爱丁堡大学人工智能博士

（留学SoEasy）世界是平的，中国在汲取西方国家的先进技术的同时，也同样影响着西方的社会。有个在爱丁堡大学留学的小伙伴曾发帖谈及自己在爱丁堡打工的趣事。以前曾仗着老外不懂汉语，用中文说起话来肆无忌惮。有一次打工的时候主管非常凶，一直大声嚷嚷。小伙伴忍不住在人堆里小声吐槽，“这个贱人……”这时旁边一个英国小伙马上侧过身来，用中文问他，“什么人?”吓了小伙伴一大跳。从那以后说中文时收敛多了，至少使用国骂时再也不敢高声了^_^甚至连爱丁堡的乞丐中文水平都在不断提高。这位小伙伴每次从乞丐那里路过都会听到他用中文说：“你好!”后来有一天路过时竟然听到乞丐喊：“你好啊小姐！”小伙伴惊诧之余忍不住联想，会不会有一天，他会说“你好！小姐！打发点儿吧！”既然聊到了爱丁堡，就来说说爱丁堡大学吧，爱丁堡大学简称“爱大”，位于英国苏格兰首府爱丁堡，爱大是英国的老牌名校了，创建于1583年，是英语国家中第六古老的大学。作为一所世界知名的公立综合研究型大学，爱大的综合排名还是不错的，在QS世界大学2019年综合排名中位居第18位，比香港大学排名还提前七位。爱大的计算机学科也是声名显赫，在QS世界大学学科排名中位居第28位。那么今天我们就来聊聊在爱大信息学院学习计算机，都有哪些特点，能够选择哪些专业？01 学院愿景爱大信息学院的愿景是保持并巩固在世界五大计算、信息和认知研究和教学中心中的地位。02 学院概况信息学是爱丁堡大学科学与工程学院的七所学校之一。学院为广泛的研究提供了丰富的条件，专注于理解人工和自然系统中的计算。爱丁堡大学信息学院拥有450多名学术和研究人员以及850多名学生，是英国最大的信息学院，也是欧洲最大的信息学院之一。03 信息学院都有哪些专业？学院提供了灵活的本科和研究生课程和学位供选择：专业主要有情报、人工智能、认知科学、计算语言学、计算机科学、软件工程。单科学士学位有人工智能（BSc）、认知科学（BSc）、计算机科学（BSc）、计算机科学（BEng）、软件工程（BEng），学制均为4年。单科硕士学位有信息学（MInf），学制5年。综合学位有人工智能与计算机科学（BSc）、人工智能与数学（BSc）、人工智能与软件工程（BEng）、计算机科学与电子（BEng）、计算机科学与管理科学（BSc）、计算机科学与数学（BSc）、计算机科学与物理（理学士），学制均为4年。04 卓越的研究信息学院在研究卓越框架（REF）中创造了有史以来最好的评估结果，超出了预期。2014年REF总体结果：比最接近的竞争对手（牛津，拥有73.40 FTE员工）大20多个FTE。研究成果的33％获得了最高分（4 *）。48％的影响案例研究获得了最高分。60％的研究环境获得了最高分。40％的REF提交总体上获得了最高分。05 博士培训中心（CDTs）2013年，爱大赢得了3.5亿英镑的英国科学和工程研究生培训投资。作为这项投资的一部分，学校现在拥有两个博士培训中心，并与赫瑞瓦特大学共同建立了另一个中心。数据科学博士培训中心：数据科学是一个新兴领域，侧重于从数据中提取可操作知识的原理，基础方法，软件和系统。数据科学博士培训中心将培养新一代数据科学家，包括五年以上的50名博士，具备成为这一新兴领域研发领导者所需的技术技能和跨学科意识。普适并行的博士培训中心：并行性已成为主流计算机系统的重要组成部分，从片上系统到云计算，无处不在。新的普适并行博士培训中心将寻求在这些领域发展未来的研究领导者。该计划涉及工业伙伴关系和参与，将确保通过现实世界的案例研究为研究提供信息，并提供各种实习机会的来源。机器人和自治系统博士培训中心：新的EPSRC爱丁堡机器人和自动系统博士培训中心将与赫瑞瓦特大学合作开展。它将着眼于解决管理机器人与其环境之间，多个自治系统之间以及机器人与人类之间的交互的主要挑战。06 业务发展和创新学术研究的商业化为经济发展增添了重要价值。在信息学院，爱大通过业务开发团队来解决这个问题，该团队帮助将世界领先的研究转化为工业合作，新产品和新公司。通过咨询、许可、知识转移伙伴关系（KTPs）、助学金、创新中心、伙伴关系和合作、网络活动和活动等方式，建议与业界之间的紧密联系。除了通过业务发展活动吸引对学校的投资之外，学院还在鼓励其研究社区内的创业和旋转方面取得了巨大成功，仅在过去的六年中就已经创造了61个初创企业和分拆公司。关于爱大信息学院今天我们就聊到这儿，那么为什么英国其他大学都是三年本科、一年硕士，而爱大计算机学科怎么本科都四年，本硕五年呢？有没有办法像英国其他大学那样，四年就拿到硕士学位呢？下一篇文章我们就来聊聊这个话题（留学SoEasy）^_^

如果您想学习人工智能(AI)并进行研究，我们已经列出了一些世界一流大学的清单，这些大学既提供本科学位又提供研究生学位，也提供人工智能(AI)的研究机会。1. 美国麻省理工学院在麻省理工学院有一个脑与认知科学(BCS)部门，其目的是反向通过研究大脑各级，从分子到突触，神经元，到电路，以算法工程师人的心，人的行为和认知。该系设有研究生，本科，学士后，博士后甚至夏季研究计划。如果您想成为深入研究神经网络并测试非侵入性措施，以战胜诸如阿尔茨海默氏症这样的记忆退化性疾病，那么这就是您的理想环境。毕竟，在MIT AI实验室中，开发了第一个情感AI – Kismet。除CS的其他研究领域外，还有MIT计算机科学与人工智能实验室致力于AI研究。实验室下的AI和ML研究区域本身包含21个研究小组，其中一些小组包括–临床决策小组，计算知觉和认知，创世纪小组等。主要研究人员，研究生，研究人员和同事等是该实验室的一部分。2. 卡内基梅隆大学(CMU)卡内基梅隆大学(Carnegie Mellon University)，简称CMU，坐落在美国宾夕法尼亚州的匹兹堡，是一所拥有13,600名在校学生和1,423名教职及科研人员的世界著名学府，美国25所新常春藤盟校之一。卡内基梅隆大学(CMU)以高度重视研究而闻名，是著名的研究机构之一。CMU于1989年负责使用神经网络制造出第一款自动驾驶汽车。它们拥有最先进的研究设施和财力，可以创造出能够使世界变得更好的技术。他们的目标是通过AI使地球更安全，更健康。CMU是第一个建立AI本科学位的人。他们还成立了一个称为AI堆栈委员会的组织–因为他们认为AI不仅是一回事，它是由多个技术模块构建而成的。每个区块都有指定的作业进行研究和研究。CMU拥有博士，硕士，本科及外展计划，您可以根据自己的需要尝试这些计划。在CMU理学院，他们有单独的研究部门，涉及人机交互，机器学习和机器人技术。3. 斯坦福大学自1962年以来，斯坦福大学一直在研究人工智能。斯坦福大学的AI实验室汇集了跨部门的教职员工和学生。例如，计算机科学和航空学系的学生共同努力，为无人飞机建立了分布式避免冲突系统。在斯坦福大学人工智能实验室提供个别课程- AI，ML，NLP与深度学习，实验机器人，等他们有讨论下AI科技论文一切每周的阅读群体。对于CS的本科专业，学生可以选择一个称为“轨道”的集中领域。人工智能和人机交互很少。斯坦福大学拥有AI硕士学位，同时还提供AI研究生证书。4. 加利福尼亚大学伯克利分校2016年，加利福尼亚大学伯克利分校(UCB)成立了人类兼容AI中心。它是阳光明媚的加利福尼亚州最古老的高等教育机构之一。UCB拥有著名的伯克利人工智能研究实验室-BAIR Lab，该实验室汇集了计算机视觉，NLP，机器人技术和机器学习领域的研究人员。BAIR正在努力将AI与其他科学学科和人文学科联系起来。UCB提供AI，ML，机器人操纵与交互，深度学习甚至神经计算等本科课程。一些研究生课程涉及高级机器人技术，人机交互算法和统计学习理论。您还可以从Berkeley EECS的许多与AI相关的课程中进行选择–电气工程与计算机科学。UCB在AI研究下运行着大大小小的项目。当前的项目包括建筑物内部自动3D建模，儿童问答软件等。5. 南洋理工大学南洋理工大学（NTU）是新加坡的一所自治大学。2018年1月，NTU校长Subra Suresh教授宣布了他的计划，旨在通过技术支持的解决方案将NTU转变为智能校园，以提供更好的学习/生活体验。对于亚洲学生来说，新加坡的NTU绝对是离家学习更可行的选择。NTU正在其智能园区的研究实验室中推动AI的前沿发展。南大提供数据科学与人工智能的本科学士学位。6. 哈佛大学哈佛大学的约翰·保尔森工程与应用科学学院(SEAS)和应用计算科学研究所拥有一系列专注于AI CS的研究生课程。SEAS成员与大学的同事合作，在多个领域进行研究。最近，哈佛大学建造了一种蟑螂启发的机器人。该HAMR -哈佛门诊微机器人-是一个多功能的机器人，可以实现高速奔跑，跳跃，攀爬，急转弯，远距离输送物资等操作。7. 爱丁堡大学爱丁堡大学一直在专注于人工智能。它提供了非常多的课程选择。他们旨在为您提供智能系统设计和构建方面的实践知识，以便您可以将自己的技能应用到各种职业环境中。AI的本科课程包括– AI的BSc和AI + CS的BSc。AI的研究生学位-AI的硕士学位 -属于计算与信息学的主题。您可以选择AI的MSc作为全日制1年制课程或非全日制2至3年制课程。他们甚至拥有博士学位。ML和计算神经科学课程。在爱丁堡，您可以选择全日制的5年制本科硕士课程(MInf)，该课程的重点是为CS，AI，认知科学以及语言学，神经科学，心理学和生物学方面的高级研究奠定坚实的基础。

AI长路漫漫，很多大咖功不可没，这是有三AI的专栏《AI大咖》，让我们一起了解AI大牛，认识他们的研究，打听他们的八卦吧。今天首“扒”深度学习鼻祖—Geoffrey Hinton，一起走进AI教父的传奇人生。作者 | 言有三&小满编辑 | 言有三Hinton1 30秒了解HintonGeoffrey Everest Hinton，加拿大认知心理学家和计算机科学家，1947年生人，现年72岁，有两任妻子，两个孩子，被誉为”人工智能教父“。Hinton在剑桥大学获得实验心理学学士学位，在爱丁堡大学获得人工智能博士学位。现任Google副总裁兼工程研究员，同时在多伦多大学教书育人，也是VectorInstitute首席科学顾问。个人主页：http://www.cs.toronto.e/~hinton/bio.html。2018年因作为“深度学习领域的三大先驱之一”获得图灵奖，被彭博社选为2017年改变全球商业格局的50人。Hinton率先将反向传播(Backpropagation)用于多层神经网络，发明了玻尔兹曼机(Boltzmann machine)，提出逐层初始化预训练方法揭开了深度学习的序幕，提出了胶囊神经网络(capsule network)。Hinton也培养了一批“优秀”的学生，包括：同获2018年图灵奖的Yann LeCun是Hinton的博士后，担任Facebook人工智能研究院总监。Brendan Frey是Hinton的博士，DeepGenomics公司创始人和CEO。Radford Neal是Hinton的博士，R语言的pqR解释器作者。Ilya Sutskever是Hinton的博士，DNNresearch的联合创始人，目前任OpenAI 研究总监。Alex Krizhevsky是Hinton的博士，AlexNet网络一作。2 代表性研究论文1、反向传播算法的使用Rumelhart D E, Hinton G E, Williams R J. Learning representations by back-propagating errors[J]. Cognitive modeling, 1988, 5(3): 1.2、CNN语音识别开篇TDN网络Waibel A, Hanazawa T, Hinton G, et al. Phoneme recognition using time-delay neural networks[J]. Backpropagation: Theory, Architectures and Applications, 1995: 35-61.3、DBN网络的学习Hinton G E, Osindero S, Teh Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.4、深度学习的开篇Hinton G E, Salakhutdinov R R. Recing the dimensionality of data with neural networks[J]. science, 2006, 313(5786): 504-507.5、数据降维可视化方法t-SNEMaaten L, Hinton G. Visualizing data using t-SNE[J]. Journal of machine learning research, 2008, 9(Nov): 2579-2605.6、DBM模型Salakhutdinov R, Hinton G. Deep boltzmann machines[C]//Artificial intelligence and statistics. 2009: 448-455.7、ReLU激活函数的使用Nair V, Hinton G E. Rectified linear units improve restricted boltzmann machines[C]//Proceedings of the 27th international conference on machine learning (ICML-10). 2010: 807-814.8、RBM模型的训练Hinton G E. A practical guide to training restricted Boltzmann machines[M]//Neural networks: Tricks of the trade. Springer, Berlin, Heidelberg, 2012: 599-619.9、深度学习语音识别开篇Hinton G, Deng L, Yu D, et al. Deep neural networks for acoustic modeling in speech recognition[J]. IEEE Signal processing magazine, 2012, 29.10、深度学习图像识别开篇AlexNetKrizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[C]//Advances in neural information processing systems. 2012: 1097-1105.11、权重初始化和Momentum优化方法的研究Sutskever I, Martens J, Dahl G, et al. On the importance of initialization and momentum in deep learning[C]//International conference on machine learning. 2013: 1139-1147.12、 Dropout方法提出Srivastava N, Hinton G, Krizhevsky A, et al. Dropout: a simple way to prevent neural networks from overfitting[J]. The Journal of Machine Learning Research, 2014, 15(1): 1929-1958.13、三巨头深度学习综述LeCun Y, Bengio Y, Hinton G. Deep learning[J]. nature, 2015, 521(7553): 436.14、蒸馏学习算法Hinton G, Vinyals O, Dean J. Distilling the knowledge in a neural network[J]. arXiv preprint arXiv:1503.02531, 2015.15、Capsule NetworkSabour S, Frosst N, Hinton G E. Dynamic routing between capsules[C]//Advances in neural information processing systems. 2017: 3856-3866.Hinton总的论文引用量为280000+，近年来发表作品较少，但是随着深度学习研究进步，引用量大幅度增加。所有的论文，在以下GitHub项目中可以获取，或者给《有三AI》公号发送关键词消息“Hinton”，即可获得下载链接。https://github.com/longpeng2008/Awesome_DNN_Researchers3 代表性个人成就1998年被授予英国皇家学会(Royal Society)会员2001年被授予国际认知科学领域最高学术荣誉Rumelhart Prize2005年被授予国际人工智能联合会议(IJCAI)卓越研究奖2016年被授予美国国家工程院外籍院士2018年被授予图灵奖4 优秀，来自彪悍家族的压力Hinton是Hinton家的优秀男性基因和Boole家的优秀女性基因的继承者。布尔代数的Boole，深度学习泰斗Hinton，《牛虻》作者伏尼契，北京第一位中国绿卡获得者寒春……原来都是相亲相爱的一家人！主人公Geoffrey Everest Hinton出生在英国南部的温布尔登，在布里斯托尔长大，下面是小时候的照片。母亲(Margaret Clark)是一位数学老师，父亲(Howard Everest Hinton)是一位专注甲壳虫研究的昆虫学家。Hinton的父亲是一个对体力和智力都严苛要求、让人心生敬畏的父亲，Hinton回忆说，“他喜欢那些思维清晰的人。如果你说了哪怕一点废话，他就会称其为垃圾。他不是那种多愁善感的思想者，他也不会虐待人，但他确实极其强硬。”Hinton的曾祖父(Charles Howard Hinton)是一名数学家和科幻作家。他的妻子叫Mary Ellen，Mary Ellen的父亲叫George Boole，就是布尔代数、布尔电路、布尔类型、布尔表达式等等中的布尔。曾祖父有两个儿子，一位是主人公的爷爷，另一位(Sebastian Hinton)也生有两个孩子：William Howard Hinton和Joan Chase Hinton。哥哥William中文名韩丁，一位农学家、记者、马克思主义者，1945年来到中国，写过很多关于中国的书，最著名的就是《翻身》。妹妹Joan中文名寒春，芝加哥大学核物理研究所研究生，参与过曼哈顿计划，因原子弹的巨大破坏而放弃核物理，也是北京第一位中国绿卡获得者。Hinton的中间名是Everest，来自他曾祖母的叔叔、地理学家Everest，“珠穆朗玛峰”的英文名就是以他的名字命名的。爆过家谱后，是不是和小编一样感叹这个恐怖的家族拥有着十分强大的基因，一次访谈中Hinton打趣到，“我大概在7岁的时候就意识到，不读博士不行了”。5 成功者的标配，不顺利的求学路Hinton说过，从小他的母亲给过他两种选择：“做学者，或是做失败者”。中学时，Hinton在克里夫顿学院结识了一位朋友了解到了全息图，其中讲到了人脑如何存储记忆，这是Hinton的AI之路的开始。18岁的Hinton进入剑桥大学国王学院攻读物理和化学，但只读了一个月就退学了。一年之后，他又重新申请了国王学院的建筑学，结果又退学了，这次他只坚持了一天。之后又转向了物理和生理学，后来又转到了哲学，花1年修完了2年的课程，结果和自己的导师吵了起来。最后的最后，他转向了心理学，并在1970年获得实验心理学学士学位。毕竟，优秀的人才都要经历几次退学。毕业后Hinton成了一名木匠，一边做书架、木门，一边思考大脑工作原理。一年多的体力劳动后回归了学术界。1972年，Hinton进入爱丁堡大学，开始读人工智能博士，主攻神经网络。一次，Hinton参加了一个类似EST-y的研讨班。活动最后一天，每个人都要宣布各自生命中最最想要的东西。当大家在窃窃私语说想要被爱时，Hinton的宣言令自己和大家都大吃一惊。“我真正想要的是一个博士！”，他怒吼到，点燃了一个7岁时就藏匿在内心的想法。6 信我，直到世界追上我的脚步为了找到一个支持他研究神经网络的栖身之处，也避免研究被用于军事项目，Hinton来到了加拿大高级研究所(CIFAR)，就是CIFAR10/CIFAR100数据集中的那个CIFAR，最后落脚在加拿大的多伦多大学。如今因为Hinton，加拿大现已成为AI研究的重要力量之一，吸引了多家人工智慧巨头将研究中心开到了多伦多。来到加拿大后，Hinton慢慢的有了一小撮深度学习的跟随者，包括OpenAI的联合创始人兼董事伊利亚苏奇凯弗(Ilya sutskever)等。80年代早期计算机没有能力处理神经网络所需的大量数据，所以Hinton等人的成功是有限的，当时AI的主流方向不是模仿大脑。AI研究的工作岗位和资金稀缺使得这10名左右的团队在“AI寒冬”的黑暗中等待着黎明。21世纪初期，Hinton被一些学术机构，AI与计算机科学领域的圈子拒之门外。参加学术会议时，Hinton常坐在房间的最角落里，在大牛云集的会议上完全被忽视。直到这个世界开始慢慢追上他的脚步。进入21世纪后计算机硬件的能力发展迅速，数据以惊人的速度开始积累，神经网络的训练开始变得可行。2006年Hinton在Science上发表文章揭开了深度学习的序幕。2009年Hinton的2位学生使用神经网络赢下了一个语音识别比赛。2012年另外两个学生轻松赢下了当年的ImageNet ILSVRC挑战赛，提出著名的AlexNet。Hinton说：“我们不再是疯子边缘，我们现在是疯狂的核心”。Hinton的脚步从未停歇，2017年发表了Capsule Networks(胶囊网络)，带来了深度学习的新研究方向。7 两任妻子的生命，坚定拥抱AI医疗Hinton的第一任妻子Ros因为卵巢癌去世，第二任妻子Jackie后来也被诊断出患有胰腺癌。在陪伴妻子治病时，Hinton目睹了太多低效的数据处理和大量误诊带来的困扰，这让他对深度学习改革医疗的潜力更加充满热情。Hinton建立了向量学院Vector Institute，最早的一批项目中就包括用神经网络研究多伦多医院提供的大量数据。后来Hinton的学生Brendan Frey在多伦多创办了Deep Genomics，正开发能够读取DNA的AI。AI在医疗方向的研究也是当下的热门，期望AI能够在人类对抗疾病的战争中发挥更大的作用。8 Hinton经典语句“大概在7岁的时候我就意识到，不读博士不行了。”“如果你想了解非常复杂的设备，像大脑这样的，你必须要自己做一个。”"大家都不认可时，为什么不放弃？因为坚信“其他人都错了！”“我们都是机器，只不过是以生物的方式出生。大多数做AI的人毫不怀疑我们是机器。人类只是非常有想象力的机器。我不应该这样说，但我们都是特别的、很棒的机器。”AI教父Hinton因从小伤了背，05年之后严重到不能坐立，已站立工作12年，他坚持大步行走在大学操场上，Google公司内。他的一生经历过学术界的不认可、科研世家的压力、两任患癌的妻子，用了40年执着神经网络，终引人工智能风骚，向Hinton致敬。

科技行者报道来源 ：THE TELEGRAPH编译 ：科技行者人工智能领域有三大奠基人，分别是Geoffrey Hinton、Yann LeCun与Yoshua Bengio。本文主要围绕“神经网络之父”Geoffrey Hinton。▲Geoffrey HintonGeoffrey Hinton，被称为“神经网络之父”、“深度学习鼻祖”，他曾获得爱丁堡大学人工智能的博士学位，并且为多伦多大学的特聘教授。在2012年，Hinton还获得了加拿大基廉奖(Killam Prizes，有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年，Hinton 加入谷歌并带领一个AI团队，他将神经网络带入到研究与应用的热潮，将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术，并将HintonBack Propagation(反向传播)算法应用到神经网络与深度学习。从Geoffrey Hinton家族开始说起Geoffrey Hinton出生于战后英国的温布尔登，他的父亲叫Howard Everest Hinton，是个英国昆虫学家，喜欢研究甲壳虫。他的母亲Margaret是一位教师。而他们一家也都流淌着饱含聪明才智的DNA：他的叔叔是著名的经济学家Colin Clark，正是他发明了“国民生产总值”这个经济学术语;他的曾曾祖父是著名的逻辑学家George Boole，他发明的布尔代数(Boolean algebra)奠定了现代计算机科学的基础。Geoffrey Hinton的学习生涯早在1960年代，Geoffrey Hinton的高中时期，就有一个朋友告诉他，人脑的工作原理就像全息图一样。创建一个3D全息图，需要大量的记录入射光被物体多次反射的结果，然后将这些信息存储进一个庞大的数据库中。大脑储存信息的方式居然与全息图如此类似，大脑并非将记忆储存在一个特定的地方，而是在整个神经网络里传播。Hinton为此深深的着迷。对Hinton来说，这是他人生的关键，也是他成功的起点。但是，Hinton的“AI之路”走的并不平坦。Hinton先是进入了克利夫顿大学，毕业后，他进入了剑桥大学国王学院攻读物理和化学，但仅读了一个月后就退学了。他谈到：“我那时候18岁，第一次离开家自己生活。当时的工作十分繁重，周围没有任何女孩，我感到有些压抑。”一年之后，他再次申请攻读建筑学，结果又退学了——而退学后仅仅一天，他又转而攻读物理学和生理学。此后，他又改读哲学，但因为与他的导师发生争吵而告终。他承认道：“我有一种教育上的多动症。”此后，Hinton并没有继续完成他的学业，而是退学后搬到了北伦敦的伊斯灵顿区，那里当时混乱不堪，他在那里成为了一个包工的木匠。他说道：“我做过一些货架、悬吊门这些没什么特别的东西。人们都是靠做这类东西赚钱。”每个星期六的早上，他都会去伊斯灵顿的埃塞克斯路图书馆，在他的笔记本里匆匆记下关于大脑工作原理的理论。经过几年的艰辛工作，Hinton又回到了学术界，并从1973年开始在英国爱丁堡大学攻读人工智能博士学位，继续他的神经网络的探索。后来，他转到了美国匹兹堡的卡内基梅隆大学继续进行他自己的研究，但他很快意识到，他所在的院系以及整个美国大部分的AI研究工作都是由美国国防部(DoD)资助的。于是他毅然辞职以示抗议，并搬到了加拿大这个军事资助基本无害的地方。他表示：“我离开的时候，带走了一美分硬币，并用一台施乐复印机将它放大，然后把它挂在了我的办公室门上。但是我把其中的‘G’改成了一‘D’，所以上面那句话就变成了：in DoD we trust(‘我们信赖国防部’)。”既有对AI的恐慌 也有对AI未来发展的期望人工智能的美丽新世界已经开启，而且将永久性地改变着我们的生活，不过，这些改变，有好也有坏。据Hinton表示，相比人们对机器日益提升的智能程度的担忧，对人类而言，更为紧迫的威胁其实是杀手机器人的开发。(为强调这一点，116家AI公司创始人在本周联合签署了一份请愿书，呼吁禁止制作致命的机器人武器。)Hinton自己以前也签署过类似的请愿书，并郑重地写信给英国国防部阐述他对此的担忧。他谈到：“(英国国防部)回复说现在还没必要对此做出什么处理，因为人工智能技术的发展仍任重而道远，而且不管怎么说，它们还有可能会带来很多益处。不过，他们肯定有能力做到这一点。”除此之外，他还担心人工智能会越来越多地被用于政府对平民的监视，而且他还透露称自己曾因为担他的研究会被安全部门滥用，拒绝了一份在加拿大相当于美国国家安全局董事会的工作邀约。不过，尽管已经讨论过了当前正在研发的“无人机群”等武器话题，Hinton仍然相信AI所产生的效益会给人类带来福音，尤其是在医疗和教育领域。Hinton在1994年失去了他的第一任妻子Ros，她因卵巢癌逝世，留下他独自抚养照顾他们收养的两个年幼的孩子。后来，他与其现任妻子Jackie再婚，不过，据说Jackie现在也被诊断出患有胰腺癌。他认为，人工智能的成果将使医学变得更加高效。他设想，过不了多久，每个人都能够花100美元获取自己的基因图谱(目前这一项目的费用为1000美元)。不过，对于放射科医生而言，AI的发展并不是个好消息，而且Hinton也认为X射线检测工作可能很快就会被大量机器人取代。虽然大量工作岗位将会消失，但他坚持认为，确保人们不会被经济自动化浪潮抛下是政府和企业的工作和职责。Hinton表示：“在一个分工明确的组织型社会里，提高生产力将使每个人受益。问题不在于技术，而在于利益的分配方式。”现在的Hinton：一半归多伦多大学，一半归Google大脑现在，Geoffrey Hinton一半时间在多伦多大学教书，一半时间在 Google建设神秘的Google大脑。深入到谷歌位于多伦多市中心总部内部的办公室，经过其屋顶绿绿的高尔夫球场、桌上足球桌和大胆采用同该公司Logo标志一样基本色的人体工学座椅，我们将看到一个不修边幅的人站在那里，就像是刚从昆汀·布莱克的画像中走出来，与周围环境格格不入。从外貌上看，Geoffrey Hinton教授有着所有英国学者的典型特征：一头蓬乱的头发，皱巴巴的衬衫，衬衫前口袋里还插着一排圆珠笔，守着一个巨大且脏乱的白板，白板上写满了各种复杂难解的方程式。他的办公室里根本没有座椅，69岁的Hinton教授喜欢一直站着。虽然他看起来可能有些古怪，但对他办公室外的那些年轻的人事物而言，Hinton是一种类似于神级的存在：他被人们誉为“人工智能(AI)教父”，而这项已经引发全球性变革的新技术背后，与其聪明才智密不可分。他过去带过的学生已陆续被硅谷挖走，分别在苹果、Facebook和Google这类的科技巨头公司里领导着人工智能领域的研究工作，而他自己也被Google聘请为公司副总裁，主管工程设计部门。在接下来的几个月里，他将执掌多伦多新募集了1.8亿美元资金的人工智能研究所Vector Institute，以期巩固这座城市在人工智能领域作为全球领导者的地位。尽管在北美呆了这么多年，Geoffrey Hinton教授仍旧操着一口标准的英式口音说道：“被称为‘教父’，我感觉有一些难为情。”他笑着表示：“我对我自己的数据有一种里根式的笃信。”而正是Geoffrey Hinton对自己的工作成果不可动摇的信念，促使他从学术生涯多年的不得志走到了当前最热门的AI前沿。Hinton教授是机器学习的开创者，使得计算机可以独立想出程序、自己解决问题。特别重要的是，他还从中开辟了机器学习的一个子领域，即所谓的“深度学习”，也就是让那些机器像一个蹒跚学步的孩子一样，模仿大脑的神经网络形式。这意味着计算机可以自动构建一层层智慧网络。随着近年来非常强大的处理技术的出现，这种深度学习框架经历了巨大的变革，现已成为主流方法：从我们的智能手机中的语音识别模式到图像检测软件再到亚马逊为用户推荐购买哪本图书，全都离不开深度学习。Hinton及其同事们的工作挖掘出了机器学习的无限潜力，他们也被其竞争对手戏称为“加拿大黑手党”。近期，Geoffrey Hinton带领谷歌大脑团队推出了新作：通过给个体标签建模来提高分类能力，同时也展示了通过采用这种标记方法我们提升了计算机辅助诊断糖尿病导致视网膜病变的准确度。谷歌大脑团队提供了一种创新的方法，以处理那些数量巨大的、需要借助专家来标记标签的现实数据。同时，Geoffrey Hinton在多伦多大学也有新动作，近期，多伦多大学宣布成立一个专注于人工智能研究的独立研究机构——向量学院(Vector Institute)，作为多伦多大学计算机系名誉教授的Geoffrey Hinton被任命为首席科学顾问将在这里开展人工智能研究，吸引更多人才并致力于将多伦多建设成一个全球人工智能的中心。Hinton的这个团队也会是Google Brain的一个延伸，而恰巧在去年底，Google早已宣布在蒙特利尔开设了一个Google Brain的分部。即便是高瞻远瞩如Hinton，他也不知道人工智能革命接下来会将我们带向何处。他说道：“在这个领域，很难预测五年以后的事情，毕竟事情往往并不会像你期待的那样如期而至。”不过可以确定的是，正如我们所知，新世界的大门即将开启。文章末尾的彩蛋——《人工智能发展大事记》1950年 图灵测试阿兰·图灵(Alan Turing)最为著名的是他在二战时于布莱切利园(Bletchley Park)所做的加密工作，他为只能机器行为设计了一项测试。如果人类观察者无法确切地辨别出测试的回应者是机器还是人类，那么这台机器就算是通过了图灵测试。图灵把这个测试称为“模仿游戏”。1956年 “人工智能”诞生在美国新罕布什尔州达特茅斯学院的一次计算机科学会议上，人工智能作为一个正式的学科被正式创立。由于在教导机器学习下棋和用英语解决一些问题方面初见成效，美国国防部便开始资助人工智能的研究，并预测人们将在二十世纪七十年代中期以前解决人工智能问题。1968年 《2001:太空漫游》斯坦利·库布里克(Stanley Kubrik)导演的这部电影中那个杀气腾腾的计算机HAL，已经使得一种狂暴的人工智能想法在流行文化中扎根。同年，菲利普·迪克(Philip K Dick)也出版了一部类似的小说，后来这部小说被拍摄成为了电影《银翼杀手》(Blade Runner)。二十世纪70年代 人工智能“萧条期”由于受到数学家詹姆斯·莱特希尔(James Lighthill)对人工智能行业进展做出的批评报告的部分影响，美国和英国政府纷纷撤回了对人工智能研发的资助资金。这是人工智能的第一个主要“寒冬”，而到了二十世纪80年代末，由于个人电脑的繁荣发展势不可挡，第二个AI寒冬到来了。我们可以看到AI这个词从文献研究中消失了数年，取而代之的是“机器学习”和“信息学”。1984年 《终结者》发布詹姆斯·卡梅隆(James Cameron)在他这部经典科幻电影中设定了一个名为天网(SkyNet)的人工智能系统，结果这个系统后来自我意识觉醒，开始毁灭人类寻求自卫。1997年 深蓝(Deep Blue)击败卡斯帕罗夫(Kasparov)这是人类国际象棋特级大师首次在比赛中被计算机击败。而计算机深蓝在这场国际象棋比赛中的胜利也引发了人们对把国际象棋作为测试评估基准的重新思考，毕竟这种游戏很容易通过计算蛮力攻克。2011年 沃森(Waston)在《危险边缘》中获胜沃森是一个由IBM公司特别设计用来参与智力竞赛节目的系统，在这些竞赛中，参赛者可以前来挑战上一位赢家。而沃森在《危险边缘》节目中赢得了100万美元的头奖。如今这款基础软件已被用于各种注重理解人类语言的应用程序中，例如，它可以在医疗保健领域作为医护人员的医疗决策支持系统使用。2011年 Siri问世Siri最初是在2008年从美国国防部高级研究计划局(DARPA)的研究中剥离出来的一个私人助理应用。随后，苹果公司在2010年收购了这家公司，并在2011年将人工智能引入了大众市场设备iPhone 4S。2012年 无人驾驶汽车美国加州已经通过立法将无人驾驶汽车上路合法化，不过为了安全性，目前车上还需要有一个人在场。这一进展是谷歌不断推动的结果，而且谷歌也宣布其无人驾驶汽车已行驶30000英里，没有发生一次事故。2016年 DeepMind击败围棋冠军由谷歌DeepMind研发的计算机程序AlphaGo，击败了围棋九段高手李世乭(Lee Sedol)。继深蓝在国际象棋中获胜之后，计算机科学家们不得不转将围棋作为一个更加复杂的人工智能测试场，测试计算机的推理能力。

左：George Boole，右：Geoffrey Hinton。图片来源：wikipedia.org撰文 | 黄铁军（北京大学信息科学技术学院教授，计算机科学技术系系主任）责编 | 邸利会●　●　●布尔（George Boole）就是布尔代数那个布尔[1,2]，辛顿（Geoffrey Hinton）就是深度学习这个辛顿，布尔是辛顿的曾祖父。这篇小文是从布尔到辛顿的家族故事。布尔1815年生于英国东部的林肯镇。布尔的父母约翰·布尔和玛丽·布尔结婚九年才生下布尔，随后又生了三个孩子。布尔的父亲是个补鞋匠，没钱让布尔接受正规教育。布尔自学了拉丁语、希腊语、法语和德语，不满16岁就到40英里外的一家循道宗小学当教师，开始研究数学。据布尔解释，主要原因是缺钱买书，而数学书看的时间可以更长一些。因为星期天做礼拜时还在看数学书，对神不敬，布尔工作了两年就被解雇了。布尔19岁那年回到家乡创办自己的学校，担任校长15年，讲了无数的课，还做了大量公益活动，却没耽误研究英国和欧洲大陆最重要的数学文献，并在《剑桥数学期刊》（Cambridge Mathematical Journal）发了不少文章，这使他有机会与顶尖数学家交往。但是，因为没有正常学历，布尔在英国没有进入大学任职的机会。好在天无绝人之路，英国政府批准在爱尔兰新建三所皇后学院，位于科克市的皇后学院（今科克大学）同意聘任布尔为数学教授，这是1849年，布尔34岁。布尔32岁那年出版《逻辑的数学分析》，搭起逻辑和代数之间的桥梁，七年后出版了更为完善的《思维的规则》（The Laws of Thought），创立布尔逻辑和布尔代数，亚里士多德传统逻辑踏步了两千多年后，从此走上数理逻辑的快速路，为后来现代计算机的出现奠定了数学基础。1857年，布尔42岁，当选英国皇家学会会士。1864年11月底，布尔冒着大雨步行两英里走到学校，身着湿冷的衣服为学生们授课，由此患上肺炎。深爱他的妻子病急乱投医，迷信偏方：要治病，先重现病因，就把丈夫裹进被子，再浇上几桶冷水……没几天布尔就去世了。布尔妻子原名玛丽·艾佛斯特（Mary Everest），比他年少17岁，在数学上也很聪慧，1855年玛丽父亲去世，她和布尔结婚。玛丽的叔叔乔治·艾佛斯特曾任印度大地测量局总测量师，英国殖民者用于命名珠穆拉玛峰用的就是艾佛斯特（Everest），这个姓被后人一直沿用到今天。玛丽一直活到20世纪。布尔最小的女儿艾捷尔·丽莲·伏尼契（爱尔兰语Ethel Lilian Voynich）在布尔去世时才半岁，她的作品《牛虻》在俄罗斯和中国家喻户晓。伏尼契这个姓来自他的丈夫，一位来自西伯利亚的革命者，他在华沙的牢房时和艾捷尔目光交流，数年后逃到伦敦再次见到她，结为伴侣。布尔的四女和三女各有成就。次女的长子是数学家，也当选了英国皇家学会会士。布尔长女玛丽·爱伦（Mary Ellen）这一支更是名人辈出。爱伦和数学家Charles Howard Hinton结婚，生育四个孩子：George (1882–1943), Eric (*1884), William (1886–1909)和Sebastian (1887–1923)。最小的儿子Sebastian生有两个孩子：William Howard Hinton (1919–2004)和Joan Chase Hinton (1921–2010)。哥哥William中文名韩丁，农学家、记者、马克思主义者，1945年来到中国，1953年回到美国，写过不少关于中国的书，其中最著名的是《翻身》，是他1948年在山西省潞城县张庄村亲历半年土改的经验写成的非纪实小说。妹妹Joan中文名寒春，芝加哥大学核物理研究所研究生，杨振宁的同学，曾在美国洛斯阿拉莫斯国家实验室做费米的助手，是参与了曼哈顿计划的极少数的女科学家之一，原子弹的巨大破坏让她放弃核物理，1948年追随丈夫阳早（Erwin Engst）来到延安，1949年在瓦窑堡结婚，随丈夫转行从事奶牛养殖工作，长期在北京农业机械化科学研究院工作，是北京第一位中国绿卡获得者，2010年去世。玛丽·爱伦的长子George Hinton是个采矿工程师，管理位于墨西哥的一所银矿。1912年George生子Howard Everest Hinton。Howard是著名昆虫学家，1961年当选英国皇家学会会士。1938年，Howard和Margaret Clark结婚，1947年生杰佛瑞·艾佛斯特·辛顿（Geoffrey Everest Hinton）。杰佛瑞·艾佛斯特·辛顿的中间名是他曾曾外祖母的姓，这是这个家族延续数代的传统。杰佛瑞如今已经是人工智能复兴的标志性人物、“深度学习教父”，这主要归功于他对神经网络近乎偏执的长期坚持。杰佛瑞1970年在英国剑桥大学获得实验心理学学士学位，1978年在爱丁堡大学获得人工智能博士学位，一定意义上可以说是在追寻他曾曾祖父布尔的足迹。1985年，杰佛瑞作为主要贡献者之一提出将模拟退火算法应用到神经网络训练中，提出了玻尔兹曼（Boltzmann）机[3]，算法具有能够逃离极值的优点，但训练时间很长。1986年，他作为主要贡献者提出了多层前馈神经网络的学习算法[4]（即BP算法，类似思想在之前多次提出），从理论上证明了只含一个隐层的前馈网络可以在闭区间上一致逼近任意连续函数，掀起人工神经网络研究第二轮热潮。1998年，他当选英国皇家学会会士。神经网络热潮席卷全球十年后，几乎所有人都放弃了这个方向，但是杰佛瑞坚信这个方向是对的，又坚持十年，2006年发表论文，改进完善20年前的思路，提出深度信念网络 [5]，掀起了汹涌至今的人工神经网络第三次浪潮，人工智能因此而再度复兴。从一身布衣的布尔奠定计算机数学基础，到辛顿执着神经网络四十年终引人工智能风骚，这个家族抱定信念、坚持到底的精神值得学习，值得深思。参考文献1. 马丁·戴维斯著，张卜天译. 逻辑的引擎. 湖南科学技术出版社，20072. MacHale D. George Boole: His Life and Work. Dublin: Boole Press, 1985.3. David H. Ackley, Geoffrey E. Hinton, Terrence J. Sejnowski. A learning algorithm for boltzmann machines. Cognitive Science, 9(1):147-169, 1985.4. David E. Rumelhart, Geoffrey E. Hinton, Ronald J. Williams. Learning representations by back-propagating errors. Nature, Volume 323, Issue 6088, pp. 533-536 ,1986.5. G. E. Hinton, R. R. Salakhutdinov. Recing the dimensionality of data with neural networks. Science (313)5786:504-507, 2006.

1新智元编译“被称为教父，我感到有点尴尬。”《电讯报》（the Telegraph）对加拿大多伦多在人工智能领域的蓬勃发展进行了系列报道。作为系列的开篇，《电讯报》对Geoffrey Hinton 进行了专访。深入多伦多市中心谷歌总部的“圣地”，穿过屋顶的迷你高尔夫球场，台式足球桌和的谷歌 logo 颜色的人体工程学家具后见到了Geoffrey Hinton教授。Hinton 教授本人拥有英国学者所有标志性的特征：一头乱发，胸口口袋上插着几支笔、身侧是写满艰深公式的白板，办公室里没有椅子，这位 69 岁的学者总是站着。他的办公室里没有椅子。在这间办公室外，Hinton类似于一个神：他被人称作“人工智能教父”（AI），引发了全球技术革命的辉煌。他有多位学生现在已经被硅谷俘获，领导着像苹果、Facebook和谷歌这样的技术巨头的AI 研究（Hinton 自己也被谷歌聘用）。在接下来的几个月里，他将掌舵多伦多新的价值1.8 亿美元的 Vector Institute ，希望能巩固该市作为全球AI 重镇的领导者地位。“被称为教父，我感到有点尴尬。”Hinton 说道。从多年来相对不被重视的学术境况到成为 AI 的领军人物，Geoffrey Hinton 的确拥有不可动摇的信念。“我执着地相信我自己的数据。”他笑着说。Hinton 是机器学习的先驱，使计算机能够自己学习解决问题。特别是，他开拓了称为“深度学习”的机器学习子领域，模仿人类大脑的神经网络在机器上建模，使得机器以和幼儿类似的方式学习。这意味着计算机可以自主地构建智能的“层”。近年来，由于计算力的增长，这种系统的效果得到凸显，现在正在成为主流：从智能手机中的语音识别模式、图像检测软件到亚马逊的购书建议，背后都使用了这种技术。Hinton 及其同事的工作——他们被同行戏称为“加拿大黑帮”——机器学习的潜力已经变得无限。 AI的新世界已经永久地改变了我们的生活。“在接受教育上，我有些‘注意力缺乏症’。”Hinton 战后出生于英国温布尔登。他的父亲 Howard 是昆虫学家，特别喜欢甲虫。他的母亲，Margaret，是一位学校老师。这个家族的基因里就闪烁着智慧。他的叔叔是经济学家 Colin Clark，“国民生产总值”概念的发明者。Hinton的高曾祖父是伟大的逻辑学家乔治·布尔，他发明了布尔代数，这是现代计算的基础。后来 Hinton 一家搬到了布里斯托。Hinton 在那儿上了Clifton 学院，Hinton 把这个地方叫做“二流公立学校”。在那里，一个学校的朋友首先和他谈论了全息图和大脑如何存储回忆的问题，Hinton 的 AI 奇迹由此萌芽了。之后，他在剑桥国王学院研读物理和化学学科，但在一个月后休学了。“我当时18 岁，这是我第一次离开家乡。当时很辛苦，也没有任何女孩，我很郁闷。”他说。第二年，他重新申请读建筑学，但再次休学了– 但这次只休了一天——他换到了物理和生理学。然后，他又转读哲学，但最终还是没能坚持下来。“我在教育中有些ADHD（注意力缺乏症）的倾向。”他承认。Hinton 没有完成他的学业，他去了伦敦北部的 Islington ，成了一名工匠。“我做些架子吊柜什么的，没什么意思。总算是有人愿意掏钱买。”每个星期六上午，他会去Islington 的 Essex Road 图书馆，阅读了大量大脑如何工作的文献，并做了不少笔记。几年的辛劳过后，他回到了学术界。1973 年在爱丁堡大学开始读人工智能博士。他的导师经常告诉他，他对神经网络的关注是浪费时间，但是Hinton 置若罔闻。“问题不在于技术，而是分享利益的方式。”他后来到了匹兹堡的 CMU 继续做研究，但很快意识到国防部（DoD）正在资助他的部门，以及资助美国的大部分AI 研究。为了表示抗议，他移居到加拿大，在那里军事资助不那么有害（pernicious）。“离开的时候，我把一美分用施乐复印机复印出来，贴在办公室的门上。”他说，“但是我把'G'改成了'D'，这样读起来就是：我们信任国防部（inDoD we trust）。据Hinton 说，比起机器日益增长的智能，对人类来说更迫切的威胁是杀手机器人的发展（近日，116 家AI 公司的创始人向联合国签署请愿书，强调要求禁止研发致命的自主化武器）。Hinton 自己已经签署了类似的请愿，之前也写过信给英国国防部。“答复说，现在没有必要采取任何措施，因为类似的技术还有很长的路要走。而且无论如何，这可能非常有用。”Hinton 说，“但他们肯定有能力做到这一点。”他也担心大量使用 AI 来增加对民众的监视，并且透露他曾经拒绝了相当于加拿大的国家安全局的一些工作，因为担心他的研究可能被安全部门滥用。全自动化武器能够在无须人为干预的情况下自主选择并摧毁目标然而，即使对于目前正在开发的武器化“无人机组”的讨论非常激烈，Hinton 仍然对AI 能带来的好处保持乐观，尤其是在医疗和教育方面。1994年，他的前妻Ros 患卵巢癌离世，留下他只身照顾两个收养的孩子。他后来和现任妻子 Jackie 结婚，但是她现在也被诊断患有胰腺癌。他认为，有了AI ，医学将会更加高效。他设想不久以后任何人都能够做基因组图谱，只需支付100 美元（目前的成本是1,000 美元）。Hinton 也认为X 光检测很快将主要成为机器人的工作。一些职业会消失，但 Hinton 坚持认为，政府和企业的工作是确保人们在接下来的自动化经济大潮中不掉队。他说：“在一个组织良好的社会，如果生产力提高，那么每个人都会获益。问题不在于技术，而是分享利益的方式。”即使有识之士也承认，没人知道AI 变革将会把我们带向何方。Hinton 说：“在这个领域，预测 5 年以后发生的事情非常困难，事情总是与你所期望的不同。”不过可以说，我们所知的世界将发生彻底改变。原文地址：http://www.telegraph.co.uk/technology/2017/08/26/godfather-ai-making-machines-clever-whether-robots-really-will/点击阅读原文可查看职位详情，期待你的加入~

摘要：深度学习、人工智能已经诞生了数十年时间，但直到近几年才受到各大科技公司的重视，被认为是硅谷科技企业的未来， 人工智能领域有三大奠基人，分别是Geoffrey Hinton、Yann LeCun与Yoshua Bengio，今天为大家介绍的是深度学习的开山鼻祖Geoffrey Hinton。 Geoffrey Hinton，被称为“神经网络之父”、“深度学习鼻祖”，他曾获得爱丁堡大学人工智能的博士学位，并且为多伦多大学的特聘教授。在2012年，Hinton还获得了加拿大基廉奖(Killam Prizes，有“加拿大诺贝尔奖”之称的国家最高科学奖)。2013年，Hinton 加入谷歌并带领一个AI团队，他将神经网络带入到研究与应用的热潮，将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术，并将HintonBack Propagation(反向传播)算法应用到神经网络与深度学习。从Geoffrey Hinton家族开始说起Geoffrey Hinton出生于战后英国的温布尔登，他的父亲叫Howard Everest Hinton，是个英国昆虫学家，喜欢研究甲壳虫。他的母亲Margaret是一位教师。而他们一家也都流淌着饱含聪明才智的DNA：他的叔叔是着名的经济学家Colin Clark，正是他发明了“国民生产总值”这个经济学术语;他的曾曾祖父是着名的逻辑学家George Boole，他发明的布尔代数(Boolean algebra)奠定了现代计算机科学的基础。在过去的三十年，深度学习运动一度被认为是学术界的一个异类，但是现在， Geoff Hinton（如图1）和他的深度学习同事，包括纽约大学Yann LeCun和蒙特利尔大学的Yoshua Bengio，在互联网世界受到前所未有的关注。Hinton是加拿大多伦多大学教授和研究员，目前就职于Google，他利用深度学习技术来提高语音识别、图像标签以及无数其他的在线工具，LeCun在Facebook做类似的工作。当下人工智能在微软、IBM以及百度和许多其它公司受到极大的关注。我非常兴奋，我们发现一种可以使神经网络变得更好的方法，尤其是这种方法能够揭示大脑是如何工作的时候——Geoff HintonGeoff Hinton 等人亲手缔造了深度学习的复兴Hinton本科阶段在剑桥学习心理学，他意识到科学家们并没有真正理解大脑——不能完全掌握数十亿神经元之间的交互以及如何提升智力。这些科学家可以解释电信号沿着一个轴突连接一个神经元到另一个，但他们无法解释这些神经元是如何学习或计算的。Hinton认为这些都是大问题，答案可能最终让我们实现1950年代人工智能研究人员的梦想。他也没有答案，但他将尽全力寻找答案，至少改进的人工神经网络可以模拟人脑的某些方面。“我非常兴奋，我们发现一种可以使神经网络变得更好的方法，尤其是这种方法能够揭示大脑是如何工作的时候，”Hinton说，洋溢着青春的热情。这些人工神经网络可以收集信息，并且能够做出反应，它们可以理解东西看起来什么样或听起来像什么。当你将单词组合起来，它们在做决定的时候会变得更聪明，而在完成这些过程中不需要人类提供物体或对象的标签，这是传统的的机器学习工具做不到的。随着人工智能的发展，这些神经网络将更加快速、灵活、高效，它们随着机器规模的增加而变得更加聪明，随着时间的推移将能够解决越来越多的复杂任务。早在80年代初，当Hinton和同事开始这个想法时，那时的电脑性能还远远不能处理神经网络需要的巨大数据集，成功是有限的，随后人工智能社区背弃了他们，转而去寻找类人脑的捷径，而不是尝试模仿大脑的运作。但仍然有一些研究人员坚定地支持Hinton的工作。根据Hinton和LeCun回忆，这极为艰难，甚至直到2004年——已经是Hinton和LeCun第一次开发“反向传播”算法神经网络20年之后了——学术界对这些毫无兴趣。但是那一年，从加拿大先进项目研究所（CIFAR）拿到的极少量资金，并在LeCun以及 Bengio 的支持下，Hinton建立了神经计算和自适应感知项目，这个项目只邀请一些计算机科学家、生物学家、电气工程师、神经科学家、物理学家和心理学家。通过招聘这些研究人员，Hinton旨在创建一个世界级的团队，致力于创建模拟生物智能的模拟——模拟大脑如何筛选大量的视觉、听觉以及书面线索来理解和应对它的环境。Hinton认为建立这样一个组织会刺激人工智能领域的创新，甚至改变世界，事实证明，他是对的。Geoffrey Hinton 曾感慨自己的学术生涯就像 ANN （人工神经网络）一样起起伏伏，所幸的是，这位 Gatsby 的创立者一直没有放弃 ANN 的研究。他们为实现早期的想法，定期聚集在一起召开研讨会，构建了更强大的深度学习算法，操作更大的数据集。期间赢得全球人工智能比赛，再然后互联网的巨头开始注意到他们。2011年，一位NCAP研究员和斯坦福的Andrew Ng在Google建立了深度学习项目，今天，公司用神经网络在Android手机和社交网络以及Google +上标记图像。去年，Hinton加入Google公司，其目的是进一步把这项工作做的更为深入。每年不到一百万美元的CIFAR投资，Hinton和他的伙伴们带来的回报是丰厚的，这不仅发生在Google也发生在一些国家，包括加拿大。在这个过程中，Hinton和NCAP已经改变了这个曾经抛弃他们社区的面貌， 当下大学生们从传统机器学习项目转到深度学习这种现象无处不在了 。毫无疑问，现在深度学习是主流。“我们不再是极端分子了”Hinton说，“我们现在可是炙手可热的核心技术呢。 ”Hinton也周游世界并为深度学习积极布道，Hinton有一个习惯就是喜欢突然大喊：“我现在理解大脑是如何工作的了！”这很有感染力，他每周都会这样做，你很难模仿。通过NCAP 和CIFAR，Hinton开办了一家暑期学校，致力于培养新一代的人工智能研究人员。有这么多的商业公司进入这一领域，这是比以往任何时候都更加重要。不仅仅是科技巨头加入这个领域，我们也看到大量的深度学习初创公司包括Ersatz,、Expect Labs以及 Declara。“我们希望把AI和CIFAR带到一个美妙的新领域，”Hinton说，“一个还没有人或者程序到达的境界。”和Geoff Hinton一起共同缔造深度学习复兴的大神还包括Yoshua Bengio（如图2）和 Yann LeCun（图3）教授，他们是Hinton坚定的支持者。Yoshua Bengio（如图2）教授也是机器学习大神之一，他的研究工作主要聚焦在高级机器学习方面，致力于用其解决人工智能问题。他是少有的几个仍然全身心投入在深度学习学术界的教授之一，好多其他教授早已投身于工业界，加入了Google或Facebook公司。 Yann LeCun和Yoshua Bengio不同，他目前就职于Facebook，任Facebook人工智能研究院主任，也是人工智能尤其是深度学习领域最知名的学者之一，在多伦多大学随Hinton读博士后即加盟贝尔实验室，期间研发了卷积神经网络（Convolutional Neural Networks）与曾广泛用于手写识别和OCR的图变换网络方法。2003年加入纽约大学，从事广度与深度兼具的各类研究，涉及机器学习、计算机视觉、移动机器人和计算神经学。毋庸置疑的是，深度学习以及整个人工智能领域已成为互联网巨头竞争的一个焦点。深度学习领域人才极度稀缺Montreal大学全职教授Yoshua Bengio表示：“深度学习现在炙手可热，目前的困境是缺乏专家，一个博士生大概需要五年的时间培养，但是五年前还没有博士生开始从事深度学习，这意味着现在该领域的专家特别少，可以说弥足珍贵、极度稀缺。”据说目前深度学习领域的顶尖人才不超过50人，Andrew Ng表示深度学习领域人才匮乏的主要原因首先是数据，对于解决某些领域的问题，获取数据并非易事；其次是计算基础架构工具，包括计算机硬件和软件；最后是这个领域的工程师培养时间非常长。所以科技巨头们包括Google、Facebook、Twitter、百度等纷纷通过收购深度学习领域的初创公司来招揽人才。文章末尾的彩蛋——《人工智能发展大事记》1950年 图灵测试阿兰·图灵(Alan Turing)最为着名的是他在二战时于布莱切利园(Bletchley Park)所做的加密工作，他为只能机器行为设计了一项测试。如果人类观察者无法确切地辨别出测试的回应者是机器还是人类，那么这台机器就算是通过了图灵测试。图灵把这个测试称为“模仿游戏”。1956年 “人工智能”诞生在美国新罕布什尔州达特茅斯学院的一次计算机科学会议上，人工智能作为一个正式的学科被正式创立。由于在教导机器学习下棋和用英语解决一些问题方面初见成效，美国国防部便开始资助人工智能的研究，并预测人们将在二十世纪七十年代中期以前解决人工智能问题。1968年 《2001:太空漫游》斯坦利·库布里克(Stanley Kubrik)导演的这部电影中那个杀气腾腾的计算机HAL，已经使得一种狂暴的人工智能想法在流行文化中扎根。同年，菲利普·迪克(Philip K Dick)也出版了一部类似的小说，后来这部小说被拍摄成为了电影《银翼杀手》(Blade Runner)。二十世纪70年代 人工智能“萧条期”由于受到数学家詹姆斯·莱特希尔(James Lighthill)对人工智能行业进展做出的批评报告的部分影响，美国和英国政府纷纷撤回了对人工智能研发的资助资金。这是人工智能的第一个主要“寒冬”，而到了二十世纪80年代末，由于个人电脑的繁荣发展势不可挡，第二个AI寒冬到来了。我们可以看到AI这个词从文献研究中消失了数年，取而代之的是“机器学习”和“信息学”。1984年 《终结者》发布詹姆斯·卡梅隆(James Cameron)在他这部经典科幻电影中设定了一个名为天网(SkyNet)的人工智能系统，结果这个系统后来自我意识觉醒，开始毁灭人类寻求自卫。1997年 深蓝(Deep Blue)击败卡斯帕罗夫(Kasparov)这是人类国际象棋特级大师首次在比赛中被计算机击败。而计算机深蓝在这场国际象棋比赛中的胜利也引发了人们对把国际象棋作为测试评估基准的重新思考，毕竟这种游戏很容易通过计算蛮力攻克。2011年 沃森(Waston)在《危险边缘》中获胜沃森是一个由IBM公司特别设计用来参与智力竞赛节目的系统，在这些竞赛中，参赛者可以前来挑战上一位赢家。而沃森在《危险边缘》节目中赢得了100万美元的头奖。如今这款基础软件已被用于各种注重理解人类语言的应用程序中，例如，它可以在医疗保健领域作为医护人员的医疗决策支持系统使用。2011年 Siri问世Siri最初是在2008年从美国国防部高级研究计划局(DARPA)的研究中剥离出来的一个私人助理应用。随后，苹果公司在2010年收购了这家公司，并在2011年将人工智能引入了大众市场设备iPhone 4S。2012年 无人驾驶汽车美国加州已经通过立法将无人驾驶汽车上路合法化，不过为了安全性，目前车上还需要有一个人在场。这一进展是谷歌不断推动的结果，而且谷歌也宣布其无人驾驶汽车已行驶30000英里，没有发生一次事故。2016年 DeepMind击败围棋冠军由谷歌DeepMind研发的计算机程序AlphaGo，击败了围棋九段高手李世乭(Lee Sedol)。继深蓝在国际象棋中获胜之后，计算机科学家们不得不转将围棋作为一个更加复杂的人工智能测试场，测试计算机的推理能力。

继全球最为权威的两大英语测评考试雅思和托福后，近年来，PTE考试悄悄兴起。对于这个“稚嫩”的考试，大家知之甚少。PTE Academic将全机器评分首次引入到高风险标准化英语测试领域，实现了全程机考、自动评分的考试和测评方式。那么PTE考试和托福、雅思的区别在哪里？AI评分真的如PTE官方宣传的那样公平吗？01一、PTE考试是什么PTE Academic全称为Pearson Test of English Academic，即培生学术英语考试。PTE学术英语考试是一个较为 “稚嫩” 的英语语言能力考试，由英国培生教育集团于2009年10月推出。PTE学术英语考试为全程机考，与托福 (TOEFL iBT) 、雅思 (IELTS) 等全球权威英语测评考试一样，同样考察的是 “听、说、读、写” 四项英语技能。PTE与托福、雅思考试的两点不同：PTE Academic为人工智能评分，而托福和雅思考试的口语与写作单项评分中，都有引入人工评分。PTE Academic含有大声朗读文章和重复句子等题型，但托福与雅思并不包含类似题型，而对于该题型的考察并不能有效地反映考生的实际沟通能力(Wang, Choi, Schmidgall, & Bachman, 2012)。02二、AI评分有哪些弊端1.无法准确评估能力PTE考试的写作部分使用的是Intelligent Essay Assessor (IEA) 自动评分工具，口语部分是利用培生的Ordinate Technology实现人工智能评分 (Pearson PTE Academic Score Guide, 2012) 。两者的本质都是将段落长度、词汇量、名词动词一致性等 “预测因子” 量化，来模拟人工对考生的口语和写作进行评分。最新的人工智能技术能够超越简单的关键词匹配，实现对机器训练内容和考生测试内容之间相似性的衡量，但是只要考生给出的回答与机器训练内容有差异，对机器而言，这个回答就“超纲”了，考生也就难以获得满意的分数。另外人工智能评分仍然受制于机器训练内容，过于依赖有限范围的 “预测因子” ，完全无法理解和评估考生答案所想表达的复杂语义和逻辑，例如对于口语和写作主观题，考生回答的逻辑是否连贯、论证是否充分、内容是否切题的等关键评价指标，机器都无法做出准确的判断。目前，PTE发表的学术研究文献中，并没有详细地说明系统如何处理具有 “创造性” 答案，何种情况会引入人工评分，以及评分人员培训及监控的标准。2. 诱导考生错误备考“备考”是指对考试中所抽样的知识或技能进行审查的各种活动 (Alderson & Hamp-Lyons,1996)，包括参加课程、从朋友或家人那里获得帮助、测试练习或其他形式的自学，或是为了提升考试成绩而进行的针对性语言练习。但是，很多教师和学生没有意识到，应试性的备考可能是一把双刃剑。从“好”的方面来讲，考生可以通过提前熟悉考试形式、工具、流程等，避免因为这些客观因素影响现场发挥；从“不好”的方面来看，错误或者过于狭隘的备考，要么对提升分数毫无帮助，要么虽然会提升分数，但是对提升目标能力无关（如英语沟通能力等）(Ma & Cheng, 2018)。PTE学术英语考试正是如此。据澳大利亚墨尔本大学博士Ute Knoch今年发表的针对复考者备考策略与其考试分数关系的研究 (Knoch U, 2020) ，PTE学术英语考试采用AI评分，使得考生将大量的时间耗费在 “如何击败机器”，即增加对机器容易测试的特征的关注（例如词汇多样性、篇幅长度等）来提升考试分数，例如，口语任务中停顿和语气词（比如err um）很容易被机器识别出来，这意味着学生通常会更关注他们的语速和衔接，试图说得更快、更清楚、更大声、避免停顿，而忽略了回答的内容！这对于考生将来出国留学或者移民都是毫无帮助的！而且在真人对话的口语考核中，偶尔的err um等停顿或语气词是不会被扣分的，这是口语表达过程中正常思考的体现。Dr.Ute Knoch: 澳大利亚墨尔本大学语言测试中心（LTRC）主任，国际语言测试协会（ILTA）执行委员，2014年获美国教育考试中心（ETS）杰出学者奖。03三、AI评分弊端对PTE认可度的影响依据格林模型(Green, 2007) ，PTE考试的难度和重要性引发了强烈的考试后效，对教、学产生了极强的影响，导致考生只看重考试的成功，而不是提升语言使用能力。考生对于PTE评分机器的迎合可能帮助考生提升分数，这也影响了PTE考试的信度。因此，对于PTE考试的认可也饱受争议。英国著名大学之一的爱丁堡大学 (The University of Edinburgh) 在年初宣布不再认可PTE考试作为英语能力证明，给出的原因正是 “PTE考试无法真实反应考生的英语水平”。而英国最顶尖的两所大学牛津大学、剑桥大学在招生官网中明确表示不认可PTE成绩。参考文献[1] Knoch U. Drawing on repeat test takers to study test preparation practices and their links to score gains. Language Testing. 2020;37(4):550-572[2] Wang, H., Choi, I., Schmidgall, J., & Bachman, L. (2012). Review of Pearson Test of English Academic: Building an assessment use argument. Language Testing, 29(4), 603–619.[3] Pearson. (2019). Score guide Version 12. https://pearsonpte.com/wp-content/uploads/2019/10/Score-Guide-for-test-takers-V12-20191030.pdf[4] Ma, J., & Cheng, L. (2018). Preparing students to take tests. In J. I. Liontas (Ed.), The TESOL encyclopedia of English language teaching. Wiley-Blackwell[5] Green, A. (2007a). IELTS washback in context: Preparation for academic writing in higher ecation. Cambridge University Press.

■国际观察·人工智能与教育变革②英国积极推进现代工业战略，加快发展人工智能教育，扩大人工智能硕士研究生招生规模，在全国设立16个人工智能教育博士点，并与知名研究机构合作设立人工智能研究奖学金——今年2月，英国商务、能源和工业战略部与数字化、文化、媒体和体育部两部委联合宣布，扩大人工智能硕士研究生招生规模，新设16个人工智能教育博士点，加快推进人工智能高端人才培养。为了应对新科技革命的奔涌浪潮，在2018年4月，英国启动了以人工智能为核心的“现代工业战略”，其愿景是，使英国成为世界上最具创新能力的国家。要保持创新能力，就需要增加研发投入。为此，英国政府计划，到2027年研发支出占国内生产总值的比例达到2.4％，从长远来看，这一比例将达到3％。扩大人才培养规模“长期以来，英国是一个创新型国家。投资人工智能教育和培养优秀人才将有助于保持英国在人工智能研发方面世界领先地位，并能吸引国际人才。”英国商务、能源和工业战略部大臣格雷格·克拉克表示，“从更为有效的疾病诊断到建造智能家居，人工智能对提高生产力水平，对提高整个国民经济中每个行业的经济效益具有巨大潜力。实施现代工业战略，大力培养专业技术人才，将会促进英国高技能、高技术就业机会和经济增长，提高生产力水平。”发展人工智能，人才培养是关键。尽管英国人工智能教育起步较早，但随着产业的快速发展，英国人工智能人才培养在专业结构、层次结构和数量上远远不能适应人工智能产业发展的需要。2017年，英国有26所大学开设了人工智能本科生课程，20余所大学开设了30多种人工智能硕士研究生课程，但招生数量有限。2016年，英国人工智能本科生招收新生大约200人，硕士研究生招收新生大约300人，个别学校研究生招生名额有限，导致入学竞争激烈，录取率曾一度达到1∶14。人工智能博士研究生在校生数量有所增加，但2013年至2015年博士研究生在校生人数仍不足400人，人工智能人才培养出现供不应求的局面。加快人才培养是保持产业优势的重要前提。日前，英国商务、能源和工业战略部与数字化、文化、媒体和体育部两部委联合发表声明，从今年9月起，英国大学每年扩大招收人工智能硕士研究生200人，英国科技公司积极参与人才培养并提供资助。同时，英国统筹考虑人工智能教育的院校和学科布局，在15所大学设立了16个博士点，并结合人工智能的应用方向，把医学、医疗保健、语言、计算、环境、音乐作为重点应用的学科专业。每个博士点侧重一个学科或专业，例如伦敦大学学院人工智能支持医疗保健系统、爱丁堡大学生物医学人工智能、利兹大学人工智能在医学诊断和护理中应用、剑桥大学人工智能在环境风险研究中应用等，每个博士点由一名教授领导。人工智能硕士学位课程优秀毕业生有机会申请硕博连读课程，实行贯通培养。新设博士点每年招生200人，力争用5年时间，招生人数总计达到1000人。新设的硕士点和博士点，扩大硕士和博士研究生招生规模可使英国在几年内增加培养人工智能人才达数千人。加大人工智能教育投入英国的“现代工业战略”指出，英国面临着人工智能、老龄化社会、清洁增长和流动的未来四大挑战，这不仅是对英国的挑战，也是全球发展趋势。人工智能将广泛应用于各行各业，英国要抓住新技术革命带来的机遇，站在人工智能和数据革命的前沿，用技术造福人民。“人工智能成为许多行业的颠覆性技术，促进了新产品和新服务的出现，改变了数据科学的作用。这使我们能够开辟新的路径应对各种挑战。”英国研究与创新首席执行官马克·沃尔波特爵士说。人工智能产业蕴含着巨大的经济价值和效益。据估计，到2035年，人工智能产业可以为英国经济额外增加8140亿美元（约合6300亿英镑），可使国民生产总值年增长率从2.5％提高到3.9％。英国对人工智能的投资保持着强劲势头。最新数据显示，英国快速增长的人工智能领域风险投资数量较上年增长了17％。投资数量比欧洲的总和还多。英国数字化、文化、媒体和体育大臣雷米·莱特表示，英国不仅是人工智能之父艾伦·图灵的诞生地，而且在人工智能研发方面处于“领先”地位，英国从制造业到时尚业，从建筑业到医学成像，人工智能技术的应用范围越来越广泛。不断提高人们的专业技能水平，发展和保持新技术优势，对提高生产力水平、促进社会经济发展具有重要意义。充分利用人工智能和数据革命带来的经济利益，让英国继续成为世界领导者，是英国现代工业战略的重要内容。而人工智能教育是产业发展的基础和保障。英国政府计划对发展人工智能教育投入1.15亿英镑，同时，英国产业界承诺投入7800万英镑，参与大学承诺投入2300万英镑。这使得各方对人工智能教育投入总量超过2亿英镑，开创了各方共同投资教育的先河。鼓励企业深度参与人才培养对于企业参与人工智能教育，英国南安普顿大学计算机科学教授温迪·霍尔认为，“政府、产业界和学术界要通力合作，全力支持发展人工智能教育，否则英国将丧失人工智能的历史性领先优势。”2017年10月，受英国政府委托，他与杰罗姆·佩森蒂对英国人工智能产业进行全面评估，共同发表了《成长中的英国人工智能产业》评估报告，其中提出的鼓励支持科技企业参与人工智能教育等建议已被英国政府采纳。英国政府鼓励科技企业参与人工智能教育，参与人才培养。英国科技企业积极履行企业社会责任，捐助资金发展人工智能教育，资助学生攻读人工智能硕士学位课程，为受资助在读学生提供工作实习机会。与此同时，英国知名科技企业积极投身人才培养。以研究机器学习闻名的深度思考公司以及量子黑洞公司、思科公司、英国航太集团等一批英国著名企业准备每年资助2000名人工智能硕士学位研究生并提供工作实习机会。这是英国首次在全国范围内设置由产业资金资助、包含工作实习安排内容的人工智能硕士课程，政府、企业和教育共同应对人工智能人才缺口问题。此外，剑桥咨询公司、英伟达公司、格雷公司、印孚瑟斯技术有限公司英国分公司等11家英国本土科技公司和跨国公司集体承诺额外资助50个人工智能硕士研究生名额并提供工作实习机会。此外，企业还加盟教育联合体。2018年，英国首相特雷莎·梅在达沃斯论坛上宣布英国将投资2000万英镑组建国家编码学院。这是一个由60多家教育机构、专业机构和企业组成的教育联合体，其主要任务是培养数字化人才、开展数字化技能培训。国际商业机器公司英国分公司、英国电信、思科公司和微软英国公司以及多家中小企业、英国计算机学会都是教育联合体的成员单位，这些成员将以国家编码学院为平台，与大学合作开展数字化技能和人工智能相关领域的培训。校企合作育人也是英国培养实用型人才的重要途径。在工作实习过程中，学生在有经验的企业教师的指导帮助下接受理论和实践指导，在真实的工作环境中培养良好的职业精神、出色的工作能力和过硬的工作技能，实现理论与实践的真正结合，培养企业所需的高素质人才。英国一批知名科技企业每年资助200人攻读硕士课程，同时提供工作实习机会。吸引和留住国际优秀人才人才是产业发展的重要保证。英国政府为吸引和留住国际人才，决定设立研究奖学金，简化工作程序，对国际优秀人才放宽工作和定居限制。艾伦·图灵人工智能研究所是以英国人工智能奠基人艾伦·图灵教授名字命名的享有国际声誉的专业研究机构。英国政府与该研究所合作设立人工智能研究奖学金，旨在利用该研究所的国际知名度，扩大英国的影响力。该机构设立了5项人工智能研究奖学金，以吸引和留住来自世界各地的人工智能优秀研究人才，抢占人工智能研究高地。“设立艾伦·图灵人工智能研究奖学金对确立英国的领导力，提升人工智能研究质量和英国的吸引力，留住和培养世界一流的研究人才都至关重要。”艾伦·图灵研究所所长史密斯说。此外，英国政府还修改了移民条例，向具有世界领先水平的科学家和研究人员发放第一类、第一级杰出人才签证，允许3年之后申请在英国定居；放宽外国留学生工作限制，允许高学历外国留学生在英国完成学业后申请工作；简化聘用国际研究人员的行政审批程序，让更多的国际优秀人才留在英国工作。这些措施都旨在让英国保持人工智能领先地位。（作者单位：中国教育科学研究院，本文为中国教育科学研究院基本科研业务费专项基金课题“世界教育发展报告2017”[GYB2018012]的成果）《中国教育报》2019年05月17日第5版 作者：李建忠 王素 来源：中国教育新闻网-中国教育报