辛頓的學術(shù)成就斐然，包括證明反向傳播算法、發(fā)明玻爾茲曼機以及改進卷積神經(jīng)網(wǎng)絡，這些成就為現(xiàn)代AI技術(shù)的發(fā)展奠定了堅實基礎。他研發(fā)的深度卷積神經(jīng)網(wǎng)絡AlexNet在2012年ImageNet圖像識別大賽中奪冠，這一勝利不僅標志著AI研究從符號學向神經(jīng)網(wǎng)絡的轉(zhuǎn)變，還直接推動了人臉識別技術(shù)的廣泛應用。
對于諾貝爾獎為何頒發(fā)給這兩位人工智能科學家，官方解釋稱，他們的貢獻在于利用物理學工具開發(fā)了當今機器學習的基礎方法。霍普菲爾德創(chuàng)造的聯(lián)想記憶能夠存儲和重建圖像等數(shù)據(jù)模式，而辛頓則發(fā)明了一種能夠自主發(fā)現(xiàn)數(shù)據(jù)屬性的方法，從而執(zhí)行如圖片中特定元素的識別等任務。
辛頓的工作在很大程度上是建立在霍普菲爾德的研究基礎之上的?；羝辗茽柕聫奈锢韺W中磁性物質(zhì)原子自旋的靈感出發(fā)，創(chuàng)建了“Hopfield網(wǎng)絡”。而辛頓則在此基礎上，使用統(tǒng)計物理的方式將其擴展為玻爾茲曼機，這是一種能夠從給定示例中學習而非從指令中學習的神經(jīng)網(wǎng)絡。
盡管玻爾茲曼機最初效率不高，但辛頓并未放棄，最終在2006年開發(fā)出了一種預訓練方法，優(yōu)化了網(wǎng)絡訓練，使其能夠識別圖片中的元素。這一成就不僅推動了深度神經(jīng)網(wǎng)絡的發(fā)展，還為當今的個性化推薦系統(tǒng)等技術(shù)奠定了基礎。
辛頓的學術(shù)生涯充滿了傳奇色彩。他不僅在人工智能領(lǐng)域取得了杰出成就，還因其對AI風險的擔憂而從谷歌離職。他強調(diào)，盡管AI技術(shù)帶來了巨大的進步，但也需要關(guān)注其可能帶來的負面影響，并確保其發(fā)展處于可控范圍內(nèi)。
在諾貝爾獎的連線現(xiàn)場，辛頓表示：“人工智能的影響將與工業(yè)革命相媲美，但不同的是，它將在智力上超越人類。我們需要關(guān)注如何合理控制這項技術(shù)的發(fā)展，以確保它不會產(chǎn)生無法預見的負面后果?！?/p>
