Top 53 Zitate und Sprüche von Geoffrey Hinton

Die frühe KI basierte hauptsächlich auf Logik. Sie versuchen, Computer so zu machen, dass sie wie Menschen denken. Der zweite Weg kommt aus der Biologie: Sie versuchen, Computer zu entwickeln, die wie Tiere wahrnehmen, handeln und sich anpassen können.

Das Gehirn funktioniert verdammt noch mal nicht, wenn jemand Regeln einprogrammiert.

Ich habe Angst, dass die NSA dadurch noch mehr missbraucht wird, wenn sie dafür sorgt, dass die Technologie besser funktioniert. Darüber würde ich mir mehr Sorgen machen als über autonome Killerroboter.

Die in Faltungs-Neuronalen Netzen verwendete Pooling-Operation ist ein großer Fehler, und die Tatsache, dass sie so gut funktioniert, ist eine Katastrophe.

Die meisten Menschen in der KI, insbesondere die jüngeren, glauben mittlerweile, dass der einzige Weg, ein gutes System mit allem zu bekommen, ein System ist, das viel Wissen enthält, etwa eine Wissensmenge, deren Quantifizierung Millionen von Bits erfordern würde Das darin enthaltene Wissen soll es dazu bringen, es zu lernen. Sie werden es nicht von Hand eintragen können.

Nehmen Sie ein beliebiges altes Klassifizierungsproblem, bei dem Sie viele Daten haben, und es wird durch Deep Learning gelöst. Es wird Tausende von Anwendungen für Deep Learning geben.

Jede neue Technologie kann schlimme Dinge passieren, wenn sie von bösen Menschen genutzt wird. Aber das ist eher eine Frage der Technologiepolitik.

Ich hatte eine stürmische Karriere als Absolvent, in der wir jede Woche ein Geschrei-Match lieferten. Ich machte immer wieder Geschäfte, bei denen ich sagte: „Okay, lassen Sie mich noch sechs Monate lang neuronale Netze machen, und ich werde Ihnen beweisen, dass sie funktionieren.“ Am Ende der sechs Monate würde ich sagen: „Ja, aber ich habe es fast geschafft.“ Gib mir noch sechs Monate.‘

Da neuronale Netze nun funktionieren, haben Industrie und Regierung begonnen, neuronale Netze als KI zu bezeichnen. Und die Leute in der KI, die ihr ganzes Leben damit verbracht haben, sich über neuronale Netze lustig zu machen und zu sagen, sie würden niemals etwas tun, nennen sie jetzt gerne KI und versuchen, etwas von dem Geld zu bekommen.

Ironie wird schwer zu verstehen sein. Man muss zunächst das Wörtliche beherrschen. Aber auch die Amerikaner verstehen die Ironie nicht. Computer werden das Niveau der Amerikaner vor den Briten erreichen.

In der KI war der heilige Gral, wie man interne Darstellungen generiert.

Jeder schaut sich derzeit die aktuelle Technologie an und denkt: „Okay, das sind künstliche neuronale Netze.“ Und sie erkennen nicht, wie willkürlich das ist. Wir haben es gerade erfunden! Und es gibt keinen Grund, warum wir uns nicht etwas anderes ausdenken sollten.

Die meisten Leute an der CMU hielten es für völlig vernünftig, dass die USA in Nicaragua einmarschierten. Sie dachten irgendwie, dass es ihnen gehörte.

Auf lange Sicht funktioniert eine von Neugier getriebene Forschung einfach besser ... Echte Durchbrüche entstehen, wenn Menschen sich auf das konzentrieren, was sie begeistert.

Mein Vater war ein Entomologe, der an die Kontinentalverschiebung glaubte. In den frühen 50er Jahren galt das als Unsinn. Mitte der 50er Jahre kam es wieder zurück. Jemand namens Alfred Wegener hatte vor 30 oder 40 Jahren daran gedacht, und er hatte nie erlebt, dass es wieder auftauchte.

Meiner Meinung nach sollten wir alles tun, was wir können, um Möglichkeiten zu finden, die aktuelle Technologie effektiv zu nutzen.

Ich war immer davon überzeugt, dass die einzige Möglichkeit, künstliche Intelligenz zum Laufen zu bringen, darin besteht, die Berechnungen auf ähnliche Weise wie das menschliche Gehirn durchzuführen. Das ist das Ziel, das ich verfolgt habe. Wir machen Fortschritte, obwohl wir noch viel darüber lernen müssen, wie das Gehirn tatsächlich funktioniert.

Wir betrachten interne Repräsentationen jetzt als große, große Vektoren und betrachten Logik nicht als Paradigma dafür, wie man Dinge zum Laufen bringt. Wir glauben einfach, dass es diese großartigen, großen neuronalen Netze geben kann, die lernen, und statt zu programmieren, werden Sie sie einfach dazu bringen, alles zu lernen.

Mein Hauptinteresse gilt dem Versuch, völlig unterschiedliche Arten neuronaler Netze zu finden.

Menschen sind immer noch viel besser in der Spracherkennung als Computer.

Maschinen können Dinge billiger und besser machen. Das sind wir zum Beispiel im Banking sehr gewohnt. Geldautomaten sind besser als Bankschalter, wenn Sie eine einfache Transaktion wünschen. Sie sind schneller, verursachen weniger Ärger und sind zuverlässiger, sodass die Kassierer arbeitslos werden.

In der Wissenschaft kann man Dinge sagen, die verrückt erscheinen, sich aber auf lange Sicht als richtig herausstellen. Wir können wirklich gute Beweise erhalten, und am Ende wird die Gemeinschaft zustimmen.

Wenn Sie in einer vernünftig organisierten Gesellschaft die Produktivität steigern, können alle davon profitieren.

Die Rolle der Radiologen wird sich von wahrnehmungsbezogenen Aufgaben, die wahrscheinlich auch von einer gut ausgebildeten Taube erledigt werden könnten, zu weitaus kognitiveren Aufgaben entwickeln.

Ich habe eine Reagan-ähnliche Fähigkeit, an meine eigenen Daten zu glauben.

Ich denke, es ist jetzt sehr klar, dass wir selbstfahrende Autos haben werden.

Alles effizienter zu machen, sollte alle glücklicher machen.

Im Gehirn gibt es Verbindungen zwischen den Neuronen, sogenannte Synapsen, und sie können sich verändern. Ihr gesamtes Wissen ist in diesen Synapsen gespeichert.

Computer werden Sarkasmus verstehen, bevor es Amerikaner tun.

Wir wollen KI und CIFAR an wunderbare neue Orte bringen, an die noch kein Mensch, kein Student, kein Programm zuvor gegangen ist.

Ich wette darauf, dass das Team von Google das Epizentrum zukünftiger Durchbrüche sein wird.

Ich hatte die akademische Laufbahn satt und beschloss, lieber Zimmermann zu werden.

Die Frage ist: Können wir neuronale Netze herstellen, die 1.000-mal größer sind? Und wie können wir das mit vorhandenen Berechnungen erreichen?

Für jede Sekunde Erfahrung verfügt das Gehirn über etwa zehntausend Parameter. Wir haben nicht wirklich viel Erfahrung damit, wie solche Systeme funktionieren oder wie man sie so gut macht, dass sie die Struktur von Daten so gut finden.

Das Paradigma für Intelligenz war logisches Denken, und die Idee, wie eine interne Darstellung aussehen würde, war, dass es sich um eine Art symbolische Struktur handeln würde. Das hat sich mit diesen großen neuronalen Netzen völlig geändert.

Es ist mir ein wenig peinlich, wenn ich „der Pate“ genannt werde.

Ein Deep-Learning-System hat keine Erklärungskraft.

Ich freue mich sehr, wenn wir einen Weg finden, neuronale Netze zu verbessern – und wenn das eng mit der Funktionsweise des Gehirns zusammenhängt.

Alles, was Sie brauchen, sind viele, viele Daten und viele Informationen darüber, was die richtige Antwort ist, und Sie können ein großes neuronales Netz trainieren, um das zu tun, was Sie wollen.

Deep Learning funktioniert bereits in der Google-Suche und in der Bildersuche; Es ermöglicht Ihnen die Bildsuche nach einem Begriff wie „Umarmung“. Es wird verwendet, um Ihnen intelligente Antworten auf Ihr Gmail-Konto zu senden. Es ist in Sprache und Vision. Ich glaube, dass es bald in der maschinellen Übersetzung zum Einsatz kommen wird.

Ich denke, die Art und Weise, wie wir Computer Vision betreiben, ist einfach falsch.

Die NSA nervt bereits alles, was jeder tut. Jedes Mal, wenn es eine neue Enthüllung von Snowden gibt, wird einem das Ausmaß bewusst.

Sobald Ihr Computer vorgibt, ein neuronales Netz zu sein, können Sie ihn in die Lage versetzen, eine bestimmte Aufgabe auszuführen, indem Sie ihm einfach eine ganze Reihe von Beispielen zeigen.

Ich denke, die Menschen müssen verstehen, dass Deep Learning hinter den Kulissen viele Dinge viel besser macht. Deep Learning funktioniert bereits in der Google-Suche und in der Bildersuche; Es ermöglicht Ihnen die Bildsuche nach einem Begriff wie „Umarmung“.

Im Gehirn gibt es Verbindungen zwischen den Neuronen, sogenannte Synapsen, und sie können sich verändern. Ihr gesamtes Wissen ist in diesen Synapsen gespeichert. Sie haben etwa 1.000 Billionen Synapsen – 10 zu 15, das ist eine sehr große Zahl.

Ich lehne es ab, etwas über die Zeitspanne von fünf Jahren hinaus zu sagen, weil ich glaube, dass wir nicht viel über die Zeitspanne von fünf Jahren hinaus sehen können.

Sobald Sie über eine gute mechanische Technologie verfügen, können Sie Dinge wie Bagger bauen, die Löcher in die Straße graben können. Aber natürlich kann Ihnen ein Bagger den Kopf wegschlagen. Aber Sie möchten keinen Baggerlader entwickeln, weil er Ihnen den Kopf abschlagen kann, das würde als albern angesehen werden.

Um mit einem 14-dimensionalen Raum umzugehen, stellen Sie sich einen dreidimensionalen Raum vor und sagen Sie ganz laut „Vierzehn“. Jeder macht es.

Betrachtet man diese Prognosen aus der Vergangenheit, als gäbe es auf der Welt nur einen Markt für fünf Computer (wie IBM-Gründer Thomas Watson angeblich sagte), wird einem klar, dass es keine gute Idee ist, zu weit in die Zukunft zu vorhersagen.

Beim Deep Learning sind die Algorithmen, die wir heute verwenden, Versionen der Algorithmen, die wir in den 1980er und 1990er Jahren entwickelt haben. Die Leute waren sehr optimistisch, aber es stellte sich heraus, dass sie nicht besonders gut funktionierten.

Ich denke, wir sollten uns KI als das intellektuelle Äquivalent eines Baggerladers vorstellen. Es wird in vielen Dingen viel besser sein als wir.

In der Wissenschaft kann man Dinge sagen, die verrückt erscheinen, sich aber auf lange Sicht als richtig herausstellen. Wir können wirklich gute Beweise erhalten, und am Ende wird die Gemeinschaft zu einer Einigung kommen.

Bagger können uns viel Graben ersparen. Aber natürlich kann man es missbrauchen.