漫长的30年间，数度从主流方向的超然出走，是图灵奖得主Yoshua Bengio的制胜秘诀。这种不盲从主流的风格体现在他研究生涯的方方面面。90年代末期，神经网络被打入冷宫，Bengio的论文多次遭拒，连学生们也开始担心，和他一起研究神经网络会导致毕业后找不到工作。“那场有关神经网络的文化沙漠可能‘劝退’了很多研究者，但我有点固执，坚信我们应该坚持下去。
”而时过境迁，如今神经网络早已成为主流，审稿人的看法也发生了翻天覆地的变化。此时，Bengio却已经开始研究新方向，寻找新问题。“我认为不能把所有鸡蛋放在一个篮子里，我们应该探索更多不同的方法。在过去的七年里，我一直在努力探索当前神经网络方法的局限性，这样才能让未来的人工智能具备当前缺乏的能力。”
谈及现如今Scaling Law催生的模型性能大爆发，Bengio依然保持着客观审慎的思考，他认为“Scaling Law并不是理论定律，只是基于经验性观察总结的规律。为了解决大模型目前存在的问题，我们需要探索Scaling Law之外的新方法。”在OpenAI等巨头纷纷为AGI的到来摩拳擦掌之时，Bengio更关心的是如何应对AI对人类的潜在风险。
正如奥本海默所带来的核末日一样，AI引发的人类安全危机甚至比核武器更为沉重。Bengio坦言，假如有机会回到年轻时，会提醒当时的自己注意AI风险，而即便覆水难收，当下最重要的是明确，“我能做什么，我们每个人能为一个更好的世界做什么。”
我们家里没有很严格的家规，无论是上学还是写作业，父母总是会关心我和弟弟想做什么。
父母赋予了我自由和批判性思维，这对于科学家来讲非常重要，因为科学研究必须跳出思维的条条框框。2000年代，学术界对神经网络已经不抱希望了。学生们也会担心，和我一起研究神经网络会导致他们“毕业即失业”。我有一种直觉，神经网络可以克服维数灾难。我不想把人类的未来押注在对“Scaling Law”的盲从，扩大模型规模不是提升模型性能的唯一制胜法宝，为了解决大模型目前存在的问题，我们需要探索新的方法。
去做“第一个吃螃蟹的人”固然很难，因为没有即时的研究成果激励人坚持下去。因此需要建立探索新想法、新路径的社会机构，支持研究者在感兴趣的研究方向上花费大量时间，即使可能根本行不通。经验丰富的人通常能发挥重要作用，但他们也可能因为固执己见而作出错误判断。作为科学家，你可以根据自己的经验、知识来采纳这些意见，通过实验研究来验证，也可以不予理睬，等待时间去证明事情的真相。
研究者要保持谦虚。
你必须接受自己可能会犯错。在我的职业生涯中，想法改变了很多次，但这没关系。事实上，正是勇于承认错误才展现出你的聪明和谦逊，并且表明你充分认识到自身知识的局限性。坚持阅读很重要。我认为更重要的是阅读的时间，而不是数量。（如果非要说时间的话）大概三小时左右。
我和Hinton、LeCun专注于不同的研究方向，但我们互相分享想法、观点、论据和结果，借鉴彼此的想法和思维方式，彼此都能从中获益，并且能以彼此的工作成果为基础，不断实现新的突破。我们从来不会评判谁是对的、谁是错的，也不会将自己的想法强加于其他人。AI带来的灾难性后果可能比核武器更严重。少数核弹爆炸会造成数百万人死亡，但人类仍将继续存在。
但如果我们创造了一个超越人类智能的AI，它可能会发明一种生物武器来杀死全人类。在这场AI带来的灾难中，将无人幸免。如果全人类能够统一成一个人、一种思想，AI安全的问题就迎刃而解了。问题在于，这世界上的每个人都有不同的思想，有些人会尝试一些疯狂的事情，可能需要全人类来承担。