未来神经网络可以重建人脑意识
杰弗里·辛顿（Geoffrey Hinton）是Deep Learning（深度学习）这一术语的“作者”，2019年他曾拿到图灵奖，他还是谷歌的工程师，行业甚至称他为“深度学习教父”。最近在谷歌I/O开发者大会上，辛顿接受了《连线》杂志的采访，他谈到一些有趣的议题，比如早年些他曾对大脑着迷，计算机可以模仿大脑神经架构。辛顿还谈论了感知、自己的未来规划、是否应该教计算机做梦。
辛顿语录
大脑不可能按其它方式运，它用学习改变连接强度。如果你想制造一款设备，让它做一些明智的事情，你有两种选择：一是给它编程，二是让它具备学习能力。人没有编过程，所以我们必须学习。这条路是正确的。
总的想法是就是开发一台会学习的设备，让它像人类大脑一样学习，我们普遍认为大脑通过改变连接来学习。这个想法不是我提出的，英国数家图灵也有相同的看法。虽然图灵为计算机科学制定了许多基本标准，不过他认为大脑是一个无组织设备，有着随机权值，它会通过增强学习来改变连接，从而学习各种知识。他认为这是通向智能的最佳捷径。
用TIMIT语音数据库测试，它的表现的确比最棒的学术系统稍好一些，比IBM系统也要好一些。由于新系统击败了标准模型，而标准模型是专家们花了30年时间才开发出来的，结果让人满意。很快，大家意识到只要多花一点时间研究，结果会更好。所以我的研究生去了微软、IBM、谷歌，谷歌的推进速度很快，它将新技术植入成品语音识别器。到了2020年，新技术融入Android，2009年谷歌才开始研究，2020年就全面推广了。很快，Android的语音识别能力大幅提升。
我们开始用语音识别来解决其它各种问题。最初有一批成员研究语音识别问题，George Dahl是其中之一，他用同样的技术预测分子与其它何种物质结合会变成良药。行业呈现出竞赛态势。他只是申请使用我们的标准技术，这套标准技术本来是为语音识别设计的，然后他用技术来预测药物活动，最终赢得竞赛。这只是一个迹象，说明这种技术应用广泛。我的一名学生说：“Geoff，你知道吗？这种技术可以用于图像识别，李飞飞为此准备了一套正确数据。大家公开竞赛，我们必须参与。”
我想我永远不会刻意去制造武器。你可以设计一台挖沟机，它可以成为消灭人类的高手。但我觉得这是技术的误用，我不会这样做的。