傑弗裡·辛頓被譽為“深度學習之父”，其主要貢獻為逆向傳播演算法。辛頓的事業起伏不定，年輕時嘗試多個學科，最終找到人工智慧領域，1986年發表的逆向傳播演算法推動了影像和語言處理的發展。近日，辛頓獲諾貝爾物理學獎，但他對此感到意外，並關注人工智慧的潛在風險。他認為科學應兼顧倫理，願意自由討論科技帶來的危機。辛頓的經歷展現了科學探索的艱辛與對人類未來的深切關懷。
更新/今天聊聊杰弗裡。辛頓和諾貝爾物理學獎。順便聊聊遠一點。
辛頓是人工智慧領域沒有爭議的「深度學習之父」。他的根本貢獻來自於深度學習中大量運用的逆向傳播演算法理論。前年深秋，聖荷西，我第一次在油管上看到辛頓在接受訪問時，就被吸引住了。辛頓的樣子讓人過目不忘。像極了《木偶奇遇記》中的比諾曹，尤其像的地方，是小木人的尖鼻子。獨特，全全世界都知道了OpenAI 和ChatGPT。除了AI 領域，卻很少人知道辛頓的名字。
我拿比諾曹老爺的玩笑。
一天真充滿好奇心的小木偶，一心讓自己成為真人。同樣，辛頓一心讓人工智慧成為現實，也被激動的嘲笑。熟悉電腦發展史的人應該知道，人工智慧領域道路崎駿，科技投入幾起幾落，從業人員一路被鄙視。你看看辛頓說話的樣子，那眼神和表情，有幾分比諾曹的優雅。
諾貝爾獎通知電話從瑞典打來，是夜裡兩點。
斯德哥爾摩那邊的電話裡問。您在哪裡？ 「我在加州一家便宜的飯店裡，這裡網路環境比較差。」辛頓的回答有點尷尬。此時此刻，你得到了物理學獎的感受。辛頓說以為是惡作劇笑話，然後用了一個詞“夢太棒了”，夢同樣令人驚訝。
「你怎麼描述自己？
究竟是電腦科學家，還是一名試圖理解生物學的物理學家？ 」
辛頓並沒有在兩個簡單的選擇中給出答案。
我這麼多年的觀察，凡是直接在人家給題目中做答案的，都不是真正的強人。
無論學歷有多高，都沒有用。我們很多人非常習慣做題，一旦畢業後就進入失重狀態，有一種無力感。因為人進入到一個階段，不是做題，而是找路。現實中，其他人預設的根本問題，本身往往就是形上學。不然人家只要那麼一問，沒有太多的大腦。路是自己走出來的。
辛頓說，自己是“一生都在思考人的大腦是如何工作的人。我在嘗試了解大腦是如何工作的時候找到了一種技術，效果出奇的好。”
辛頓一生的努力與堅持，終讓人工智慧成為現實。年輕時，辛頓在劍橋大學求學，為了搞清楚人腦如何思考，嘗試同時主修物理學和生理學，一年後均放棄後，改學建築，然後放棄。一年後居然改修哲學，兩年後和導師不合而放棄，最後得到實驗心理學。然後，即失業。
很多人不知道，辛頓畢業後居然做了一年木匠活。哈哈，前面的比諾曹埋到了這裡。
直到聽說有一個專業叫做人工智慧。
辛頓果斷去了愛丁堡大學，獲得了醫療救助，畢業後去美國卡內基梅隆（CMU）任教，「驚訝於這裡的人都在實驗室。」辛頓曾抱怨過，他在英國的圈子裡最初，辛頓說在CMU幾乎沒有什麼校內專家，唯一交易所的是美國另一所大學的教授，以及一位後來進入CMU的統計學專家，才一起討論人工智慧找不到辦法，找不到投緣人工智慧的人，在最無聊的時光裡，辛頓居然也去讀俄羅斯作家陀思妥耶夫斯基的《罪與罰》。
辛頓於1986年發表逆向傳播演算法（BP）理論。一言難盡，解釋起來要花點時間。
也就是說，BP提供了在大數據集上訓練上的深度學習的能力，無論是圖像識別、語音識別還是語言自然處理，甚至突發今天十分流行的Transfomer大模型提供了未見數據場景的泛化能力今天，OpenAI閉源的ChatGPT和Meta開源的LLaMA，開始為業界所熟悉，其實都是基於Transfomer架構上的。透過大量文字資料進行預訓練。逆向傳播演算法能夠在這個過程中調整模型中的參數，使得模型更能捕捉語言統計規律。
電腦專業大學課堂的機器學習教程，逆向傳播必然是重點章節。
我記得，七年前，我讀過清華大學週志華教授所寫的《機器學習》（因為封面有一個西瓜，圈內人稱西瓜書），其中一章“神經網絡”中，有專門的小節講解了“反向傳播演算法”，即通常我們所說的反向傳播演算法（BP演算法）。該演算法是神經網路訓練中的關鍵技術，用於透過「梯度下跌法」更新網路權重，以最小化網路的預測。
相較於個人電腦、網路、智慧型手機以及雲端運算等科技熱潮，同樣在科學領域深耕的辛頓，和他盯著的人工智慧夢，連續坐了三、四十年的電腦冷板凳。
快七十歲的時候，辛頓看到全世界的人工智慧都在用自己提出的深度學習演算法。
熟悉辛頓的人一定知道，OpenAI 前首席科學家Ilya Sutskever 是他在多倫多大學執教時期的學生，利比亞關門弟子。辛頓很認同這位學生的知覺和工程能力。辛頓講了一個故事，Ilya 要為數學計算工具MatLab寫了一個API接口，方便讓他們團隊整理複雜的資料格式保持一致。辛頓老師說我們不要浪費學習時間，這份工作要消耗一個月時間，學生Ilya說我今天早上已經寫完了程序。 2013年，Google收購了辛頓和伊利亞共同發表的AI應該去掉公司DNNresearch。說，這家公司是辛頓研究小組的擬像，當時揭示了圖像識別領域的機器學習研究，谷歌利用這項技術增強有了照片搜尋等功能。
辛頓是英國人。
很多人都說英國人不行了。英國人不是日不落帝國時期的那股子勁了。今年夏天我去英國轉了一圈，倫敦的朋友提醒，要小心飛車黨。說說和辛頓有關的兩所英國大學，你就知道我們不能自嗨。劍橋大學內，三一學院，只是在理論物理學研究中，這裡走出了牛頓、麥克斯韋和霍金，幾乎奠定了基礎夯實物理學三個重要時代。電腦領域，同樣地，國王學院中除了我們所知道的徐志摩，更走出了阿蘭圖靈和辛頓。圖靈提出了著名的問題，如何測試機器是否有智慧？辛頓卻用一生解決了問題。 2018年，辛頓和另外兩名人工智慧科學家一起獲得了圖靈獎。當年的圖靈，等天才級人物，卻何承受著巨大的精神痛苦，啃下一杯氰化鉀的蘋果就走了。今天，英國人開始把圖靈獎放了出來。靈的肖像被印到50英磅紙幣上。
說回來，很多人對歐美文化中三一沒有概念，還以為跟三一重工差不多。
「三一」（Trinity）在基督教教義中指的是“三位一體”，即聖父、聖子、聖靈三位一體，其實是一個純粹的神學概念。英國這些重點大學，除了教室、圖書管就是教堂，神人頻傳。
辛頓在愛丁堡大學找到學術歸宿。
愛丁堡太美。神秘的黑羅馬風，也許會激發人們思考源頭和去向問題。電磁學之父麥克斯韋也是最早在愛丁堡學數學和物理的。一百年前，北大懂六門外語的失鴻銘，上課頭戴舊式伊莉莎白手拿茶壺，幾乎一人和五四革新派對立，他曾在愛丁堡讀過哲學博士。我們那時候的北大，從校內宿舍到校外，既容得下革命派，也能有辜負老爺子這樣的毛澤東在長沙師範讀書時期的老師，楊昌濟是愛丁堡大學哲學系畢業的，楊昌濟十分喜歡毛，後來到北大，把女兒許配給他，給毛在圖書館安排工作。毛改變了中國，毛的思想啟蒙來自於剛畢業的愛丁堡大學的楊昌濟。
很多人都說諾貝爾獎給了電腦科學家物理學獎，其實有點不務正業了。 ，諾貝爾獎並不是第一次給電腦領域，之前有蕭克利和貝爾實驗室團隊。 1958年，因為發明諾貝爾獎，他的貢獻直接推動了電腦晶片技術。美國矽谷晶片產業的黃埔軍校，應該首推肖克利實驗室，因為科學家不善管理，內部分崩離析，後續出去了仙童去半導體和英特爾，提出摩爾定律的摩爾，是他實驗室的員工，也是著名的矽谷「八叛逆」之一。今天的英偉達和台積電，其實是他們的徒弟孫輩。
科學家辛頓在谷歌工作了十年，擔任副總裁，最後離開。
並非意見不合，而是因為擔心人類無法控制AI的風險而放棄在企業中的工作，從企業裡離開，是為了可以自由地討論人工智慧的風險，而不是被企業內部政策限制，辛頓成為了一個人工智慧領域的批評者。觀察近代歷史，我發現，真正的科學家，一旦進入商業和政治，總是充滿愛恨情仇。同樣的封閉，出現在伊利亞和奧特曼之間，因為「天真」。請槓精們放過我，這裡我的用詞，本來就是一個最大的褒義。
二戰期間，物理學家奧本海默幫助美國製造出了Atom彈，戰爭結束後，卻一輩子都在反對繼續氫彈。
他發現，自己用科技改變了世界，但這項技術在一部分人手中，隨時能走向失控。奧本海默有很多科學研究成果，可以申請諾貝爾獎，諾貝爾獎怎麼會產生一個造Atom彈的人。他的晚景是痛苦和孤獨的。和奧本海默一樣，辛頓也是這樣的擔憂，他公開批評OpenAI對人工智慧安全的漠視，是「生命垂危的逐利性」。如果我們到底看看，一百多年前的科幻作家喬治歐威爾的《時光機》，就該知道，我們的今天，已經是他們筆下的科幻世界了。但是，今天的人類還能夠向前走多遠，為何失控、幻滅和拯救一直是科幻的主旋律呢？
如果我寫科幻，第一個序章，就是因為條約戰爭，人類被核武消滅，碳基生命消亡，藏在地下深處的矽基生物人利用光能源和演算法，自我升級繁衍，統治地球。已經有了的大數據，異化為矽基人血液和細胞。今天的地球文明成為星際史前。只有極少數人搭諾亞號去了火星，經過幾個世代的努力，準備打回故土。
覺得合理套路？
我是凡人。
科學是人類文明階梯但跳躍進中的核心組件，本無善惡。近代後期科學最早的應用對象，幾乎先用於軍事。
什麼是「科學之心」？我不敢下斷言。像辛頓這樣的科學家表現得很出色。內心乾淨，好奇心強，專註一件事從無人捐贈。我能演講。偉大的科學家，從對一件微小事物的好奇心驅使人的探索之愛，最終走向對人類命運的關心之愛。頂尖思維只源自於一個字，愛。其間，常有悲情。
我們常說，好事多磨。
但也許，大好事要盡一生努力。
資訊來源：0x資訊編譯自網際網路。版權歸作者王峰所有，未經許可，不得轉載