Neil Zhu，简书ID Not_GOD，University AI 创始人 & Chief Scientist，致力于推进世界人工智能化进程。制定并实施 UAI 中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。
作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早的人工智能社团）, DL Center（深度学习知识中心全球价值网络），AI growth（行业智库培训）等，为中国的人工智能人才建设输送了大量的血液和养分。此外，他还参与或者举办过各类国际性的人工智能峰会和活动，产生了巨大的影响力，书写了60万字的人工智能精品技术内容，生产翻译了全球第一本深度学习入门书《神经网络与深度学习》，生产的内容被大量的专业垂直公众号和媒体转载与连载。曾经受邀为国内顶尖大学制定人工智能学习规划和教授人工智能前沿课程，均受学生和老师好评。
魔法已进入我们的生活。今日，在众多美国人口袋中那薄薄黑色的板子在某种程度上，已经能够理解和参与我们的决策。链接到数字云，以及更高处的卫星，深挖个人的数据，它们倾听并帮助解析我们的语言，使用相机观察和标记现实。这个暑假，当我去Toronto大学参加一个活动从市中心的酒店出来走进微微冷清的夏末秋初的大街上时，我的手机已经告诉我方向在哪。我问它在路上哪里有咖啡卖，它也告诉了我。这个机器到底知道什么？它是怎么得知这些信息的？对于一般人，一种前所未有的差距出现在使用技术和理解技术之间。机器是如何工作的？正如我所发现的，没人能够确信地讲出来。但是当我拿着咖啡走路时，我遇上了最为权威的那位可以让人理解在机器和人所知的差距的那个人。
Geoffrey Hinton是火炬手，一位倾心学术的计算机科学家，他与一小群学者相伴，研究生涯贡献在人工智能的一个被抛弃很多次的方向上。他是独具慧眼的局外人。一个信仰者。同时也是一个隐晦的程序员，他将自己的想法隐藏在难懂的言语中来让他们通过同行评审。一位坚信尽管我们只是了解人类大脑的一小部分，这样获得的简单的模型也具有更多计算能力、较之严格的逻辑的灵活性和比传统人工智能的程序化知识的灵活性。他的想法和算法可能会对人类生活的几乎每个领域都有帮助。他是人工神经网络的大师。
这种网络，现在更多地被称作“深度学习”，已经在过去几年中产生了不可比拟的影响。他们曾出现在纽约时报的头版上。在处理语音、视觉和其他与人文科学相关的方面的适用都已经由于无处不在的移动设备大大提速，神经网络已经被Google、Facebook、Microsoft、Baidu和几乎任何你能够想象的其他技术领导者拥抱。在这些公司里，神经网络已被证实是一种从巨大的数据中获取有价值的信息并进行高效预测的一种方式：你如何让一个数据中心更加地节约能源？这位用户会不会在近期购买一辆汽车？技术公司激烈地争夺那些在开发神经网络方面有能力的员工，并把那些牛人从学术圈争取过来。去年，Google公司据报道已经花费了超过40亿美元在DeepMind上，这家公司并没有产品，只是拥有了一种将记忆增加进学习算法中的方法。在此之前，Google也购买了Hinton的关于undisclosed sum的服务。
If you want to understand how the mind works, ignoring the brain is probably a bad idea.
看起来并没有技术的裂痕，可以感受到深度学习的蔓延。数月以来，在我inbox中堆起来的通知：深度学习识别出自闭症基因。深度学习可自动描述图片和视频的内容。深度学习在大型强子对撞机中识别出粒子。深度学习为汽车和机器人导航。
在每个通知中，深度学习都悄悄地将人工智能推入公众视野，尽管不总是会有明显的效果。我们需要当心机器人革命出现么？有人说：不是现在；也许在50年后。这些程序员是不是疯了，他们真的以为自己在模拟大脑吗？不是。我们是不是在通向真正的智能机器时代？这其实取决于你如何定义智能。深度学习真的能履行它的宣传么？好吧……
这样的质疑声不断地出现，很多研究者警告如果不清楚这样做得最终后果，将会出现对所有人工智能的反对。纽约大学的领导Facebook AI研究团队的Yann LeCun教授说，这样很不好，AI这个领域曾经因为不实的过热宣传而中断数次。
这些严重的中断就是因为人工神经网络导致。在1960年代和之后的1980年代，人工神经网络领域的研究热度如坐上火箭一样飞速上升。而当其缔造者在意识到其达到了晶体管的极限后，迅速坠入谷底，无人问津。在这些黑暗的岁月，极少数热爱这个领域的研究者，如Hinton、LeCun，就沉寂了，他们被主流的学术世界忽略，一位与Hinton教授的长期合作者曾告诉我这段历史。几乎没人会期待有第三次复苏。很多人仍然担心出现又一次的黑暗。
然而，Hinton都一直是自信的。他曾经邀请我去多伦多了解一下这个领域久远的历史。大概有十年，他维持了一个一周的关于神经网络的暑期学校。当暑期学校进行时，我留下来了。记得是一个充满了枯燥的演讲和年轻人的大热天，大多数是男生，热情四溢地挤进这间教室。我发现Hinton在他的那间荣誉退休后继续使用的办公室中。坏了的后墙显得他格外高大。在他去加州Google中心的半年中，他总是乘坐火车。他的那扇门是用手写字进行装饰的，无法解读，是从一个印证神经网络早期成功的数据集拉取处理啊的一部分。
当然对于已经67岁的Hinton来说，现在还是值得为自己高兴得。那么多年处在被忽略的研究界外围，现在已经拥有一种连接任何与他相见的人的方法了。例如，在多伦多任教时，他会远离充满很多员工的市中心的Google办公室。他是唯一的研究者。偶而会有一个好奇的员工悄悄地走近并问：“您是干什么的啊？”
“你有一台Android的手机么？”Hinton就会说。
“当然。”
“其中语音识别很不错，是吧？”
“恩”
“哦，就是我设计的神经网络识别出你说的话。”
询问者一般都会陷入深思。然后问道：
“等等，你说什么？”
===
