寒冬中的坚持

      杰夫·欣顿博士毕业不久，AI刚好迎来第二次高潮。一直在神经网络领域耕耘的他并没有感到好时光到来，因为那个时代符号学派占了上风，名噪一时的专家系统、智能推理机，都是符号主义的胜利。而到了AI的第二次寒冬，所有的AI项目却都受到重创，神经网络也如此。

      人工神经网络想法非常好，研究成果也大量出现。但随着对人脑研究的深入，人们发现，人脑的确是宇宙中最复杂的精灵之物，模仿人脑的人工神经网络系统，谈何容易。

      一个人类的大脑保守估计有1000亿个神经元。人们常常比喻人脑像一台电脑，实际上每一个神经元都是一台电脑。每一个神经元有无数突触与其他神经元相连，估计突触的数量在100万亿到1000万亿之间。谷歌大脑是最著名的人工神经网络系统，即使在今天，目标也不过是达到大脑某一部分的功能。

      由于人工神经网络的高度复杂性，这一研究方向一度被认为是学术死路。在AI第二次进入低谷时，很多同行开始转去研究别的领域，但是欣顿等人仍然在这里坚守，他因而被视为不可理喻的怪人，说起神经网络，人们都用不屑的眼神看着他。尽管欣顿在人工神经网络领域硕果累累，并在1998年被选为英国皇家学会院士，还获得了很多其他荣誉，但仍不能扭转人们的偏见。很长一段时间里，多伦多大学计算机系私下流行着一句对新生的警告：不要去欣顿的实验室。

      欣顿不为所动，仍然坚持自己的神经网络研究方向。据说他有一种激励自己的特殊方法，每周发泄般大吼一次：我发现大脑是怎样工作的啦！这样的习惯，几十年一直保持下来。

      在神经网络相关学术论文很难得到发表的那段时间，他坚持写了两百多篇研究论文，为后来的突破打下了坚实的基础。科研经费又成为他的大问题。但功夫不负有心人。2004年，欣顿终于从加拿大高等研究所（CIFAR）获得了每年50万美元的经费支持，如果和日本五代机等知名AI项目得到的巨额资金相比，这实在是一笔微薄的经费。但是，名为“神经计算和适应感知”的这一项目，在乐昆和本希奥两位志同道合者的良好合作下，他们将一批一流的计算机、生物学、电子工程、神经科学、物理学和心理学专家团结在一起，共同探索神经网络模拟人脑智能的新方法。