专访“AI 教父”Geoffrey Hinton：为什么我开始害怕自己所建立的技术

撰文：Will Douglas Heaven

来源：麻省理工科技评论

就在杰弗里 - 辛顿（Geoffrey Hinton）宣布退出谷歌这一重磅消息的四天前，我在伦敦北部一条街道的房子里见到了他。辛顿是深度学习的先驱，他帮助开发了现代人工智能核心的一些最重要的技术，但在谷歌工作了十年后，他选择辞职，专注于他目前对人工智能的新关注。

被 GPT-4 等新的大型语言模型的能力所震惊，辛顿希望提高公众对他现在认为可能伴随其开创技术的严重风险的认识。

在我们的谈话开始时，我在厨房的桌子旁坐下来，辛顿开始踱步。多年来因慢性背痛的困扰，他几乎从不坐下。在接下来的一个小时里，我看着他从房间的一端走到另一端，我注视着他。他有很多话要说。

这位 75 岁的计算机科学家因其在深度学习方面的工作，与 Yann LeCun 和 Yoshua Bengio 共同获得了 2018 年图灵奖，他说他已经准备好转变方向。“我太老了，无法从事需要记住大量细节的技术工作，”他告诉我。“我还好，但已大不如前，这令人烦恼。”

但这并不是他离开谷歌的唯一原因。辛顿想把时间花在他所说的“更多哲学工作”上，一个微小但对他而言非常真实的危险上，即人工智能将变成一场灾难。

离开谷歌可以让他畅所欲言，而不用像谷歌高管那样必须进行自我审查。他说：“我想谈论人工智能的安全问题，而不必担心与谷歌业务的关联。”“只要谷歌付我薪酬，我就不能这么做。”

当然，这并不意味着辛顿对谷歌有任何不满意。“这可能会让你大吃一惊，”他说。“我想传达很多关于 Google 的优点，但如果我不在 Google 了，它们会更可信。”

辛顿说，新一代的大型语言模型 -- 特别是 OpenAI 在 3 月发布的 GPT-4-- 让他意识到，机器正朝着比他想象的要聪明得多的方向发展。而他对这一情况可能发生的事情感到害怕。

“这些东西与我们完全不同，”他说。“有时我觉得这就像外星人登陆了，而人们却没有意识到，因为他们的英语说得很好。”

基石

辛顿最出名的是他在 1980 年代（与两位同事）提出的一种叫做反向传播的技术。简而言之，这是一种允许机器学习的算法。它支撑着今天几乎所有的神经网络，从计算机视觉系统到大型语言模型。

直到 2010 年代，通过反向传播训练的神经网络的力量才真正产生了影响。辛顿与几个研究生合作，表明该技术在让计算机识别图像中的物体方面比其他任何技术都好。此外，他们还训练了一个神经网络来预测一个句子中的下一个字母，这也是今天大型语言模型的前身。

其中一名研究生是 Ilya Sutskever，他后来共同创立了 OpenAI 并领导了 ChatGPT 的开发。辛顿说：“我们最初意识到，这种东西可能会很神奇。”“但人们花了很长时间才意识到，这需要大规模进行才能取得成功。”早在 20 世纪 80 年代，神经网络就是个笑话。当时的主流观点是符号人工智能，即智能涉及处理符号，如文字或数字。

但辛顿并不相信。他研究了神经网络，即大脑的软件抽象，其中的神经元和它们之间的连接由代码表示。通过改变这些神经元的连接方式 -- 改变用来表示它们的数字 -- 神经网络可以在飞行中重新接线。换句话说，它可以被用来学习。

“我父亲是一名生物学家，所以我从生物学的角度思考问题，”辛顿说。“而符号推理显然不是生物智能的核心。”

“乌鸦可以解决难题，但它们没有语言。它们不是通过存储符号串并操纵它们来完成的。它们是通过改变大脑中神经元之间的连接强度来实现的。因此，通过改变人工神经网络中的连接强度来学习复杂的东西是可能的。”

一种新的智能

40 年来，辛顿一直将人工神经网络视为模仿生物神经网络的拙劣尝试。现在他认为情况发生了变化：他认为，在试图模仿生物大脑的过程中，我们已经想出了更好的办法。他说：“当你看到这一点时是很可怕的。”“这是一个突然的翻转。”

辛顿的担心会让很多人觉得是科幻小说的内容。但他是这样思考的。

正如它们的名字所示，大型语言模型是由具有大量连接的大规模神经网络制成的。但与大脑相比，它们是微小的。“我们的大脑有 100 万亿个连接，”辛顿说。“大型语言模型最多只有 5000 亿，最多一万亿。然而，GPT-4 的知识比任何人都多数百倍。所以也许它实际上有比我们更好的学习算法。”