Le Parrain De L'ia, Hinton, Est Né Dans Une Famille De Génies, Mais Il Était Un Décrocheur Régulier. Il a Remporté Le Prix Turing Et Le Prix Nobel À L'âge De Soixante-dix Ans.
En décembre 2012, le parrain de l'IA, Geoffrey Hinton, s'est mis en route vers le casino Harrah's. Le but de son voyage était de vendre la nouvelle société d’apprentissage en profondeur DNNresearch. Hinton n'avait aucune idée du prix auquel cette « société écran » avec seulement 3 employés, aucun produit, aucune activité et seulement quelques mois d'existence pouvait être vendue, mais il devait réunir une grosse somme d'argent pour soigner la maladie de son fils, et cette vente aux enchères serait sa meilleure chance.
Dans le même temps, quatre sociétés technologiques, dont Baidu, Google, Microsoft et DeepMind, ont également envoyé leurs représentants à l'événement. Leur objectif n’était pas seulement de s’emparer de cette entreprise « comme neuve ».Au lieu de cela, il s'agissait de « regrouper et d'acquérir » les trois employés derrière l'entreprise - Hinton et ses deux étudiants Ilya Sutskever et Alex Krizhevsky.
À peine deux mois avant la vente aux enchères, le réseau neuronal convolutif profond AlexNet proposé par l'équipe de Hinton a remporté le défi de reconnaissance d'images ImageNet.Contrairement à l’apprentissage superficiel qui était couramment utilisé auparavant, AlexNet a construit un réseau neuronal semblable à un cerveau qui peut apprendre de nouvelles compétences telles que la classification d’images en analysant des quantités massives de données. Hinton a appelé cela « l’apprentissage profond ». Étonnamment, l’émergence d’AlexNet a directement réduit le taux d’erreur de classification d’image de 9,4% (le champion de 2011 n’a réduit que de 1,4% par rapport à 2010). Cette technologie ne changera pas seulement la vision par ordinateur, mais aussi les chatbots, la conduite autonome, les recommandations intelligentes, la traduction en temps réel, et même la conception de médicaments, le diagnostic médical, le développement de matériaux, les prévisions météorologiques et d’autres domaines.
Conscientes de l’énorme potentiel de cette réalisation, ces quatre entreprises se sont réunies ici. DeepMind venait d'être créé il y a seulement deux ans et n'était pas en mesure de rivaliser avec les géants de la technologie. Il s'est donc rapidement retiré de la vente aux enchères. Alors que le prix de l’enchère continuait d’augmenter, Microsoft s’est également retiré. Lorsque le prix a atteint 44 millions de dollars, Hinton a arrêté d’enchérir. Il était un érudit, pas un entrepreneur, et le prix actuel dépassait largement ses attentes. Trouver un logement adapté à ses recherches était ce qu’il devait considérer davantage.Finalement, il a décidé de vendre l'entreprise à Google, et en même temps, ses trois apprentis ont également rejoint Google.
« Avant cela, l'apprentissage profond relevait encore de la recherche purement académique, confinée dans sa tour d'ivoire, et n'était pas pris au sérieux par de nombreuses entreprises technologiques. Cette vente aux enchères secrète a officiellement donné le coup d'envoi de la transformation du secteur de l'apprentissage profond. » Yu Kai, fondateur et PDG d'Horizon Robotics et ancien directeur du Deep Learning Lab de Baidu, qui était un témoin oculaire ayant participé à la vente aux enchères au nom de Baidu à l'époque, a fait ce commentaire.
Une étude préliminaire des réseaux neuronaux, défiant l'autorité de l'IA Minsky
De nos jours, on pense généralement que le boom de l'intelligence artificielle que nous connaissons a commencé avec des avancées majeures dans la technologie de l'apprentissage profond, et dans ce processus, Hinton est sans aucun doute le « parrain de l'IA » le plus reconnu. Après tout, peu de gens peuvent, comme lui, diriger directement le développement technologique d’une époque en ayant comme noyau leurs recherches personnelles. Hinton l'a fait. Bien que le processus ait duré près de 60 ans, il a accompli des réalisations qui ont fait date au cours de ses soixante années de vie.
Hinton est né en décembre 1947 dans une « famille de génies » à Londres, en Angleterre.Son arrière-grand-père George Boole était un pionnier de la logique mathématique, et l'algèbre booléenne et la logique booléenne ont été nommées en son honneur ; son arrière-grand-père Charles Hinton n'était pas seulement un mathématicien, mais aussi un célèbre écrivain de science-fiction ; son père Howard Hinton fut élu membre de la Royal Society de Londres et fut un entomologiste célèbre ; sa cousine Joan Hinton fut la première amie internationale à obtenir une carte verte chinoise et l'une des physiciennes nucléaires qui construisirent la première bombe atomique aux États-Unis.
Né dans une telle famille, Hinton est naturellement intelligent et spirituel, mais c'est peut-être parce qu'il a trop d'idées et d'opinions personnelles dans son cœur.Hinton a eu du mal à s’adapter au système éducatif traditionnel et sa vie d’étudiant a été pleine de rebondissements.
En tant qu'étudiant de premier cycle, Hinton est entré au King's College de l'Université de Cambridge pour étudier la physique et la chimie, mais a abandonné après un mois. Un an plus tard, il a assisté à un jour de cours au département d'architecture, a décidé de se tourner vers la physique et la physiologie, et a de nouveau abandonné. Il s'est ensuite tourné vers des études de philosophie, mais a de nouveau abandonné. Finalement, il choisit d'étudier la psychologie et, en 1970, Hinton obtient enfin un baccalauréat en psychologie expérimentale.
Cette expérience éducative n'est pas glorieuse pour le géant universitaire d'aujourd'hui, à tel point que Hinton a dit un jour avec autodérision : « Je souffre peut-être d'une sorte de TDAH éducatif et je ne peux pas étudier tranquillement. » Mais pour un jeune de 18 ans, oser essayer et échouer est aussi une forme de courage. Après avoir éliminé les sujets qui ne lui conviennent pas,Hinton a finalement décidé de sa future orientation : laisser les machines simuler le cerveau humain. Au cours des décennies suivantes, même face à d’innombrables doutes, il n’a jamais changé d’avis.
L'intérêt de Hinton pour le cerveau remonte à ses années de lycée : « Un ami m'a dit un jour que le cerveau fonctionne comme un hologramme et stocke des fragments de souvenirs à travers un réseau de neurones, ce qui m'a enthousiasmé. » Cependant, à cette époque, personne ne savait grand-chose sur le cerveau, et même ses professeurs de l'Université de Cambridge ne pouvaient pas lui donner de réponse. Se sentant peut-être perdu dans ses études, Hinton a choisi de devenir charpentier après avoir obtenu son diplôme universitaire. J'ai toujours aimé la menuiserie et je me suis souvent demandé si je serais plus heureux en devenant architecte. Dans la recherche scientifique, j'ai toujours dû me forcer. Des raisons familiales m'ont obligé à réussir. J'y ai trouvé du bonheur, mais aussi plus d'anxiété.
Mais lorsque j'ai rencontré un charpentier vraiment exceptionnel, j'ai vite compris que je n'étais pas fait pour ce métier. À l'époque, une compagnie minière lui avait demandé de fabriquer une porte pour un sous-sol sombre et humide. Compte tenu de l'environnement particulier, il avait disposé le bois dans le sens inverse pour compenser la déformation due à l'humidité. Je n'avais jamais pensé à cette méthode auparavant. Il pouvait aussi découper une pièce de bois en carrés avec une scie à main. Comparé à lui, je suis loin derrière ! Je suis peut-être plus apte à retourner à l'école pour étudier l'intelligence artificielle. Plusieurs années plus tard, lorsqu’on lui a demandé pourquoi il était revenu au monde universitaire, Hinton a répondu ainsi.
Il convient de mentionner que pendant la période où il était charpentier, Hinton n’a jamais abandonné l’idée d’explorer le cerveau. Il allait à la bibliothèque chaque semaine pour apprendre comment fonctionne le cerveau et a finalement déterminé que les réseaux neuronaux étaient le « Tao » qu'il devait poursuivre. Hinton a ensuite accepté un emploi de psychologie à court terme à l'université où son père enseignait, et s'en est servi comme tremplin pour entrer dans le programme d'intelligence artificielle de l'Université d'Édimbourg au Royaume-Uni en 1972. Son mentor Christopher Higgins était très intéressé par le nouveau domaine du cerveau et de l'intelligence artificielle, ce qui coïncidait avec les idées de Hinton.
Mais juste avant de s'inscrire, Christopher Higgins s'est soudainement « rebellé ». L’utilisation de réseaux neuronaux artificiels pour simuler le stockage et la pensée du cerveau humain était considérée comme incroyable à l’époque. Le mentor de Hinton pensait que les réseaux neuronaux étaient complètement inutiles. La raison était :C'est parce que Marvin Lee Minsky, l'un des fondateurs de l'intelligence artificielle, a écrit à l'époque un livre sur les réseaux neuronaux - « Perceptron », dans lequel il condamnait les réseaux neuronaux à mort.Il a souligné que les réseaux neuronaux monocouches ont un pouvoir expressif limité et ne peuvent résoudre que des problèmes simples ; Les réseaux neuronaux multicouches peuvent être capables de résoudre des problèmes complexes, mais ils ne peuvent pas être formés et les deux sont des impasses.
Christopher Higgins était convaincu, mais Hinton maintenait son point de vue : « Tout le monde a tort. Le cerveau est un immense réseau neuronal. Les réseaux neuronaux doivent être réalisables, car ils fonctionnent dans notre cerveau. » L'incapacité des réseaux neuronaux monocouches a été mathématiquement prouvée par Minsky, ce qui ne peut pas être changé, mais le problème de l'incapacité à former des réseaux neuronaux multicouches est-il vraiment insoluble ? Hinton a décidé de trouver une nouvelle issue à partir d'ici. Malheureusement, il n’avait toujours pas trouvé de solution à ce problème jusqu’à ce qu’il obtienne son doctorat. de l'Université d'Édimbourg en 1978.
« Mon directeur de thèse et moi nous rencontrions une fois par semaine, et parfois, ça finissait en engueulades. Il m'a répété à maintes reprises de ne pas perdre de temps à étudier les réseaux neuronaux. Je lui disais de me donner encore six mois pour prouver l'efficacité des réseaux neuronaux. Au bout de six mois, je lui répétais la même chose jusqu'à l'obtention de mon diplôme », a raconté Hinton en riant lors d'un entretien des années plus tard.
L'essor de l'apprentissage profond
« L’obtention d’un diplôme signifie le chômage », c’est ce que reflète profondément Hinton. À cette époque, l’intelligence artificielle traversait un hiver froid. Après avoir étudié les progrès de la recherche en intelligence artificielle, les chercheurs britanniques concernés ont constaté que la plupart des intelligences artificielles n'avaient pas tenu leurs promesses initiales, c'est-à-dire qu'aucun résultat dans ce domaine n'avait produit l'impact majeur que l'on appelle cela. En conséquence, le gouvernement a commencé à réduire les investissements et, dans le même temps, les réseaux neuronaux n’étaient qu’une partie de l’intelligence artificielle et ont été naturellement marginalisés.
Hinton a donc commencé à chercher à l’étranger et il a été surpris de découvrir qu’il y avait un petit groupe de personnes dans le sud de la Californie qui partageaient les mêmes idées que lui. Le monde universitaire américain accepte différents points de vue. Ici, si vous dites à quelqu'un que vous travaillez sur les réseaux neuronaux, il vous écoutera.
En 1981, lors d'une conférence universitaire, Scott Fahlman, professeur à l'Université Carnegie Mellon, rencontre Hinton et a l'idée de recruter Hinton. Fahlman pensait que les réseaux neuronaux étaient une « idée folle », mais d’autres recherches menées dans le domaine de l’intelligence artificielle étaient tout aussi folles. Quoi qu’il en soit, Hinton a finalement trouvé un point d’appui pour ses « recherches peu orthodoxes ».
Après avoir rejoint l'entreprise, Hinton disposait d'un matériel informatique meilleur et plus rapide, ce qui lui a permis de mettre en pratique bon nombre de ses idées. En 1986, il a publié son célèbre article « Learning Representations by Backpropagation of Errors » dans Nature, qui a finalement résolu le problème de la formation des réseaux neuronaux multicouches.La rétropropagation est considérée comme le fondement de l’apprentissage en profondeur. Cet article a maintenant été cité plus de 55 000 fois, mais il n’a pas fait grand bruit à l’époque. « Nous avons complètement mal évalué la quantité de ressources informatiques et le nombre d’échantillons dont nous aurions besoin », a déclaré Hinton dans une interview. Les réseaux neuronaux multicouches peuvent apprendre des modèles à partir d'un grand nombre d'échantillons d'entraînement et faire des prédictions sur des événements inconnus, mais les ordinateurs de l'époque n'étaient pas capables de traiter de telles quantités de données, ce qui rendait difficile leur mise en pratique dans des applications spécifiques. D’autres chercheurs dans le même domaine ont rapidement tourné leur attention vers des alternatives aux réseaux neuronaux.
Article original « Apprentissage des représentations par rétropropagation des erreurs » :
https://www.nature.com/articles/323533a0
Préoccupée par le climat politique aux États-Unis à l’époque, sa femme Ros lui a suggéré de déménager au Canada. En 1987, Hinton quitte l’Université Carnegie Mellon et rejoint l’Université de Toronto. Peu de temps après, le couple a adopté un fils et une fille. En 1994, Ros est malheureusement décédé d'un cancer des ovaires, mais il n'a pas eu le temps de faire son deuil de manière excessive. D’une part, il était soumis à une forte pression de la recherche scientifique et, d’autre part, ses deux enfants de moins de 6 ans étaient laissés sans surveillance. Pour couronner le tout, son fils souffrait d’un trouble déficitaire de l’attention avec hyperactivité (TDAH) et Hinton lui-même souffrait d’une maladie lombaire.
« Il y a eu de nombreuses fois où j’ai eu l’impression que je ne serais pas capable de continuer à faire ce travail. »
Mais Hinton a finalement persévéré. Grâce au financement du gouvernement canadien, Hinton organise un séminaire annuel « Informatique neuronale et perception adaptative » pour les chercheurs qui insistent encore sur les réseaux neuronaux, dans l'espoir que tout le monde puisse échanger des idées ici. Il convient de mentionner que Yang Likun et Bengio sont également membres du groupe. Tous trois sont connus comme les « Trois Géants de l'apprentissage profond » et ont remporté ensemble le prix Turing 2018.
Pendant longtemps, Hinton s’est concentré sur la recherche sur les réseaux neuronaux, a publié plus d’une centaine d’articles à la suite et est progressivement devenu un maître dans le domaine de l’intelligence artificielle. Il n’a cependant pas réussi à changer en profondeur les préjugés du public à l’égard des réseaux neuronaux. Il a compris que si le problème de la difficulté de former des réseaux neuronaux multicouches n'était pas résolu, il serait impossible de renverser l'opinion selon laquelle les réseaux neuronaux n'avaient pas d'avenir.
Google Scholar de Hinton :
https://scholar.google.com/citations?user=JicYPdAAAAAJ&hl=en
En 2006, Hinton a publié un article intitulé « Une méthode d'apprentissage rapide basée sur des réseaux de croyances profondes ».À cette époque, de nombreux magazines et revues rejetaient les articles contenant le mot « réseau neuronal » dans le titre. Hinton a donc utilisé l'apprentissage profond au lieu de réseau neuronal multicouche, et l'article a été publié. Chaque couche du réseau de croyances profondes mentionné dans l'article est remplie de « machines de Boltzmann restreintes ». Après que Hinton l'ait pré-entraîné couche par couche grâce à un apprentissage non supervisé, il a constaté qu'à mesure que la profondeur du réseau augmentait, les performances du modèle s'amélioraient en conséquence. Lorsque l’effet d’application a été positivement corrélé au nombre de couches du réseau, le potentiel des réseaux neuronaux multicouches a finalement été reconnu.
Article original « Un algorithme d'apprentissage rapide pour les réseaux de croyances profondes » :
https://direct.mit.edu/neco/article-abstract/18/7/1527/7065/A-Fast-Learning-Algorithm-for-Deep-Belief-Nets
Après six années de préparation, en 2012, Hinton et deux étudiants ont été les pionniers de la conception du réseau neuronal profond AlexNet.Le réseau a écrasé tous ses concurrents lors de ses débuts dans le concours de reconnaissance d'images ImageNet. Ce qui est encore plus choquant, c’est que l’équipe n’a utilisé que 4 GPU NVIDIA pendant la semaine de formation.Depuis lors, les trois lacunes de l’apprentissage profond – les algorithmes, la puissance de calcul et les données – ont finalement été comblées.Les algorithmes d’apprentissage superficiel ont également disparu de cette compétition. Il convient de mentionner que l'équipe de Google a également participé à ce concours, c'est pourquoi elle a recruté Hinton à tout prix dans l'enchère mentionnée ci-dessus.
Le père de Hinton lui a dit un jour : « Si tu travailles suffisamment dur, peut-être que lorsque tu auras deux fois mon âge, tu pourras accomplir la moitié de mes réalisations. » Ainsi, Hinton dit souvent que l'article d'AlexNet a été cité bien plus de fois que n'importe lequel des articles de son père. Il ne fait aucun doute qu’AlexNet est l’un des articles les plus influents de l’histoire de l’informatique. Son émergence constitue non seulement un tournant dans l’apprentissage profond, mais également un tournant dans l’industrie technologique mondiale. Après cet incident, les géants de la technologie dirigés par Google, Microsoft, Apple et Nvidia ont augmenté leur investissement stratégique dans l'apprentissage profond et l'ont utilisé pour des recommandations intelligentes, la reconnaissance d'images, la traduction en temps réel et même la conception de médicaments, le diagnostic médical, le développement de matériaux, les prévisions météorologiques, la modélisation de l'environnement marin, etc. La technologie de l'IA a commencé à avoir un impact profond dans diverses industries.
Du monde universitaire aux entreprises, en se concentrant sur l'application de l'apprentissage profond dans le domaine médical
Il convient de mentionner qu’après avoir rejoint Google, Hinton a conservé son poste de professeur à l’Université de Toronto parce qu’il ne voulait pas quitter ses étudiants.« J'ai eu beaucoup de chance d'avoir de nombreux étudiants plus intelligents que moi. Ils ont vraiment réussi et ont ensuite connu un grand succès », a déclaré Hinton dans son discours de remise du prix Nobel cette année. Ilya Sutskever, ancien scientifique en chef d'OpenAI, Ruslan Salakhutdinov, ancien directeur de l'IA d'Apple, LeCun Yang, scientifique en chef de Meta, et Andrew Ng, professeur de Stanford, sont tous de fiers étudiants de Hinton. Son élève George Dahl a dit un jour que chaque fois qu'il voyait un article ou un chercheur important, il trouvait un lien direct ou indirect avec Hinton. « Je ne sais pas si Hinton a choisi ces personnes qui ont réussi ou les a fait réussir, mais après l'avoir vécu, je pense que c'était la deuxième option. »
Les faits ont prouvé que l’arrivée de Hinton chez Google était sans aucun doute le bon choix. Durant son mandat de vice-président et de chercheur chez Google, en plus de ne plus avoir à se soucier du financement de la recherche, la plateforme ouverte lui a enfin donné amplement d'espace pour montrer ses talents. Dans le même temps, dans la « guerre des talents » entre les grandes entreprises, Google est une fois de plus passé à l'action, a acquis DeepMind et a lancé AlphaGo en 2014, établissant rapidement son leadership dans le domaine de l'IA.
*AlphaGo combine une recherche arborescente avancée avec des réseaux neuronaux profonds pour vaincre un joueur humain professionnel au jeu de Go pour la première fois
En plus d'appliquer des technologies de pointe aux produits existants de Google (moteurs de recherche, reconnaissance d'images, traitement du langage, recommandations personnalisées, etc.), l'apprentissage profond est également utilisé pour résoudre les problèmes les plus préoccupants de la vie quotidienne des gens. Par exemple, dans le domaine de la santé, Google a lancé un système d’IA permettant de détecter le diabète, le cancer du sein, les maladies pulmonaires et les maladies cardiovasculaires. L’application de ces technologies devrait non seulement améliorer le taux de diagnostic précoce des maladies, mais également offrir aux patients des options de traitement plus personnalisées.
Il ne fait aucun doute que l’apprentissage profond peut accélérer le développement de la recherche scientifique fondamentale en traitant de grandes quantités de données.Mais pour Hinton, l’application de l’IA dans le domaine de la santé l’intéresse particulièrement.Parmi ses réalisations personnelles, la plupart sont l'introduction de nouveaux algorithmes ou modèles, et l'utilisation de l'IA pour prédire les maladies est l'une des rares applications dans lesquelles il est directement impliqué. Cela peut être dû à son expérience personnelle : sa première femme Ros est décédée d'un cancer de l'ovaire, et sa femme actuelle Jackie a également reçu un diagnostic de cancer du pancréas. Il estime que : « Le diagnostic précoce n'est pas un problème anodin. Nous pouvons faire mieux. Pourquoi ne pas laisser les machines nous aider ? »
Aujourd’hui, la plupart de ce que nous appelons intelligence artificielle relève de l’apprentissage profond. Jon Cohen, psychologue computationnel à Princeton, estime que la base de tout apprentissage profond est la rétropropagation, ce qui a été remis en question par Hinton. En octobre 2017, Hinton a déclaré publiquement lors d’une conférence sur l’IA à Toronto que l’algorithme de rétropropagation ne correspond pas au fonctionnement du cerveau, renversant ainsi ses propres recherches au cours des dernières décennies.Et puis, une nouvelle architecture de réseau neuronal a été proposée : Capsule Network CapsNet.
Article original « Routage dynamique entre capsules » :
https://arxiv.org/abs/1710.09829
Par rapport aux réseaux profonds, les avantages des réseaux capsules sont une formation plus rapide, une formation plus précise et moins de données requises. Bien que la recherche théorique sur les capsules en soit encore à ses débuts et qu'il reste encore de nombreux problèmes à résoudre, Hinton croit toujours en lui-même : « La théorie des capsules doit être correcte, et l'échec n'est que temporaire. » Son article « Dynamic Routing between Capsules » a été rendu public. Cette fois, nous verrons si le réseau de capsules continuera à subir des décennies d’accueil froid et si ce parrain de l’IA pourra réécrire à nouveau l’histoire de l’apprentissage profond.
L'IA peut contrôler les humains
Depuis l’émergence de ChatGPT, il y a eu une vague d’apprentissage et de recherche sur l’IA dans le monde entier. La quantité de contenu lié à l’IA sur les principaux sites Web a augmenté de manière visible et des centaines de startups sont entrées sur le marché, se consacrant au développement de modèles de base, à la création d’outils d’IA, etc.
Prenons l’exemple de Nvidia. En tant que fournisseur majeur de puces et d'infrastructures d'IA, sa valeur marchande a même dépassé Apple et Microsoft à un moment donné, car le GPU qu'il a développé est crucial pour la formation des modèles d'IA. Il s’agit d’une réflexion intuitive sur le développement rapide de la technologie de l’IA.
Cependant, lorsque le monde extérieur continue de « vanter » que l’IA peut tout rendre possible, Hinton est devenu l’exception : « L’IA menacera la sécurité humaine. »
J. Robert Oppenheimer, le « père de la bombe atomique » qui a dirigé le projet Manhattan pendant la Seconde Guerre mondiale, a dit un jour avec amertume : « Je suis désormais le dieu de la mort, le destructeur de ce monde. » En recherchant la vérité, les scientifiques espèrent également améliorer la vie humaine, mais la bombe atomique s’écarte évidemment de cet objectif. Lorsqu’ils ont été témoins de la scène apocalyptique du premier essai de bombe atomique, ils ont ressenti davantage de peur et d’anxiété quant à l’avenir que la simple joie du succès.
Des préoccupations similaires se posent également à Hinton. En 2024, lors d'une retransmission en direct de l'annonce du prix Nobel, il a déclaré : « Je me sens coupable et plein de regrets. Je crains que des systèmes d'IA plus intelligents que nous ne finissent par tout contrôler. »
En s’inspirant de divers livres et de conspirations politiques, l’IA pourrait devenir extrêmement efficace pour persuader les gens. S’il n’y a pas de supervision adéquate, les humains peuvent être « manipulés » pour adopter des comportements imprévisibles. C’est ce qui inquiète le plus Hinton. Par exemple, lorsque les humains donnent des instructions à l’IA pour freiner le changement climatique, l’IA peut prendre des mesures pour éliminer les humains afin d’atteindre cet objectif. Hinton estime : « Beaucoup de gens disent que le simple fait de couper le courant peut empêcher l'IA de devenir incontrôlable, mais une IA qui dépasse l'intelligence humaine peut nous manipuler par le langage et essayer de nous convaincre de ne pas couper le courant. »
En mai 2023, Hinton a quitté Google afin de discuter plus librement des problèmes de sécurité de l'IA.Jeff Dean a essayé de me convaincre de rester, mais j'ai rejeté son offre. Même en l'absence de restrictions claires, si j'étais encore membre de Google, je devrais prendre en compte les intérêts de l'entreprise lors de mes échanges.
Hinton, l’un des premiers à avoir pris conscience des risques de sécurité liés à l’IA, s’est demandé comment attirer davantage l’attention du public sur ce problème. Ses collègues et étudiants lui ont suggéré d’utiliser les plateformes médiatiques et son influence pour appeler le public à prêter attention à la sécurité de l’IA.Ainsi, après avoir quitté Google, ce chercheur discret a commencé à accepter fréquemment des interviews dans les médias et à s'exprimer activement sur les plateformes sociales.Il est intéressant de noter que, pour attirer davantage l’attention, certains médias ont délibérément exagéré les propos de Hinton et ont même essayé de l’inciter à dire des informations négatives sur Google. En réponse à cela, Hinton a choisi de répondre publiquement directement sur les réseaux sociaux, en se concentrant sur le mot « rébellion ».
Mais heureusement, les efforts de Hinton n’ont pas été vains. Aujourd’hui, de nombreux experts soutiennent les préoccupations de Hinton, certaines entreprises technologiques ont commencé à explorer la transparence et l’explicabilité de l’IA, et la communauté internationale coopère également activement dans l’espoir d’établir des règles raisonnables pour l’IA.
En plus de prêter attention aux risques potentiels de l’IA, Hinton accorde également une attention particulière à la consommation d’énergie de la formation de grands modèles.Comme nous le savons tous, la formation de grands modèles d’IA consomme généralement beaucoup d’électricité, en particulier dans les zones qui dépendent des combustibles fossiles. Cette consommation produira d’importantes émissions de carbone et mettra même en danger la société humaine. En juin de cette année, Hinton a annoncé qu'il avait rejoint CuspAI, une startup d'intelligence artificielle fondée en avril 2024 qui se concentre sur l'utilisation de l'IA générative pour développer de nouveaux matériaux afin de lutter contre le changement climatique. « Je suis impressionné par la mission de CuspAI qui vise à accélérer la conception de nouveaux matériaux grâce à l’IA pour freiner le changement climatique », a déclaré Hinton.
Depuis le moment où il a eu l'idée d'explorer le fonctionnement du cerveau au lycée jusqu'au moment où il a été confronté à d'innombrables doutes lors de recherches réelles, Hinton est resté en marge du monde universitaire pendant plus de 30 ans, mais il est toujours resté fidèle à ses idées et a finalement remporté le prix Turing, le prix Nobel de physique et d'autres prix pour ses réalisations pionnières dans les réseaux neuronaux. Cependant, ce scientifique, connu comme le père de l'apprentissage profond et le parrain de l'IA, a soudainement commencé à se remettre en question alors que sa carrière était sur le point d'atteindre le « sommet », exprimant publiquement ses inquiétudes quant à la sécurité de l'IA et prônant le développement durable de la société humaine.
Aujourd’hui, Hinton a 77 ans et travaille toujours à l’avant-garde de la science, nous appelant à prêter attention à l’équilibre entre l’innovation technologique, l’éthique et la responsabilité sociale tout en favorisant le développement de l’IA. Son expérience n’est pas seulement une légende dans l’histoire de la science, mais inspire également d’innombrables successeurs à continuer d’avancer.