10月11日消息，近来，“AI教父”杰弗里·辛顿（Geoffrey Hinton）因在人工智能范畴所作的贡献得到诺贝尔奖，这一消息引发了不小争议，也展现了社会在嘉奖创新时存在的更深条理题目。辛顿因其在人工智能范畴的开创性工作和推广反向流传算法备受赞誉。然而，人工智能专家尤尔根·施密德胡伯（Jürgen Schmidhuber）等品评者以为，这一奖项忽视了保罗·韦博斯（Paul Werbos）和甘利俊一（Shun-Ichi Amari）等人的底子性贡献。这两位学者几十年前的开创性工作为当代神经网络奠基了底子。韦博斯于1974年完成的博士论文和甘利俊一于1972年开辟的顺应性学习模子是这一范畴的紧张基石，但他们的工作在很大水平上被辛顿等着名度更高的人物掩饰。 作为科学界的最高荣誉，诺贝尔奖理应顾及各种贡献的完备性。在辛顿获奖这件事上出现的疏漏，反映出人们对创新本质的广泛误解。史蒂夫·乔布斯（Steve Jobs）和埃隆·马斯克（Elon Musk）等人物常常代表着孤独天才的神话，塑造了公众认知，让昨们误以为庞大突破都是在孤立环境下产生的。究竟上，大多数进步都是恒久积聚和互助的效果。固然辛顿所做的工作被承认当之无愧，但这也凸显出荣誉分配时广泛存在的缺陷：早期先驱的贡献每每会随着厥后的继续者崭露锋芒而被忘记。 这种题目不但仅存在于人工智能范畴，科技史上雷同的故事并不鲜见。乔布斯并不是独自觉明iPhone的。iPhone是智能手机不停创新的结果，就像苹果麦金塔电脑大量鉴戒了施乐帕洛阿尔托研究中央的创新一样。乔布斯的过人之处在于改进了这些技能，使它们变得更直观，便于大众利用。正如乔布斯本身所说那样，“良好的艺术家抄袭，巨大的艺术家抄袭”，这暗示出创新每每是改进现有想法，而非凭空创造。 马斯克与特斯拉的关系则是另一个发人深省的例子。马斯克于2004年参加特斯拉，其时间隔马丁·埃伯哈德（Martin Eberhard）和马克·塔潘宁（Marc Tarpenning）建立公司已经有多年时间。固然马斯克常常被以为引领了电动汽车行业的革命，但电动汽车早在一个多世纪就已经问世。马斯克的杰出之处不在于发明电动汽车，而在于将这一概念酿成一种受接待、规模化、有利可图的产物。特斯拉的乐成并非源自觉明，而是来自不懈实行和改进，不停突破电池技能和主动驾驶的极限。 这种模式是硅谷的焦点，这里的公司常常会在现有理念的底子上发展提拔，推向新的高度。Facebook并不是第一个交际网络，MySpace和Friendster早已存在；谷歌也不是第一个搜刮引擎，AltaVista等早已出现。Facebook和谷歌的乐成之处在于他们有本领将这些概念美满并扩展到环球。硅谷的真正气力不在于发明全新技能，而在于改进和拓显现有技能。 人工智能的发展也是云云。辛顿的工作至关紧张，但也是创建在前人研究的底子上。韦博斯和甘利俊一的贡献对神经网络技能的发展至关紧张，正是这些技能为AlphaGo和OpenAI的GPT等后续突破提供了动力。这些技能并不是凭空出现的，而是几十年来不停进步的效果。技能进步险些总是多条理的协作过程，过分关注个人成绩会扭曲技能进步的真实面目。 这也展现了关于创新的根本真理：第一个提出想法的人并不如将这一想法美满、扩展和有用实行的人那么紧张。创新不是关于哪个天才的单一活动，而是团体的进步。当昨们只归功于那些最刺眼的人物时，就忽视了那些人为突破奠基底子所作的贡献。 围绕辛顿得到诺贝尔奖的争议，应该引发昨们对怎样熟悉创新的反思。韦博斯和甘利俊一的底子性研究应该得到更多承认，由于他们早期的积极对辛顿所取得的进步至关紧张。创新很少是某个人的天才之作，它是创建在恒久积聚底子上的互助之旅。 预测将来，人工智能和其他技能最紧张的进步大概不会来自那些提出全新概念的人，而是来自那些可以或许将现有理念美满并顺应新挑衅的人。特斯拉的乐成不在于创造了电动汽车，而在于把它酿成了一种受接待、规模化的实用产物。苹果的乐成也不在于发明白智能手机或个人电脑，而是在于让这些产物变得便于利用、不可或缺。 真正的创新不在于某个想法是怎样产生的，而在于它怎样发展、怎样改进、怎样改变整个行业。但昨们称赞的创新者不但应该包罗那些遍及头脑的人，还应该包罗那些为这些突破奠基底子的人。只有在更大范围内认可贡献，昨们才气真正明白进步怎样发生。（辰辰） |
