图灵奖得主杨立昆：我如何走上人工智能之路丨展卷 2018年图灵奖得主、法国人工智

文章图片
2018年图灵奖得主、法国人工智能科学家杨立昆（YannLeCun）被认为是深度学习的发明者之一，也被誉为“卷积神经网络”之父。最近他出版了自传《科学之路：人、机器与未来》，这也是一本介绍人工智能相关领域的科普著作。作为当今火热的深度学习的构建者，杨立昆对人工智能的低谷与辉煌有着切身实际感受以及冷静务实的思考。那么他是如何踏上自己的科学之路的？

文章图片
本文经授权节选自《科学之路：人、机器与未来》（中信出版社）第二章，内容有删减，标题为编辑所加。前往“返朴” ，点击文末“阅读原文”可购买此书。点击“在看”并发表您的感想至留言区，截至2021年9月12日中午12点，我们会选出1条留言，赠书1本。
撰文丨杨立昆（YannLeCun）
翻译丨李皓、马跃
信息的自由流动就是进步的动力。
——杨立昆
遭遇寒冬
1969年，西摩尔·帕普特（SeymourPapert）和马文·明斯基（后者在20世纪50年代曾热衷于人工神经网络的研究，后来放弃了）联合出版《感知器：计算几何学概论》一书[1] 。他们在书中指出了学习机的局限性，其中有些局限性对于技术发展会造成严重阻碍。因此对他们来说，神经网络的研究之旅已经走入了死胡同。这两位都是麻省理工学院极负盛名的权威教授，他们的作品在领域内引起了轰动：资助机构纷纷退出，不再支持该领域的研究工作。与GOFAI（goodold-fashionedartificialintelligence ，好的老式人工智能。基于逻辑、规则和搜索算法的传统人工智能方法。）一样，神经网络的研究也遭遇了它的第一个“冬天” 。
大多数科学家不再谈论制造具有学习能力的智能机器之事，转而把目光转向了更容易落地的项目。比如，运用一些原本用来研究神经网络的方法创建了“自适应滤波” ，这是许多现代通信技术的起源。在此之前，当我们通过电话线在两台计算机之间交换数据时，电话线可能会发生以下情形：我们输入一个二进制信号，电压从0伏升到48伏，而信号在距离目的地还剩几公里时就已经损坏了。但现在，自适应滤波器能将其复原，这个过程是通过以其发明者鲍勃·拉迪（BobLucky）的名字命名的Lucky算法实现的。 20世纪80年代后期，鲍勃·拉迪曾在贝尔实验室担任部门经理，领导着约300人工作，我也是其中一员。
如果没有自适应滤波，就不会出现带扬声器的电话。扬声器可以让我们对着麦克风讲话，而它不需要同时记录对话者说的话（有时我们能听到自己在说话）。回声消除器使用的算法与感知器使用的算法非常相似。
狂热的疯子
在20世纪七八十年代的“寒冬”里，仍有一些人执着于神经网络研究，科学界把他们视为狂热的疯子。比如，芬兰人戴沃·科霍宁（TeuvoKohonen），他研究的是一个与神经网络比较接近的课题—联想记忆。再比如，还有一群日本人，与西方不同，日本的工程科学生态系统比较孤立，其中包括数学家甘利俊一（Shun-IchiAmari）和一位名为福岛邦彦（KunihikoFukushima）的业内人士，后者发布了一个被他称为“认知机”（Congitron）的机器，这一命名来自术语“感知器”（preceptron）。福岛邦彦前后一共发布了这个机器的两个版本，分别是20世纪70年代的认知机和80年代的神经认知机（Neocognitron）。与同时代的弗兰克·罗森布拉特一样，福岛邦彦也受到了神经科学新发现的启发，特别是美国人大卫·休伯尔（DavidH.Hubel）和瑞典人托斯坦·威泽尔（TorstenN.Wiesel）的发现给予了他很多灵感。