自己的顶峰。但父亲早已于70年代过世，没有来得及看到儿子的学术引用已经远远超过了他。 

求学传奇

尽管杰弗里·辛顿的周围环境中，不乏杰出的科学家、学者和教授，但与大多数成功人士一样，他的求学生涯却并不总是那么顺利。也许是因为这类年轻人心里有太多自己的想法和主张的缘故。

辛顿高中时，进入了他口中的“二流公立学校”，克里夫顿学院，不过，辛顿在那儿碰到一位十分聪明的同学，这位朋友对他说：“你知道吗？大脑的记忆并不是储存在某个特定的地方，而是分布在整个大脑，在整个神经网络里传播。“，朋友又解释道：”大脑使用全息图，在全息图中，你可以砍掉一半，但你仍然可以获得整个图片，所以……”

朋友的话使辛顿兴奋，也正是从这个时候起，辛顿开始对大脑的运作深深着迷，这是他人生的关键起点。从此后，辛顿将一个目标放在了他的潜意识里：想了解大脑是如何工作的？

一开始，18岁的辛顿进入剑桥大学国王学院学习物理、化学和数学，但于一个月后就退学了。辛顿去伦敦工作了一年，做了各种各样的事情。第二年，他改修建筑学，但这次坚持的时间更短：一天！后来，辛顿也尝试过转向哲学，不过也是半途而终。

再后来，辛顿转而研究物理和生理学，成为当年剑桥大学唯一一个同时学习物理和生理学的学生。然而，因为他没有任何生物学背景，所以学习生理学非常困难。但辛顿有所期待，因为据说在第三学期，生理学教授将告诉学生大脑是如何工作的，这正是辛顿学习生理学的原因。终于到了第三学期，由像赫胥黎这样非常杰出的学者教授这门课。不过，结果并不是辛顿所期待的。生理学教授认为大脑是如何工作的呢？他们的想法是，有神经元，有沿着轴突和神经元传播的动作电位。但仅此而已，他们实际上并没有说出大脑是如何运作的，因为他们并不知道啊。并且，辛顿觉得心理学理论似乎太简单了，不可能用以解释大脑。

1970年获得实验心理学学士学位后，对大学本科学习颇感失望的辛顿放弃了剑桥大学，成了一名木匠。他一边做书架、木门，一边思考人类大脑的运作原理，自认为这是他喜欢的生活方式。作了一年多之后又有新想法了，因为靠木匠谋生并不是件容易的事情，对了解大脑也无帮助，所以，辛顿又考虑回归学术界，并决定尝试一个新方向：人工智能。

对如此奇特多变的求学经历，辛顿谑称自己患上了“学习上的过动症”，在一个专业上无法稳定下来。但其实不然，辛顿始终都在寻求自己的方向。前一段，是多次缀学的“传奇”，后面的经历，便说明了辛顿认定方向后坚持不懈的“传奇”精神。

他1972 年去了爱丁堡，进入苏格兰爱丁堡大学攻读博士，这次可能算是走对路了，因为那儿有一位非常聪明的叫希金斯（Christopher Higgins，1923 – 2004）的教授，正在研究神经网络，这是辛顿长年累月思考认为可以用机器实现大脑功能的方向。

但是，辛顿好像总是运气不佳，就在他开始追求这个目标时，希金斯教授改变了他的学术初衷，“叛变”到了AI的符号主义一边，认为联结主义的神经网络是无稽之谈。这显然是受了MIT的AI大佬闵斯基的影响。闵斯基的《Perceptron》一书于69年出版，几乎摧毁了神经网络领域，使得1972 年成为神经网络有史以来最低潮的时期。

因此，希金斯试图说服辛顿停止做神经网络，转做符号人工智能。于是辛顿说，再给我六个月，我会证明这是有效的；然后每六个月之后，辛顿再跟希金斯说与上次一模一样的话。两人磨磨唧唧地争论了五年，辛顿终于坚持研究备受冷落的神经网络并熬到了博士毕业。

职场传奇

辛顿的观点总是与众不同别出一格，闵斯基在《感知器》中，详尽说明了单层神经网络的限制以及功能不足之处，使得几乎所有的学者都相信这是个没有未来、注定失败的一条路，但辛顿却始终坚持神经网络研究，认为闵斯基提出感知机的缺点是件大好事，发现神经网络的问题，是解决其问题的开始，并不一定要放弃。

辛顿坚信大脑绝对不是通过人类编写的“智能程序”来工作的。例如，你可以尝试给小孩子编个程序，让他照此步骤一步一步地从语法开始学习语言，但这并不会真正起作用，孩子们会从经验中学习而不会按照你给他编的程序来做。

作为一名年轻的研究生，辛顿对自己认定的目标如此自信，令人刮目相看。辛顿将此归结为少年时经历的环境所致。他的父母是无神论者，却将儿子送去了一所宗教学校。在那儿，辛顿周围的每个人都相信上帝，除了他之外。因此，他已经习以为常总是与别人的不一样。辛顿在一次访谈中表示，这对科学家是非常好的训练，让你对自己的观点充满信心，至少给你一个合理的理论，即每个人都可能是错的，你需要坚持自己的主张，直到实现它或者否定它，做科学就需要这样的精神。

博士毕业几年之后，辛顿去了美国作博士后。他高兴地在加利福尼亚找到了几个神经网络的支持者。20 世纪 70 年代末，在加利福尼亚州，圣地亚哥有一个团体，特别是 David Rumelhart等，他们认为神经网络非常有趣。

1986年，辛顿与David Rumelhart和Ronald Williams共同发表了一篇题为“通过反向传播误差来学习”（Learning representations by back-propagating errors）的论文[2]。

三位科学家并不是第一个提出这种“反向传播”方法的人。但他们将反向传播算法应用于多层神经网络并且证明了这种方法对机器学习行之有效。他们的论文也证明了，神经网络中的多个隐藏层可以学习任何函数，从而解决了闵斯基等书中提出的单层感知机存在的问题。

同一时期，辛顿与 David Ackley 和 Terry Sejnowski 共同发明了玻尔兹曼机。

之后，辛顿在匹兹堡的卡内基梅隆大学找到了一份工作，但他对里根领导下的美国外交政策，特别是对中美洲的干涉越来越感到不安。他和他的妻子罗斯收养了来自南美的一男一女，却不太喜欢在美国抚养他们。另外，美国的大多数人工智能研究都是由国防部资助的，这也让辛顿不满意，因此他接受了加拿大高级研究所的邀请，以及多伦多大学计算机科学领域的职位，并在加拿大启动了“机器和大脑学习”项目。

图3：辛顿著名的“徒子徒孙”们

辛顿1986年有关反向传播算法和波尔兹曼机的两篇重要文章，抵不过当年“人工智能的寒冬”，似乎反响不大，但辛顿在加拿大多伦多大学，毕竟有了稳定的位置以及还算充裕的支持神经网络的研究经费，使他能在这个冷门领域里坚持耕耘三十余年无怨无悔。更为重要的是，随着时间的推移，一些深度学习的信徒们被辛顿所吸引。他培养了不少学生，学生又有学生，加上博士后及合作者，研究神经网络深度学习的人才济济群星闪烁，尽管寒冬期间工作机会少，资金仍然稀缺，但研究者们兴趣盎然，他们凭借自身的信念，排除嘈杂的干扰而自得其乐，江湖貌似平静但暗流涌动，为人工智能春天之到来做好了准备。正是应了一句名言：“大隐隐于市”。

刚拿到诺奖，他就决定捐奖金帮自闭症青年找工作

来源：小米和小米

“我会把一部分奖金给一个为神经多样性年轻人提供工作的慈善机构……”

2024年10月9日，新晋诺贝尔物理学奖获得者、加拿大多伦多大学计算机科学系名誉教授杰弗里·辛顿 (Geoffrey Hinton)，在多伦多大学为他举行的线上发布会上表示，他会将获得的诺贝尔奖的部分奖金，部分捐给他知道的一家为自闭症、多动症等神经多样性年轻人提供工作机会的慈善机构。

辛顿是全球知名的人工智能专家，先后被称为“深度学习教父”和“人工智能教父”。10月8日，辛顿和美国新泽西州普林斯顿大学的约翰·霍普菲尔德 (John Hopfield)共同获得了2024年的诺贝尔物理学奖，“以表彰其通过人工神经网络实现机器学习的基础性发现和发明。”

在闪亮的光环之外，辛顿还是一个神经多样性孩子的父亲。上世纪90年代，他和当时已罹患卵巢癌、曾和不孕症做斗争的第二任妻子、分子生物学家罗莎琳德·扎林(Rosalind Zalin)在拉丁美洲收养了一男一女两个孩子，托马斯（Thomas）和艾玛（Emma），托马斯被诊断为“多动症和其他学习困难”。

辛顿1997年与第三任妻子杰基（Jackie）结婚照，两侧是当时8岁的养子托马斯和5岁的养女艾玛

罗莎琳德1994年去世时，托马斯才5岁，艾玛3岁。成为单亲爸爸的辛顿，这段时间 “即使有保姆照顾，也必须在下午6点回家，既要照顾儿子，又要赶去Gap商店抢购袜子。”

1990年代初，在收养了孩子后不久，他的妻子因卵巢癌去世。他们收养的儿子患有注意力缺陷多动症和其他学习障碍，即使有保姆，辛顿也必须在晚上6点回家，照顾儿子。

获得诺贝尔物理学奖之后，有记者问他：“关于诺贝尔奖金有哪些计划？”

辛顿说：“我没有具体计划，打算把它捐给慈善机构，我会捐一部分给一家我知道的给神经多样性年轻人提供工作的慈善机构。”

这样的计划无疑与他的儿子有关，“老吾老以及人之老，幼吾幼以及人之幼”。

与家族、荣耀、政治、人工智能这些相比，人类最可宝贵是爱。

除了在大模型等领域的应用，辛顿开创的机器学习在医学甚至自闭症研究领域也得到了应用。

早在2016年，普林斯顿一个研究团队通过使用大数据和机器学习的方法来进行一个有关泛自闭症障碍（ASD）的全基因组预测。研究团队建立了一个特定的大脑基因网络，它是一个关于基因如何在大脑中依靠对方正常运转的地图。

利用这个网络，研究人员采用类似的理念来预测新的ASD基因。该研究的第一作者Arjun Krishnan说，他们的结果将帮助到泛自闭症障碍（ASD）的早期诊断和治疗。

现在，人工智能已广泛应用于自闭症的预测、发现和诊断。今年8月，卡罗琳斯卡医学院发表的一项新研究表明，一种新的机器学习模型 AutMedAI 可以以近 80% 的准确率预测两岁以下儿童的自闭症，为早期检测和干预提供了一种有前途的工具。

辛顿曾被问到人工智能领域令人兴奋的下一个前沿技术是什么，他说他已经76岁了，不会做更多的前沿研究，会花时间倡导人们从事安全工作。

一方面，他的成果已经在包括自闭症等领域得到广泛应用；另一方面，他认为AI的发展已经开始威胁到人类自身的安全。这也是他的学生苏茨克沃从OpenAI离职的原因。

而辛顿对他今后的人生也有了明确的计划：让AI负责任。

接受媒体采访时他表示，获得诺奖最大的好处，就是当他警示AI给未来带来的潜在危险时，“人们可能会更认真的对待我。”

“AI教父”获诺奖之前，曾对AI说“后悔”

“机器学习”拿下诺贝尔物理学奖，对AI技术创业有什么启示？

作者：伍洋宇 

界面新闻记者 | 伍洋宇

界面新闻编辑 | 文姝琪

10月8日，2024年诺贝尔奖获奖者名单开启公布。这一年的诺贝尔物理学奖被授予美国普林斯顿大学教授约翰·霍普菲尔德（John Hopfield）和加拿大多伦多大学教授杰弗里·辛顿 （Geoffrey Hinton），以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。

根据瑞典皇家科学院的官方公告，2024年诺贝尔奖得主利用物理学工具开发出来的方法，为如今强大的机器学习奠定了基础。

其中，霍普菲尔德创建了“霍普菲尔德网络”（Hopfield Network），一种能够有效存储和重建信息的结构，其设计灵感来源于生物神经系统的工作原理。 

这种网络的核心在于利用了物理学中的自旋系统能量来描述数据特征，通过将数据特征映射到一个能量状态空间，使得网络能够在不同的状态之间进行有效的转换和优化。

杰弗里·E·辛顿则以霍普菲尔德网络为基础，发明了一种可以独立发现数据中的属性的方法，称为玻尔兹曼机。

玻尔兹曼机可以学习识别给定类型数据中的特征元素，可用于对图像进行分类或创建训练模式类型的新示例。这项工作使用了统计物理学的工具。

“辛顿以这项工作为基础，帮助启动了机器学习当前的爆炸式发展。”公告写道。这段被称为爆炸性发展的阶段，也就是以人工神经网络为核心的深度学习革命。

约翰·霍普菲尔德是一名物理学家，早年在普林斯顿大学获得博士学位，主要研究计算神经科学。他最著名的贡献就是提出“Hopfield网络”，将物理中的能量最小化概念应用到神经网络中。霍普菲尔德的研究跨越了物理学、神经科学和计算机科学，为人工神经网络的研究提供了交叉基础。

杰弗里·辛顿早年在爱丁堡大学获得博士学位，他更知名的身份标签是人工智能领域的领军人物，“人工智能之父”，以及2018年图灵奖得主。他的工作推动了现代机器学习的发展，特别是在语音和图像识别中的应用。

相比于物理学界，今年的诺贝尔物理学奖或许对人工智能领域产生了更宏大深远的影响。 

诺贝尔物理学委员会主席Ellen Moons在公告中直白地指出了这一点：“获奖者的工作已经带来了最大的好处。在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定性能的新材料。”

从技术应用层面来讲，这正指向了当前AI领域一个等待厚积薄发的赛道，AI for Science（AI4S）。

具体而言，它是指利用AI技术进行基础科学研究，以找出相关领域未被发现的科学规律，或解决处于瓶颈的科学难题。这些新出现的答案有可能帮助机构或企业，实现研发创新方面的突破，最终落地为前所未见的产品。这套路径可能适用于医药、材料、能源等众多面临基础研究瓶颈的领域。

事实上，海内外已经有诸多企业在AI4S这条路上进行了大量探索。

例如谷歌旗下的DeepMind，曾发布多个针对基础科学研究的深度学习模型，包括专门设计用于从第一性原理计算原子和分子的能量的FermiNet（费米网），以及用于“电子密度映射到化学相互作用能量”这一量子化学模拟中关键组成部分的DM21等等。

另一家由微软孵化的量子技术公司Sandbox AQ，则是利用人工智能和量子技术解决一些世界上最具挑战性的问题，例如加速药物开发、催化新一代医疗诊断设备的发展、提高网络安全性等等。 

在国内，深势科技、天鹜科技等公司已经驶入赛道。深势科技的核心技术为分子模拟技术，核心成员来自北京大学、普林斯顿大学、约翰霍普金斯大学等，目前已针对药企、材料商和科研机构实现了产品发布。 

天鹜科技的目标领域为AI蛋白质设计，其核心团队主要来自于上海交通大学，技术方向为利用人工智能来设计和优化蛋白质，以推动生物制造和健康科技的突破。 

AI4S这一方向已经受到了全球范围内的极大重视。今年4月底，PCAST（美国总统科技顾问委员会）撰写了一篇题为《加速研究：利用人工智能应对全球挑战》的报告，其中一份技术报告概述了AI技术对全球研究的潜在影响。

报告指出，AI将从根本上改变人类进行科学研究的方式。其阐述了AI在材料、半导体设计、气候、物理、生命科学等领域已经做出的改变，并高度总结AI如何通过提供研究人员工具来加速科学发现和技术进步，从而革命性地改变人类解决最紧迫问题的能力。

尽管此次诺贝尔物理学奖的本质意义，是嘉奖两位科学家在计算机科学与物理学结合之下的基础性发现和发明，但它的确对AI4S这一技术应用领域产生了强大的启示作用。

一名尤为关注AI领域技术发展的投资人对界面新闻记者表示，这个奖项背后的重要意义在于，以AI解决了基础科学研究进程中“计算”的问题。“以前大家觉得找不到基本原理，可能被问是不是算得不够好？现在维数灾难被AI解决，这个诺奖实至名归。”

接下来，AI4S或许是学界和业界对于AI发展重点关注的方向之一。

-END-

版权声明

QQ:2116117593

投稿：2116117593@qq.com