导语
深度学习奠基人之一、2024年诺贝尔物理学奖得主杰弗里·辛顿在GAGATalk的访谈中,以罕见的坦诚回顾了改变他人生的那通午夜来电。他分享了从质疑中坚持神经网络研究的往事,深入剖析了AI在就业、选举、安全等领域的短期风险,更严肃指出了“制造比我们更智能的生物”这一长期、未知的终极挑战。同时,他透露了诺贝尔奖金的分配决定,展现了其对科学传承与社会公益的深切关怀。
深度学习先驱杰弗里·辛顿在访谈中分享了他获得诺贝尔物理学奖的意外经历,深入剖析了AI带来的短期与长期风险,并基于个人经历给出了对年轻研究者的建议。他认为我们正在制造比自身更智能的生物,这带来了前所未有的控制难题。

深度学习奠基人之一、2024年诺贝尔物理学奖得主杰弗里·辛顿在GAGATalk的访谈中,以罕见的坦诚回顾了改变他人生的那通午夜来电。他分享了从质疑中坚持神经网络研究的往事,深入剖析了AI在就业、选举、安全等领域的短期风险,更严肃指出了“制造比我们更智能的生物”这一长期、未知的终极挑战。同时,他透露了诺贝尔奖金的分配决定,展现了其对科学传承与社会公益的深切关怀。
展开「深读」看每一段讨论的问题与论据。
讨论的问题:辛顿如何接受并相信自己获得了诺贝尔奖?
论据 / 案例:统计推理:心理学家获物理学奖概率约1/200万,梦中得奖概率约1/2,因此梦境概率是现实的百万倍
讨论的问题:AI在短期内可能带来哪些主要风险?
论据 / 案例:网络钓鱼攻击去年上升1,200%;AI可能用于设计类似COVID的生物制剂
讨论的问题:AI的歧视与偏见问题应如何对待?
论据 / 案例:通过冻结权重可精确测量AI歧视,而人类受测时会改变行为(大众效应)
讨论的问题:人类能否控制比自己更智能的AI系统?
论据 / 案例:唯一好的控制例子是婴儿控制母亲,进化为此付出了巨大努力
讨论的问题:如何确保AI系统行为合理?
论据 / 案例:类比:大型AI在包括连环杀手日记的所有数据上训练,如同让孩子用此类材料学习阅读
讨论的问题:为何神经网络曾遭到学术界强烈反对?
论据 / 案例:大陆漂移理论(1920年代提出)被地质学界完全否定;神经网络论文曾被期刊拒绝
讨论的问题:研究者应如何对待与主流相悖的创意?
论据 / 案例:辛顿根据自己的经历建议:除非自己发现错误,否则不要因他人反对而放弃想法
讨论的问题:科学界对AI威胁的理解与公众有何不同?
论据 / 案例:图灵在1950年代早期就提到AI比人类聪明后‘我们就完了’,但大多数人直到问题临近才思考
讨论的问题:辛顿如何分配诺贝尔奖金以体现其价值观?
论据 / 案例:加拿大安大略省20%的原住民社区缺乏安全饮用水;特里·谢诺夫斯基是玻尔兹曼机理论的共同提出者