从“弃儿”到大神，神经网络之父Hiton说人类就是非常精美的机器

编者按：本文系网易智能（ID：smartman163），选自：TorontoLife ，作者：KATRINA ONSTAD。编译：网易智能，参与：李擎。36氪经授权转载。

30多年来，Geoffrey Hinton一直徘徊在人工智能研究的边缘地带。他就像一个局外人一样坚持着一个简单的观点：计算机可以像人类一样思考——用直觉而不是规则。

Hinton在青少年时期就萌生了这个想法，当时一个朋友向他描述了全息图的工作原理：入射光线被物体多次反射，然后这些信息被存储进一个庞大的数据库中。Hinton来自于一个科学家世家，他当时立刻就想到了人类的大脑也是这样工作的——我们大脑中的信息通过一个巨大的，由神经元图谱连接起来的细胞网络传播，在多达十亿条的路径上发射、连接和传输。令他好奇的是：计算机能不能也像这样工作？

根据主流学术界的说法，答案是绝对否定的。他们说，计算机在规则和逻辑方面做得最好。在当时，Hinton提出的被称为“神经网络的概念”当时被证明是错误的，但是，后来我们都知道这成为了“深度学习”和“机器学习”的基础。在50年代后期，康奈尔大学的科学家弗兰克·罗森布拉特（Frank Rosenblatt）发布了世界上第一台神经网络机器。它被称为感知机（Perceptron），执行一个简单的任务——识别图像。从理论上讲，你给感知机展示一个苹果的图片，它就会说出这是“苹果”。感知机运行在IBM的主机上，而且它的样子非常丑。它看上去就是一团纵横交错的银线，就像是有人把炉子过滤板的内胆粘在了冰箱门上。尽管如此，这个机器还是激发了人们的科学幻想。1958年，纽约时报发表了一项预测，认为它将是第一个像人脑一样思考的装置。“感知机将能够行走、说话、观察、书写、自我复制，而且能够意识到它自己的存在。”

但最终感知机并没有行走或者说话，它几乎不能分辨左右，然后它变成了一个笑话。于是，当时的大多数学术圈都把神经网络除名在外。然而，Hinton并没有退缩。他说：“大脑必须以某种方式工作，但肯定不是事先编好的程序。我们没有被编程，我们有常识。”他认为，神经网络的想法并不是错误的，主要的问题是计算能力。当时的电脑无法处理数百万张图片，而要想让计算机发掘出图片的意义，大量的训练是必要的。当时的样本容量实在是太小了。

Hinton于1972年开始在爱丁堡大学攻读博士学位，研究方向是神经网络。每周，他的导师都会对他说，你是在浪费时间。但Hinton还是坚持继续研究。在当时，神经网络确实取得了一些小小的成功。后来的事实证明，它在发现信用欺诈方面很有用。

博士毕业后，Hinton在匹兹堡的卡耐基梅隆大学找到一份工作。Hinton是一个骄傲的社会主义者，他当时被里根政府的外交政策深深困扰。他的妻子Ros是一名分子生物学家，也是伦敦大学学院的前教授。他们计划收养来自南美洲的一个男孩和一个女孩，所以不想让孩子在卷入血腥的拉美冲突的国家里长大。另外，美国的大部分人工智能研究都是由美国国防部资助的，Hinton对此也不满意，因此他接受了加拿大高级研究所（CIFAR）的邀请。

CIFAR为Hinton提供了学术自由和体面的薪水。1987年，他和妻子Ros搬到北方，在多伦多的Annex安顿下来。尽管从未学过计算机课程，但Hinton还是在多伦多大学计算机科学学院接受了一个职位，并在CIFAR展开了机器和大脑学习项目的研究。他在多伦多大学圣乔治校区的桑福德·弗莱明大楼里有了一间小办公室，安静地开始工作。

渐渐地，一些相信深度学习的人都加入了他的团队。其中就包括Ilya Sutskever，他现在是OpenAI的联合创始人兼董事，OpenAI是埃隆·马斯克参与创立的人工智能非盈利项目。他还记得2000年前后在Hinton的实验室工作的时光。他说，当时还是“人工智能冬季”，有10个左右的学生在Hinton的实验室做研究，那时人工智能研究领域的工作和资金都很匮乏，而且来自行业的资助也越来越少。“我们是局外人，但我们觉得我们有一种罕见的洞察力，觉得我们与众不同。”Sutskever说。

2009年左右，当计算机终于有能力挖掘海量数据时，超级神经网络开始在语音和图像识别方面超越基于逻辑的人工智能。业界很快注意到了正在发生的变化，大型科技公司包括微软、Facebook、谷歌等都开始在这一领域投资。2012年，谷歌公司的绝密实验室Google X（现在名为X），宣布建立一个由16000个电脑处理器组成的神经网络，并将其用在YouTube上。该公司的深度学习人工智能部门Google Brain的工程师们，由该部门的高级研究员Jeff Dean领导，从YouTube上提取了数百万个随机的、没有标签的视频，输入到这台新的超级计算机中，并通过编程使其能够理解所看到的内容。YouTube上有很多关于猫的视频，神经网络成功地从其他各种东西中认出了猫。这是人工智能领域一个激动人心的时刻。“我们在训练中从来没有说过，‘这是一只猫’，”Jeff Dean当时说，“它基本上是自己发明了猫的概念。”

这一突破性的进展使得Hinton和他的助手们成为了人工智能浪潮中的领导者。2013年，Jeff Dean把Hinton招进了谷歌。Sutskever说：“我们本来就不在体制内，努力证明传统观点是错误的。有趣的是，现在我们已经成为了体制的建立者。”Hinton的观点曾被业界抛弃，而突然间他却成了行业里最重要的人物，从默默无闻变成了明星。

“我之所以能产生巨大的影响力，是因为我是极少数相信这种方法的人之一，而且那些相信这个方向的学生也加入了我，和我一起工作。我必须从他们当中选出那些有良好判断力的人，”他笑着说，“好的判断力意味着他们同意我的意见。”

Hinton在多伦多大学的办公室能俯瞰到学校中心的干道。他一边走动，一边吃着三明治，一边在白板上画画，讲述神经网络的巨大知识。他说，如果必须把狗和猫定义成两个不同的性别，他停下来画了一只猫（形状像雪人，有两个小耳朵），从我们的文化来看，可能会把狗看成是雄性的，而猫是雌性的。在这个定义中没有逻辑可言（还很性别歧视），但是，Hinton说，我们的联想和类比告诉我们，狗是好斗的、毛茸茸的、粗笨的；猫是狡猾的、聪明的、温顺的。前者有雄性的特征，后者有雌性的特征。这背后的原因不能用逻辑来证明，但它确实存在于我们的大脑中。

关于机器可以凭直觉感知这些相同表象的想法有一种诗歌般的吸引力：知识来源于生活中积累的意义和经验，是一种存在的神秘物质。这就是神经网络的美妙之处。“这更接近于弗洛伊德的理论，意识的薄层、谨慎的推理以及其下所有沸腾的东西。下面这些沸腾的东西并不是有意识的推理，而是别的东西，起类比作用的东西。”Hinton说。

他不断地重申着这一基本理念。去年秋天的Google Go North大会上，加拿大总理贾斯汀·特鲁多（Justin Trudeau），创新部长Navdeep Bains，以及谷歌母公司Alphabet的执行董事长埃里克·施密特（Eric Schmidt）等人像热切的学生一样坐在桌前，而Hinton一直站着，俯瞰着这些知名人士。

他从来不坐着，因为他的脊椎上有一个突出物。第一次出现问题是他在19岁时帮母亲搬一个很重的加热器的时候，并且他在代谢预防骨质疏松症的钙方面也有遗传缺陷。随着时间的推移，问题变得越来越严重。最终，坐着变成了一件很痛苦的事情，所以，他从2005年开始就不再坐着了。当然，这并不是一个理想的解决方案。尤其是Hinton每年需要在全球无数次会议上出席或发言。Hinton有办法从多伦多到赫尔辛基，而一直不坐下。这一共需要11天。

图：Hinton在2017年举行的Go North科技会议上，与特鲁多总理等人讨论机器学习的问题。

“先躺在一辆公交车的后座上到布法罗。然后在法布罗换乘一辆芝加哥到纽约的卧铺车，接着搭乘玛丽女王号邮轮到南安普敦。然后站到伦敦，再乘欧洲之星站着到巴黎。在巴黎坐卧铺到柏林。然后搭乘一辆旧的火车到罗斯托克，它坐落于海岸线上，以前属于东德。然后你就可以乘渡船到达赫尔辛基。”这就是Hinton平常的说话方式：把数据切分成易于理解的一个个部分，他的目光聚焦在远处，嘴角挂着微笑。

在Go North会议上，Hinton对他和两名谷歌工程师的最新突破“胶囊神经网络（capsule networks）”做出了简洁而清晰的解释。神经网络依赖于海量的数据来学习，需要很长时间才认识到从不同角度观察的对象是同一个物体。胶囊是一种人造神经元组成的层，能够跟踪物体的各个部分之间的关系，使识别更快更准确。比如说，从一个人的鼻子到嘴巴之间的小空间。在科技界，胶囊网络受到了人们的热烈欢迎。纽约大学一位从事图像识别工作的教授对连线杂志说：“每个人都在等待着它，并期待着Hinton的下一个大的飞跃。”

图：在Go North大会上，Hinton和纽约时报的Cade Metz讨论胶囊理论图：在Go North大会上，Hinton和纽约时报的Cade Metz讨论胶囊理论

这一突破在发生在多伦多，对于这个城市来说是一件大事。在Hinton的努力下，每一家大型科技公司的人工智能专家都在争先恐后地在深度学习中做出下一个变革性发现。由于Hinton对人工智能的研究方法先前并不流行，许多这方面专家都是在Hinton身边接受培训的：与其说“学生成为老师”，不如说“老师成为了对手”。数十名Hinton过去的学生在Facebook、谷歌、苹果和优步以及学术界都声名鹊起，他们在学术界传播了神经网络的知识，形成了他们自己的生活方式。他们还记得Hinton是一名受欢迎的教授，因为他和学生一起工作，而不是把工作分派出去；他为了打破深夜研究的紧张气氛，他会把葡萄放在嘴里，向后仰头，然后把葡萄一个一个吐到空中再接住，把学生逗乐。

在过去的十年里，多伦多的人才不断流失，当地的创业公司被硅谷吞并，而多伦多大学的深度学习社区也面临危机。典型的人工智能专家，甚至是新手和刚毕业的大学生，都可以在硅谷找到工作，年薪从30万美元到50万美元不等，股票期权超过百万美元。多伦多必须弄清楚如何利用Hinton的存在，吸引他的精英部队留在、或者回到他们最初学习的地方。因此，多伦多创建了一个价值数百万美元的实验室——矢量研究所（Vector Institute），由Hinton担任首席科学顾问。因为受到了与Hinton合作的承诺的吸引，许多人工智能领域的领军人物聚集到了这里。Hinton与矢量研究所的合作听起来是个妙计，但加拿大在此之前已经失去了领先优势。在加拿大科技公司北电和黑莓经历了痛苦的解体后，矢量研究所成为了下一个希望。

在Hinton成长的过程中，他的母亲给了他两种选择：“要么成为一名学者，要么就做个失败者。”Hinton家族的家谱上，科学家占了很大的比例。他的高祖父是布尔逻辑创始人乔治·布尔（George Boole），任何用过“布尔检索”的人都很熟悉他。乔治布尔的女婿之一Charles Howard Hinton是Hinton的曾祖父，是一位数学家和科幻作家，他创造了“超立方体（tesseract）”的概念（一个可以在三维世界中看到的四维物体——所有熟知著名儿童小说《时间的皱纹》的人都听过这个概念），Charles生活在维多利亚时代的英国，由于重婚罪而逃到了美国。Charles的儿子，也就是Hinton的祖父，定居在墨西哥，所以Hinton家族在墨西哥也有分支。Geoffrey Hinton的中间名是Everest，这个名字来源于他高祖母的叔叔、地理学家Everest，珠穆朗玛峰就是以他的名字命名的；而寒春（Joan Hinton）是Hinton父亲的表亲，她是一位核物理学家，曾经参与曼哈顿计划，在上个世纪60年代居住在中国。她的父亲发明了儿童攀玩架jungle gym。

Hinton于1947年出生在英国温布尔顿，他的父亲Howard Hinton是一名昆虫学家，母亲Margaret Clark是一名教师。Hinton所描述的自己的童年时期，就好像拿着显微镜的丹尼尔·韩德勒（lemony Snicket，美国作家及编剧）、哈克贝利·费恩和美国喜剧电影《天才一族》（The Royal Tenenbaums）的综合体。

他和他的三个兄弟姐妹在一间住满各种动物的大房子里长大。他家里有一只猫鼬，占了很大的空间，车库的洞坑里还养了毒蛇。小时候的Hinton曾经在坑边挥动手帕吸引那些毒蛇的注意，其中一条蛇差点咬到了他的手，Hinton险些因此丧命。1961年，他的父亲去中国的巡回演讲时带回来了十几只中国海龟，Hinton曾经帮忙照顾它们。虽然当时的中国实际上不对外国游客开放，但当时前加拿大总理皮埃尔·杜鲁多（Pierre Trudeau）也到访中国，当时他和Hinton的父亲住在同一家酒店，共用一个卫生间。根据Hinton家族的传说，当时Hinton的爸爸把这些海龟养在浴缸里，至少有一次打破了特鲁多洗澡的计划。

图：8岁的Hinton在布里斯托动物园抱着一条蟒蛇图：8岁的Hinton在布里斯托动物园抱着一条蟒蛇

Hinton回忆起他的好奇心被激发的那些时刻。他四岁的时候，和母亲一起乘公共汽车在乡间旅行。公共汽车的座位向后倾斜，朝向行李架。Hinton从口袋里掏出一枚硬币，放在座位上，但它没有向后面滑去，而是滑向了前面，似乎在对抗重力向上移动。这个不可思议的硬币刺激Hinton的想象力长达10年。当他还是个青少年的时候，他发现硬币的运动与天鹅绒坐垫套以及巴士与座套纤维倾斜方向相反的振动有关——这是一个非常令人满意的结论。“有些人完全有能力发现他们不理解的东西，但对此熟视无睹。但这些违背了我所认知的世界的东西，我一定要弄清楚。”Hinton说，“我实在忍受不了这样的事情。”

Hinton的母亲非常和蔼，但他的父亲却有些令人生畏，不仅表现在身体上（他可以单手做引体向上），还是在智力上。“他喜欢那些思路清晰的人，如果你说了一些废话，他就会称其为垃圾。他不是那种很多愁善感的人。我不是说他会虐待人，但他的脾气非常强硬。”Hinton中学就读于一所名为克利夫顿学院的私立学校，“并不是什么顶尖学校，”他说，他和他的朋友Inman Harvey曾经在周围的村子搭车四处玩耍，Inman Harvey现在是计算机科学家、苏塞克斯大学的人工智能访问研究员。

“Geoff的父亲对我很好，但他是一个爱出风头的父亲，非常争强好胜，”Harvey说，“Geoff继承了这一点。他的父亲是皇家学会的成员，后来Geoff也成为了皇家学会的成员。他可能感觉到了父亲对他的殷切希望。”

Hinton的青年时期与六七十年代的自由放任并不相符，他为了达到家族对他的期望，选择了一条曲折的道路。1966年，在大学之前的暑假，Hinton和Harvey在美国和墨西哥背包旅行。

这两个年轻人没有多少钱，他们有时会乘夜车来省下住酒店的费用。在墨西哥南部的一个小渔村，他们在高高的海浪中游泳时，把一个行李袋留在了海滩上，结果他们的钱和护照都被偷了。每天下午，他们两个都要步行7公里到最近的村庄，看他们的旅行支票是否已经送到了银行。他们仅仅用3美元就能生存一周，还曾试图在高温下把香蕉皮放进罐子里做香蕉汁——事实证明这是一个失败的实验。

在70年代，Hinton完成了他的实验心理学的学位后，Hinton做了一些零工和木工活。1972年，他开始攻读人工智能博士学位，但对自己的学业感到沮丧和矛盾。有一个周末，他参加了一个研讨会，有点类似EST-y，是那种自我实现疗法会议。他讨厌这个活动。当时一共有八个人，互相敞开心扉，讨论他们的渴望和追求。在最后一天，每个与会者都必须向大家他们在生活中真正想得到的东西。大家都在说，他们真的想得到别人的爱。“都是些原始的和不受约束的东西，”Hinton回忆道。他僵住了，不知道该说什么。当其他人在人群中四处走动，大声说出他们的秘密愿望时，Hinton惊讶地发现：“我真正想要的是一个博士学位！”他大声吼了出来。这一宣言重新点燃了他对神经网络研究的热情。

图：31岁的Hinton在加利福尼亚州拉霍亚市，旁边是加州大学圣地亚哥分校认知科学的博士后研究员Chris Riesbeck。

当被问及在这个非凡的家族历史的阴影下成长有何感觉时，Hinton说：“压力。感觉非常有压力。”他说，他一生都在与抑郁和沮丧作斗争，工作是他放松的方式。当深度学习获得成功的时候，他的压力稍微减轻了一些。“很长一段时间，”他说，“我都觉得自己不好……好吧，我终于成功了，这是一种巨大的解脱。”

当他面对学术上的冷漠而埋头苦干时，他在90年代遭遇了另一个打击——他成为了一个单身父亲。在他和他的第一任妻子Ros收养了他们的孩子后不久，Ros就患卵巢癌去世了。Hinton曾经习惯于沉浸在自己的思想中和实验室里，但他一下又回到了要抚养两个孩子的现实世界。他的儿子患有注意力缺陷多动症（ADHD）和其他学习障碍，即使有保姆，Hinton也必须在下午6点回到家，陪伴自己的儿子，然后冲到Gap买促销的袜子。

“我无法想象一个有孩子的女人如何能有一个学术生涯。我已经习惯了把时间花在思考上。”

“教育很有趣，但也有一点分心，而余下的生活——我没有时间去过，”Hinton说。“但有了小孩子之后，这根本就不行。”尽管如此，工作还是为他提供了一个避风港。Hinton说：“我有时会觉得，我在用数字和数学来作为我的情感上的防御。”养育子女使他的想法发生了改变。“以前我去超市的时候，收银员连两个数字的加法都不活做，我想：“看在上帝的份上，为什么他们不能雇一个能做算术的收银员呢？””现在我会想：“超市能雇佣这个人，真是太好心了。”他补充道：“我没有想成为一个更好的人，这只是碰巧发生了。这其实并不是我的目标。”

图：1997年，他和第二任妻子Jackie在Annex举行了婚礼，旁边是他的两个孩子，8岁的Thomas和6岁的Emma。

1997年，Hinton再婚，妻子是英国艺术史学家Jackie。三年前，她被诊断出患有胰腺癌，而现在Hinton正处于失去第二个妻子的边缘。Hinton的一生中在医院里里度过了许多时光。他提出的问题经常惹恼医院的工作人员。他知道病人在等待结果时收到模糊信息的挫败感。但与大多数人不同的是，他知道，很快就会有一种技术，可以在把需要等待一周的测试结果缩短到一天。

作为一个克制的英国人，Hinton通常会把传播AI知识的机会留给其他人，但Hinton对于深入学习改革医疗保健的潜力是充满热情的。这个话题能够让他兴奋起来，但飞行汽车就不能吸引他的兴趣。“我发现医疗专业人员使用数据的效率低下。在病人的病史中，还有很多信息没有被使用。我发现医生们真的不能很好地阅读CT扫描。如果你让两个放射科医生看同样的扫描结果，他们会作出两种不同的解读。”

医务人员曾三次根据CT扫描结果告诉他的妻子，她有继发性肿瘤，但每次都是误诊。Hinton相信人工智能最终会让放射科医师失业——或者至少取代阅读图像的工作。识别是人工智能的核心，也是成功诊断和治疗的核心。“最终，人工智能工程师将会知道如何训练你的免疫系统来攻击癌细胞，”Hinton说。

矢量研究所由Hinton发起的第一个项目，将把神经网络连接到多伦多医院提供的海量数据中。最近，Peter Munk捐赠1亿美元给以他的名字命名的心脏护理中心时，这笔资金已被指定用于让这家医院成为数字心血管健康领域的世界领先者，而矢量研究所也将获得部分资金。

通过访问像Munk护理中心这样的研究所的大量数据集，人工智能技术实现许多突破，包括远程监控病人的心跳，以及帮助医生确定出院的理想时间。多伦多初创公司Deep Genomics是矢量研究所的合作伙伴之一，该公司正在开发能够读取DNA的人工智能技术，这将有助于早期发现疾病并确定最佳治疗方案。Deep Genomics的创始人Brendan Frey是Hinton的学生。

在经历了几十年的缓慢发展之后，深度学习正在迅速发展，而Hinton似乎陷入了类似《罗伦佐的油》中的困境当中，迫切地希望推动科学向前发展，试图超挽救所爱的人的生命。

但是胰腺癌非常残酷，而且在早期很难诊断。“恐怕她等不到那个时候了。”Hinton说。

Yoshua Bengio是加拿大蒙特利尔大学的一个深度学习先驱，他与Hinton和Facebook的Yann LeCun一道，在科技圈里被称为“人工智能三巨头”。几十年来，当Bengio在多伦多有工作要做的时候，他就住在Hinton在Annex的房子里，和他一起散步（Hinton到哪里都是走路，因为他只有站着的时候背才不会痛，而乘车需要坐着）。他看着Hinton一路达到今天的科技名人地位，但同时也有些担心。“他不是上帝，他也是会犯错的。他只是一个普通人，做着普通人会做的事情。”Bengio说。有时他可以透过黑暗看清事物，但他的个人生活对他来说并不容易。他也有他的黑暗时代。”

去年9月的时候，Hinton和他的妻子在他们位于Muskoka的别墅里住了几天。当时那里是一年中最美丽的时候。他说：“她非常勇敢，非常明智，所以她只是觉得自己有了更多的时间，她决心把时间花在最好的地方。”然后Hinton问我能不能帮他一个忙。“我非常希望你能提一下，我过去的两年半里能够继续我的工作，是因为我的妻子对她的癌症有着非常积极乐观的态度，”Hiton平静地说，“非常感谢你。”

矢量研究所是多伦多大学解决人工智能人才流失的方案，它似乎还留存着许多新鲜感。它是加拿大最新的人工智能研究机构，位于MaRS创新中心综合大楼里，于去年秋天开放。研究所的玻璃幕墙对面是皇后公园和多伦多大学，两者都是矢量研究所的合作伙伴。

矢量研究所拥有超过1亿美元的地方和中央资金支持，还有来自30多个私人合作伙伴的8000万美元，包括加拿大的大型银行、加拿大航空、泰勒斯电信和Google等，它是一个公私混合的机构，混合了学术界、公共机构和企业界的力量。研究所迄今已经雇佣了20名科学家，他们正在为解决世界上一些重大的问题寻求技术答案：人工智能如何被用来诊断儿童的癌症，并在言语中检测痴呆症？我们怎样才能造出机器来帮助人类拥有动物一样的视力，又能创作优美的音乐，或者利用量子计算来加速分析人类每天产生的海量数据。矢量研究所的主要员工之一Raquel Urasun同时在研究所和Uber工作，她在那里开发自动驾驶汽车。

在今天，围绕人工智能的狂热不仅与金钱有关，还与人工智能融入日常生活的快速步伐有关。从翻盖手机到具有人脸识别功能的iPhone X，中间不过10年，很多科学家担心这项技术发展太快以至于超出了我们的控制范围。斯蒂芬·霍金、埃隆·马斯克和比尔·盖茨都曾警告过失去控制的人工智能会带来的危险。“我担心人工智能可能会完全取代人类。”霍金最近说。

Hinton明白这其中的道德含义：他签署了一份请愿书，要求联合国禁止使用致命的自主武器，也就是所谓的“杀人机器人”，并拒绝了加拿大通信安全局的董事职位，因为担心人工智能可能存在的安全滥用问题。他认为，政府需要介入并制定相关法规，防止军方利用他毕生致力于完善的技术——尤其是要防止军队开发杀人机器人。不过，Hinton在很大程度上对“AI焦虑”保持乐观。“我认为它会让生活变得更容易。人们谈论的潜在影响与技术本身无关，但与社会的组织形式有关。作为一名社会主义者，我认为当技术进步，生产力提高时，每个人都应该分享这些成果。”

去年夏天，Hinton在市中心的Google食堂吃午餐。这里拥有大多数科技公司标配的日间美容室，还有阿米巴沙发和一系列健康午餐，许多不到30岁的人在那里用餐。在露台上，有一个小型的高尔夫球场和一个授粉蜂箱。一台浓缩咖啡机发出响亮的声音。很难想象这是机器入侵开始的地方，但是……

Hinton站着吃着他的藜麦和鸡肉，他说：“计算机接管世界的末日场景，在很长一段时间内都不会发生。我们离这类事情还有很长一段路要走。对哲学家来说，思考这个问题很好，但我对这个问题不是特别感兴趣，因为这不是我人生中必须要处理的问题。”Hinton说话时永远都面无表情，所以很难判断他是不是在开玩笑。

但是，这种对机器的依赖对我们产生了怎样的影响呢？我告诉他，每当我的手机给我一个消息回复提示（“听起来不错！”“到时候见！”）的时候，我都会觉得有些无力，我感觉自己变得机械化了。从2001年开始，流行文化就一直在阐述这种忧虑，就像《2001太空漫游》里描绘的那样。在娱乐圈，机器的进步被解读成了一种个人的孤独，一种损失。就好像，机器变得更人性化，我们就变得不那么人性化了。

Hinton听着，并没有不友好地看着我，而是带着一丝怀疑。“当你用袖珍计算器的时候，你会不会觉得自己不那么像人类？”他问道。在他周围，谷歌的千禧一代正吃着沙拉，喝他们的咖啡，他们的门禁卡在臀部周围摆动。几乎所有的人都在正在看手机，或者是拿着手机。

“我们就是机器，”Hinton说，“只是以生物上的方式产生的而已。大多数人工智能领域的人对这一点毫不怀疑。我们只是一台非常精巧的机器。我不应该说“只”。我们是特别的、了不起的机器。”（完）