三十年前，辛顿对神经网络的观点与众不同，他说现在大家都接受了这些观点。人工智能领域的缺口：“必须有更多的概念上的突破，在规模上，还需要加大。”神经网络的弱点：“神经网络在处理多参数少量数据时，表现不错，但是这方面，人类似乎做得更好。”人脑如何工作：“大脑内部是参与神经活动的大向量。
”现代人工智能革命始于一场默默无闻的研究竞赛：2012年，即第三届图像网络竞赛（ImageNet competition），挑战团队需要建立一个能识别1000个物体的计算机视觉系统，这1000个物体中包括动物、景观和人类。在前两年，即便是最好的参赛团队，准确率都不超过75%。但是到了第三年，三位研究人员（一位教授和他的两个学生）突然打破了这个天花板，他们惊人地超出了10.8个百分点，赢得了比赛。
那个教授便是杰弗里·辛顿，他们使用的技术叫做深度学习。自20世纪80年代以来，辛顿一直致力于深度学习的研究工作，由于缺乏数据和计算能力，其有效性受到了限制，一直到2012年才取得成果。辛顿对这项技术的坚定信念最终带来了巨大的回报：在第四年的图像网比赛（ImageNet competition）中，几乎所有参赛队都在使用深度学习，并获得了神奇的准确性。很快，深度学习便被应用于图像识别之外的任务。
去年，由于他在这一领域的特殊贡献，辛顿与人工智能的先驱们Yann LeCun和Yoshua Bengio一起被授予图灵奖。10月20日，我在麻省理工学院技术评论的年会“Em Tech MIT会议”上与他谈到了这个领域的现状，以及下一步的方向。为了表达清楚，对以下内容进行了编辑和浓缩。你认为深度学习足以复制人类所有的智力，为什么这么确定？
我深信深度学习将无所不能，同时，我认为必须有相当多的概念上的突破。例如，2017年Ashish Vaswani等人，引入“transformer”这个概念，它利用向量来表示词义，这是一个概念性的突破，目前几乎用于所有的自然语言处理模型。我们需要更多类似的突破。如果有了这些突破，是否能够通过深度学习来模拟所有人类智力？的确如此，特别是如何获得神经活动的大向量来实现“推理”这样的突破。
但同时我们需要大幅度增加规模。人脑大约有100万亿个参数，即突触，是真正的巨大模型，像GPT-3，有1750亿个参数，但它比大脑小一千倍。GPT-3现在可以生成看似合理的文本，但与大脑相比，它依然太小。提到规模时，是指更大的神经网络，更多的数据，还是两者兼而有之？两者兼而有之，计算机科学中发生的事情和人们实际发生的事情之间存在某种差异。与获得的数据量相比，人们拥有更多的参数。
神经网络擅长处理有大量参数的少量数据，但人类在这方面却做得更好。很多业内人士认为，下一个大的挑战是常识，你同意吗？我同意，这是一件非常重要的事情，我认为运动控制也非常重要，而深层神经网络现在正变得越来越擅长这一点。特别是，谷歌最近的一些工作表明，可以完成精细的运动控制并与语言相结合，比如：打开一个抽屉，取出一个小木块，系统便可以用自然语言告诉你它在做什么。
像GPT-3这样的模型，它可以生成精彩的文本，很明显，它必须深入理解才能生成该文本，虽然我们对于它理解的程度还不太清楚。但是，如果有什么东西打开抽屉，拿出一个小木块并说：“我刚刚打开一个抽屉，拿出小木块一个”，也可以说它明白自己在做什么。人工智能领域一直把人脑作为其最大的灵感来源，不同的人工智能方法源于认知科学中的不同理论。
你是否相信大脑实际上建立起了外部世界的表征之后，再来理解它，或者这只是一种有用的思考方式？很久以前，在认知科学中，两个学派之间存在着一场争论：其中一个是由斯蒂芬·科斯林(Stephen Kosslyn)领导的，他认为，当大脑处理视觉图像时，你拥有的是一组正在移动的像素；另一学派则更符合传统的人工智能，“不，不，这是胡说八道，它是分层、结构性的描述。脑内处理的是一个符号结构。
”我认为他们都犯了同样的错误。科斯林认为我们处理的是像素，因为外部图像是由像素组成的，这是能为我们理解的一种表示；有人认为大脑处理的是符号，是因为我们也在用符号表示事物，这也是我们能理解的一种表示。我认为二者都不对，实际上大脑内部是多个神经活动的大向量。仍然有许多人认为符号表示是人工智能的方法之一。当然。
我有像赫克托·莱维斯克（Hector Levesque）这样的好朋友，他们相信符号表示的方法，并在这方面做了很棒的工作。我不同意他的观点，但符号表示方法是一件完全合理的事情。我猜测，符号只是存在于外部世界中，在大脑内部，用大向量进行内部操作。你认为你对人工智能未来最与众不同的观点是什么？好吧，我早先持有的与众不同的观点，五年后，它们却成为了主流。
早在20世纪80年代，我的大多数反向观点现在都被广泛接受了，现在大多数人都同意并接受了这些观点。所以，在某种程度上可以说，我的逆向观点已被削弱了。