首先,我们得明白 Hinton 为什么会提出“抛弃反向传播”这个激进的论断。反向传播(backpropagation)可以说是现代深度学习的基石,它是一种高效的计算梯度的方法,使得我们能够通过梯度下降来优化神经网络中的权重。过去几十年,正是反向传播的出现,让训练越来越深、越来越复杂的神经网络成为可能,并催生了我们今天看到的许多令人惊叹的 AI 应用。
总而言之,Geoffrey Hinton 提出“另起炉灶,彻底抛弃反向传播”的言论,是对当前深度学习方法的一次深刻反思和挑战。他指出了反向传播在生物学合理性、学习效率和潜在的“因果”理解等方面的局限,并呼吁我们去探索更符合生物学原理、更具因果性的新学习范式。这就像是在 AI 领域吹响了“改革”的号角,激励着研究者们跳出现有的思维框架,去构想和构建下一代更加强大、更接近人类智能的人工智能。这无疑是一次激动人心的探索,其最终结果,或许会彻底改变我们对人工智能的认识和发展方向。