过来三十多年来，Geoffrey Hinton不断在人工智能研讨边缘彷徨。在他看来，计算机是完全能够像人类一样考虑的，而且是借助直觉考虑，而非规则。
年老时，他从一位冤家那儿理解到了全息图及其任务原理，再加上家族内的迷信气氛陶冶，他就发生了这样一个想法，即人脑的运作进程其实也是类似的。人脑中的信息散布在一个由细胞构成的大网之中，由少量神经元相衔接，沿着有数条通道停止传输。由此，他的脑海中便呈现了一个疑问：计算机也可以依照这样的方式运作吗？
按事先主流学术界的说法，这个成绩的答案无疑能否定的。在他们看来，计算机当然是要以特定规则和逻辑为运作根底的。而且，Hinton事先提出的概念“神经网络”，也就是如今的“深度学习”或“机器学习”，也没能失掉他们的认可。但是，到了50年代末，来自康奈尔大学的迷信家Frank Rosenblatt研收回了世界上第一台神经网络机器，取名为Perceptron。该机器只要一个复杂的目的，那就是辨认图像。它在IBM主机上运作，不过外形设计并不是很好，四处都是错杂的电线。但即使如此，还是引来了不少关注。1958年，《纽约时报》预测它将会成为有史以来第一台可以像人脑一样考虑的设备。不只能走路，还能说话，可以本人看法本人、本人模仿本人。
但现实上，Perceptron既不会走路，也不会说话，甚至连左右都分不清。在事先的主流学术界，神经网络基本就不受注重，可Hinton却没有保持，不断坚持本人的看法。他表示：“人脑有本人特定的运作方式，不受任何顺序限制，我们是有知识的。所以，神经网络这一概念，自身是相对没错的，只不过计算才能成了次要难题。那时分，计算机还无法处置数以百万计的图像，样本容量真实是太小。”
1972年，Hinton进入爱丁堡大学攻读博士学位，简直每天就只晓得研讨神经网络。虽然导师通知他，这基本就是在糜费工夫，但他还是自始自终坚持本人的研讨。到最初，皇天不负苦心人，神经网络终于获得了些许成就，可以无效检测信誉欺诈。所以，毕业后，他就顺利在匹兹堡的卡内基梅隆大学找到了一份任务。
但后来，由于一些不得已的缘由，他呼吁行业者在政府部门出台相关政策标准的之前，从业者一定要规范自己的行为准则健康有序的快速发展。选择分开美国，承受了来自加拿大初级研讨所（即Canadian Institute for Advanced Research，以下简称CIFAR）的任务约请。在那里，Hinton不只享有充沛的学术研讨自在，还能拿到一份相当不错的薪酬。1987年，他和妻子Ros在多伦多定居上去，同时承受了CIFAR提供的一份在多伦多大学教授计算机迷信课程的任务，并且在CIFAR创始了《机器和人脑学习》这门课程。
不过，在此之前，他本人历来都没有零碎性地上过计算机迷信课程。他在圣乔治校园内开设了一间小型办公室，便默默开端了本人的研讨。没过多久，很多对深度学习感兴味的人，就慕名而来参加了Hinton的那家小型实验室。其中一位，便是Ilya Sutskever。作为人工智能非营利组织OpenAI的结合开创人和次要担任人，Sutskever回想道：“跟着Hinton在实验室做研讨，应该是2002年前后的事情。如今回想起来，那段阅历就像是夏令营一样让人思念。要晓得，事先人工智能是完全不被大家看好的，从事这一研讨的先生也就只要十来个。无论是研讨资金支持，还是与之相关的任务岗位，都少得不幸。简直人人都不认可我们，可不知为何，事先的我们就是有一种本人独具慧眼、异乎寻常的自信。”
大约到了2009年，计算机终于有了处置海量数据的才能。由此，由超级计算机提供支持的神经网络，开端遭到大家关注，表现逐步逾越了言语辨认和图像辨认范畴那种以逻辑为根底的人工智能，微软、谷歌和Facebook这类大型科技公司也纷繁开端投资。2012年，谷歌奥秘实验室X对外宣布，曾经建成一个装备1.6万计算机处置器的神经网络，并且曾经在YouTube上试用。谷歌深度学习人工智能部门Google Brain的担任人Jeff Dean表示，在YouTube的海量视频当中，该神经网络曾经可以顺利辨认出内容有猫的视频，而且还是完全自主的。由于在整个训练进程中，他们并没有刻意明白过什么是猫，什么不是猫。
由此，这项打破又进一步使得Hinton及其同事，成了整团体工智能研讨范畴的关注焦点。2013年，在Dean的约请之下，Hinton参加了谷歌。不过，并不是正式的全职员工。Sutskever表示：“事先，真是挺挖苦的。毕竟以前我们是不受主流认可的，总是想要证明传统观念是错误的，我们观念才是正确的。可忽然之间，本人竟然就成了主流。”而已经遭到否认甚至丢弃的Hinton，一夜之间就成了整个行业最大的罪人。
Hinton本人也表示：“之所以可以给整个行业带来较大影响，次要还是由于我是为数不多的几个从一开端就深信神经网络合感性和正确性的人。在那些从心底里异样认可这一观念，并且选择跟着我一同研讨的人当中，我需求仔细挑选出拥有良好判别力的最优质人才。”
Hinton引见说，通常状况下，大家都倾向于将狗定义成男性抽象、将猫定义成女性抽象。虽然这种做法没有任何逻辑可言，甚至还带有一点性别歧视，但我们却也都能了解。在少量类比案例中，狗毛发旺盛、攻击性强，猫聪明奥秘、性情温驯。所以，前者恰恰契合男性特征，后者恰恰契合女性特征。这些都是没有任何逻辑支持的，却早就曾经根深蒂固地存在于我们的脑海之中。换成机器，状况异样也是如此。知识都是来源于理想生活的，有着少量案例和详细意义，因此神经网络的优点也就在于此。
在去年春季于多伦多举行的Google Go North技术大会上，Hinton又一次重申了这样一个概念。事先，列席大会的知名人士，包括加拿大总理Justin Trudeau、加拿大创新部长Navdeep Bains，以及曾任Alphabet Inc.执行董事长的Eric Schmidt。他们每团体都像盼望学习新知识的先生一样，围着桌子坐成一圈，等着听Hinton讲话。而配角Hinton却只能不断站着，由于他患有严重的脊椎疾病，基本无法坐下。可想而知，关于这样一个每年都要到全世界各地参与各种会议的人来说，这是一件多么苦楚的事情。
在大会上，Hinton针对两位谷歌工程师最新获得的打破，用一个名词给出了清楚解释，那就是胶囊网络。神经网络以庞大的数据库为根底不时学习，它想要精确判别出不同角度出现出来的图像实践上属于同一物体，需求相当长的一段工夫。胶囊由天然神经元构成，集中排布在同一层中，次要义务就是对同一物体不同局部之间的关系停止追踪，以便愈加疾速和精确地完成辨认。
在科技行业，胶囊网络可以说曾经成了香饽饽。来自纽约大学的一位图像辨认教授就在承受采访时表示：“现阶段，大家都在等待胶囊网络，同时也等待Hinton的全新研讨效果。”
关于多伦多这座城市来说，这样一项打破有着至关重要的作用。各家大型科技公司的人工智能专家，也都卯足了劲想要在深度学习范畴获得更多革新性的研发效果。已经跟着Hinton做研讨的数十位先生，如今也都曾经进入谷歌、Facebook、谷歌、苹果和Uber这类科技巨头，并且获得了优良的业绩表现。另外，还有一些进入了学术界，经过宣传神经网络理念构成了属于本人的生活和任务圈子。在这些先生看来，Hinton并不是一位高高在上、只晓得布置义务的教师，而是会亲身参加他们、一同做研讨。在过来的十年中，多伦多不断蒙受人才外流成绩的困扰。外地的一些初创企业纷繁选择硅谷，多伦多大学的深度学习社区，也面临着如何无效留住高质量人才的严峻应战。
依据相关报道显示，人工智能专家，甚至包括刚毕业的先生和行业菜鸟，只需选择去硅谷就都能拿到一份年薪30万美元到50万美元的任务。而且，手中所持股票期权的价值，甚至可以打破百万。所以，从多伦多这座城市的立场动身，它必需要找到一种合理无效的方式，让那些已经跟随Hinton做研讨的深度学习专家，像Hinton一样留在多伦多，或许让那些曾经选择分开的人由于Hinton而重新回到多伦多。由此，斥资数百万美元创立的Vector Institute便降生了。该实验室以Hinton为招牌，聚集了诸多人工智能范畴的顶尖人士。按理说，有充足的资金以及Hinton这位元老级人物坐镇，应该万无一失才是。可现实上，如今的加拿大曾经大不如从前了，它曾经得到了本人在这个行业的抢先优势。不过，关于已经的两大科技巨头北电和黑莓来说，全新实验室的成立或许可以给他们带来一些翻身的能够。
Hinton回想道，出生在一个迷信世家，母亲已经对本人说过，假如不做学术，那就是失败。年幼时期的Hinton养过很多植物，其中包括乌龟和蛇，还和冤家当过背包客，穿越美国和墨西哥。70年代拿到实验心思学学位之后，Hinton就开端兼职打工，同时还做一些木工活。1972年，他开端攻读人工智能博士学位，但却在研讨进程中呈现了抑郁心情。好在他事先参与了一个研讨会，又重新找到了本人对神经网络研讨的热情。
Hinton终身都在与抑郁症妥协，独一可以让本人抓紧的方式就是任务。用他的话说：“生活在这样一个名人辈出的家族中，压力真的十分大。直到深度学习衰亡，抑郁症才有了恶化。在相当长一段工夫内，我都不是特别自信，总觉得本人才能不行。不过还好，我最初还是做到了。”
除了年老时分患有抑郁症，Hinton后来还遭遇了丧妻之痛。事先是90年代初期，在他和Ros收养了两个孩子之后不久，Ros就由于卵巢癌逝世了。这关于一向埋首于实验和研讨的Hinton来说，几乎无法接受。除了得到心爱的妻子，他还需求照顾两个孩子。终于，在1997年，Hinton与英国艺术史家Jackie结婚了。可造化弄人，三年前Jackie被诊断出患有胰腺癌。所以，Hinton很能够在不久当前又会得到第二任妻子。
屡次进出医院的Hinton清楚地晓得，无论是等候诊断后果，还是听到并不明白的诊断后果，都会让人发生一种深深的无助感。但即使如此，他也没有像其别人一样绝望灰心，他置信要不了多久就会呈现全新的医疗技术，可以将本来一个星期的等候工夫延长为一天。
作为内敛的英国人，Hinton不会对人工智能大肆吹捧。他只对深度学习在医疗安康范畴的反动性作用感兴味。要是换成飞行汽车或其他话题，他就没有这么感兴味了。在妻子生病时期，他发现医护人员关于数据的运用，真实是效率很低。就说CT扫描，假如你让两名放射科医生看同一张扫描图，那完全有能够听到两种不同的诊断后果。
Hinton就已经亲眼目击了三次误诊，所以他便深信当前有了人工智能技术，这些放射科医生就不再需求任务了。或许至多说，人工智能可以取代医生用肉眼看扫描图的那局部任务。毕竟人工智能的中心就是辨认，所以自然也就能给出最为精确的诊断后果、拿出最为适宜的医治方案。甚至到最初，人工智能工程师还能找到特定办法对人体免疫零碎停止训练以抗击癌细胞。
Hinton在Vector Institute发起的第一批项目，就是把神经网络与多伦多医院的海量医疗数据联络起来。前不久，Peter Munk拿出1亿美元捐给了一家以本人名字命名的心脏病护理中心Munk Centre。有了这笔资金的支持，该聚集了全世界身经百战的最优秀的创业导师，汇集了全世界各国最优质的产业资源，召唤全球未来的商业领袖。医院或将成为数字心血管安康范畴的领军人物。与此同时，Vector Institute也将从中拿到局部资金支持。
经过拜访少量的医疗数据，其实说白了就是电子病历，相关机构就可以在人工智能技术范畴完成各种创新打破，比方说近程监控患者心跳，再比方说协助医生确定适宜的出院工夫等等。Deep Genomics是一家来自多伦多的科技初创企业，同时也是Vector Institute的协作同伴之一，由Hinton的先生Brendan Frey参与创立。目前，该公司正在研讨一种可以读取DNA数据信息的人工智能，旨在协助医生和患者尽早发现疾病，并且拿出最为适宜的医治方案。
迄今为止，Vector Institute曾经从省政府和联邦政府拿到了超越1亿美元的资金支持。另外，还从30多家公有协作同伴手中拿到了8000万美元的资金支持，其中包括加拿大各家主流银行、加拿大航空公司、加拿大知名电信运营商Telus和搜索巨头谷歌等等。也就是说，如今的Vector Institute曾经成为一家综合研讨机构。除此之外，在人才配置上，Vector Institute目前曾经募集了20位迷信家。这些迷信家研讨的，都是一些难度较大的技术成绩。比方说，如何应用人工智能技术诊断易发于儿童的癌症、检测话语才能妨碍；再比方说，如何应用机器协助人类进步视力，到达植物的视力程度等等。Raquel Urtasun就是Vector Institute雇来的重要人才，平常次要担任实验室和Uber之间的协作，次要研讨对象是无人驾驶汽车。
其实，在现如今这个世界，大家对人工智能的狂热追求，并不只仅是由于金钱。更重要的，还是这项技术给我们的日常生活所带来的便当。但是，从最开端的翻盖手机，到如今可以停止人脸辨认的iPhone 10，也只不过是隔了十年不到的工夫。所以说，将来人工智能终究给我们的生活带来什么样的影响，还是一个很大的未知数。因此，不少迷信家就对此发生了担忧，其中包括霍金、埃隆·马斯克和比尔·盖茨。他们都已经针对这项技术给出过正告，以为一旦人工智能挣脱可控范围，那将带来较大风险。
当然，大少数人关于这项技术还是持有积极态度的，Hinton也是如此。用他的话说：“就我团体而言，人工智能将会让我们的生活愈加便当。大家口中这项技术能够带来的影响，其实与这项技术自身是没有关系的，而是与整个社会的组织方式有关。所以，假如某项技术的确可以进步社会消费力，那么就应该让大家共享它的效果。”