导语
杰弗里·辛顿（Geoffrey Hinton）被誉为“AI教父”，他的研究为现代深度学习奠定了基础，并因此荣获诺贝尔物理学奖。然而，他的学术之路并非一帆风顺，甚至一度辍学去做木匠。在本次专访中，辛顿回顾了自己充满“混乱”却始终由好奇心驱动的求学与研究历程。他分享了驱动其一生的核心问题——理解大脑的工作原理，以及这一追求如何最终引导他走向神经网络研究，并预言了AI在医疗等领域的巨大变革潜力。对于年轻学子，他强调了追随好奇心、敢于质疑权威和寻找“不对劲”之处的重要性。
AI教父：好奇心驱动，从木匠到诺奖的跨界之路
本文基于对AI教父杰弗里·辛顿的专访，梳理了他从剑桥大学辍学、尝试多个专业、成为木匠，最终因对大脑工作原理的好奇投身AI研究，并推动神经网络革命的非典型学术旅程。访谈中，他分享了驱动其研究的核心问题、对失败的看法、对AI未来的预测，以及对年轻学子的建议。
大纲与深读 8 章
展开「深读」看每一段讨论的问题与论据。
01
混沌的起点
- 初入剑桥因竞争激烈而退学，随后尝试建筑学，最终回归科学
- 本科阶段涉猎物理、生理学、哲学和心理学，发现数学是物理短板
- 因对理解心智运作的执着，不断更换专业方向
深读这一段
讨论的问题：早期学术生涯的波折如何塑造了后续的研究方向？
论据 / 案例：剑桥退学经历；物理因数学不佳而放弃；转向哲学与心理学以探求心智
02
转向人工智能
03:30- 认定理解大脑是理解心智的关键，心理学未能满足需求
- 选择人工智能领域，认为构建模拟是理解心智的有效途径
- 坚信当时主流AI对智能的理解（基于逻辑和符号推理）是错误的
深读这一段
讨论的问题：为何选择AI作为理解心智的突破口？
论据 / 案例：认为心理学无法解释大脑工作原理；AI允许构建和模拟心智
03
童年好奇与科学思维
06:00- 儿时观察到公交车上硬币沿倾斜座位“上坡”的“不可能”现象
- 多年后理解是引擎振动与天鹅绒纤维结构导致的棘轮效应
- 从小痴迷于观察和思考看似不可能的事物
深读这一段
讨论的问题：童年经历如何体现了驱动其一生的科学好奇心？
论据 / 案例：公交车硬币上坡的观察与物理解释
04
关键实验与理论雏形
07:00- 本科心理学实验中，一个五岁孩子指出实验设置错误
- 该事件让他意识到传统心理学理论的局限性
- 萌生了需要构建能展现类似理解力的模型的想法
深读这一段
讨论的问题：哪个实验时刻深刻影响了其对认知科学的理解？
论据 / 案例：儿童认知实验中孩子对“错误颜色”的评论
05
发现异常与坚持
12:00- 从日常细节中发现异常，如牙医指令“咬合”的矛盾之处
- 观察到生物消化道与呼吸道拓扑结构的“不合理”之处
- 认为科学始于对他人习以为常之事的质疑与深究
深读这一段
讨论的问题：如何从平凡事物中发现值得深究的科学问题？
论据 / 案例：牙医“咬合”指令的语义矛盾；消化道与呼吸道拓扑结构的差异
06
神经网络的验证时刻
16:00- 2012年ImageNet竞赛标志着神经网络在计算机视觉领域获得决定性验证
- 结束了计算机视觉领域对神经网络的长期排斥
- 证明了通过学习训练系统能超越人工编程的方法
深读这一段
讨论的问题：哪一事件让业界广泛认识到神经网络的潜力？
论据 / 案例：2012年ImageNet竞赛成果
07
诺贝尔奖与AI影响
22:00- 获得诺贝尔奖后生活变化，常被路人认出并要求合影
- 认为AI短期可能增加能耗加剧气候问题，但长期将助力设计新材料、太阳能板等解决方案
- AI在医疗诊断、药物设计等方面潜力巨大，可能显著提升医疗质量
深读这一段
讨论的问题：获得诺贝尔奖后的生活有何变化？对AI的未来影响有何判断？
论据 / 案例：诺贝尔奖后的生活变化；AI在气候与医疗领域的潜在应用（如蛋白质折叠研究）
08
给学生的建议
30:00- 真正的激情无需“发现”，若需刻意寻找则可能并非真正所爱
- 选择导师时可关注其学生中成为教授的比例
- 原创想法常源于察觉并深究他人做法中的“不对劲”之处
深读这一段
讨论的问题：如何寻找学术激情并规划学术生涯？
论据 / 案例：选择导师的参考标准；对日常异常保持敏锐
金句
- "I always believed that we had to understand how the brain worked, to understand how the mind works."
- "As long as you follow your curiosity, you're going to be fine."
- "Original ideas come from noticing that people are doing things wrong or that you think people are doing things wrong."
- "I think if you have to figure it out, you're not really passionate about it."
- "We're not [rational beings]. We're great big analogy machines. We work by seeing analogies."
原文链接
=== SUGGEST
- topic: 学术路径选择 | stance: 好奇心驱动，追随核心问题 | quote: "I always believed that we had to understand how the brain worked, to understand how the mind works." | date: 2025-04-25
- topic: AI研究范式 | stance: 坚持神经网络，挑战符号主义主流 | quote: "Most people in AI believed that... reasoning must be done like logic... I thought they were doing AI all wrong." | date: 2025-04-25
- topic: 面对学术挫折 | stance: 允许试错，回归好奇心 | quote: "As long as you follow your curiosity, you're going to be fine." | date: 2025-04-25
- topic: AI伦理与影响 | stance: 需要人文关怀指导技术发展 | quote: "As we develop new technologies, we need the humanities to make sure we consider how they affect people and people's lives." | date: 2025-04-25
- topic: 未来预测（医疗AI） | stance: 积极，认为将极大提升诊断水平与医疗可及性 | quote: "I think it's going to make a tremendous difference in the quality of healthcare you get... it's not going to put people out of work... you'll just get a lot more healthcare." | date: 2025-04-25
↗完整内容见原文：GAGATalk · AI教父：好奇心驱动，从木匠到诺奖的跨界之路
