最近两年，Juergen Schmidhuber的风头一度被得到图灵奖的人工智能三巨子（Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun）所盖过，甚至于大众无意识间将这位人工智能思想家与技能先驱放到了一个相对低估的位置。

要理解他错失落图灵奖的缘故原由，或许南京大学人工智能学院院长周志华教授的评论值得参考，他说：“要论对深度学习的贡献，Hinton 无疑居首，LeCun 和 Schmidhuber 贡献都很大。
但HLB总捆绑在一起，Schmidhuber 显然不在那个小团体里。
而获奖需有提名有投票，人缘也主要。
不过没紧要，有LSTM这样教科书级的贡献，他足以淡定。
”

与大部分方向于AI威胁论的学术威信与企业家不同，Juergen Schmidhuber是一个十足的技能乐不雅观主义，他也深谙科技、商业化与人性之间的规律。
他和他的学生Sepp Hochreiter、Felix Gers、Alex Graves、Daan Wierstra等人一起揭橥了是非期影象（LSTM）的架构和演习算法，这种类型的RNN被广泛用于自然措辞处理、语音识别、***游戏、机器人和其他运用。
而LSTM已成为20世纪被引用次数最多的神经网络，也被称作是“最具商业代价的人工智能造诣”。

而更早在 1990年，Schmidhuber明确了 无监督天生对抗神经网络，这些神经网络在极小极大博弈中相互对抗 ，以实现人工好奇心。
1991年，他又引入了 神经快速权重程序 ，形式上相称于现在所谓的具有线性化自我关注的转换器（Transformer）。
本日，这种转换器正在驱动着著名的ChatGPT。
2015年，他的团队推出了高速神经网络（Highway Neural Networks），比以前的网络深度多出很多倍。

在Schmidhuber的职业生涯中，因其首创性的事情得到了各种奖项和名誉。
2013年，他被付与“赫尔姆霍兹奖”，旨在表彰他在机器学习领域的重大贡献。
2016年，他因“对深度学习和神经网络的首创性贡献”被付与IEEE神经网络先锋奖。
同时须要把稳的是，在Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun还没有得到图灵奖之前，Juergen Schmidhuber就已经被称作是“当代人工智能之父”了。

他的声音常常站在“主流”的对立面，但常常是精确的。
Schmidhuber在今年早些时候接管了福布斯中国的专访，而又在近期回答了福布斯撰稿人Hessie Jones关于人工智能担忧的一系列问题。
我们将干系发言内容整理如下：

福布斯中国：深度学习和神经网络等技能在ChatGPT涌现后是否已经预示着发生了实质的变革？

Schmidhuber：实际上没有，由于ChatGPT实质上是一个学习神经网络，其根本是在上个千年奠定的，然而，由于不断的硬件加速，现在可以构建比以前更大的神经网络，并向它们输入全体互联网，从而学习预测部分文本（例如\公众谈天\"大众）和图像。
ChatGPT的智能紧张是这些规模巨大化的结果。

ChatGPT所基于的神经网络是所谓的\"大众把稳力转换器\公众。
我对此感到高兴，由于30多年前，我揭橥了现在称为\"大众具有线性自把稳力的转换器\公众的论文（J. Schmidhuber. Learning to control fast-weight memories: An alternative to recurrent nets. Neural Computation, 4(1):131-139, 1992）。
它们等效于我所说的神经快速权重编程器（除了归一化），分离存储和掌握；把稳力术语是在ICANN 1993年引入的。

福布斯中国： 你去过中国，那么你认为中国的人工智能技能发展如何？中国该当如何遇上像美国这样的技能前辈国家？

Schmidhuber：虽然深度学习的大部分基本算法是由欧洲人发明的，但美国的大型公司在商业化这些算法方面做得更好。
我认为中国的公司并不掉队。
这些基本方法已经是公开开源的。
你须要的是快速的打算机，大量的数据和工程人才。
我多次访问中国，知道中国拥有这统统，并且已经是人工智能揭橥论文最多的国家。
以是我对中国的人工智能非常乐不雅观！

福布斯中国：目前，大部分的打算能力和数据都节制在一些行业巨子手中。
中小微企业和初创公司如何打破障碍？

Schmidhuber：40年前，我认识一个富人。
他有一辆保时捷。
但最令人惊奇的是：保时捷里有一部移动电话。
因此，通过卫星，他可以呼叫其他拥有类似保时捷的人。

本日，每个人都拥有一部便宜的智好手机，它在许多方面比保时捷里的东西更好。
而且，随着人工智能的发展，情形也将如此。
请记住：每5年，人工智能的价格将便宜10倍。
每个人都将拥有大量的便宜的人工智能为他们事情。
（这是一个比摩尔定律更古老的规律，从齿轮的创造至今已经存在近千年了。
）

实际上，我公司NNAISENSE的座右铭便是：“人工智能面向所有人”！
我们的人工智能已经让人类的生命更长、更康健、更轻松、更幸福。
人工智能不会被少数大公司掌握。
不，每个人都将拥有便宜但强大的人工智能，以多种办法改进他/她的生活。

福布斯中国：您认为人工智能和深度学习领域对付企业家和初创企业有哪些机遇？

Schmidhuber： 我可以从我们自己创立的企业NNAISENSE的角度来谈。
它的发音类似于“nascence”（英语中的“birth”），但拼写办法不同，由于它是基于通用神经网络人工智能而出身。
本日，大多数人工智能的利润都在虚拟天下中，用于营销和***广告——这便是太平洋沿岸的大型平台公司的做法：阿里巴巴、亚马逊、Facebook、腾讯、谷歌、百度等等。
但是，营销只占天下经济的一小部分。
更大的部分也将被人工智能侵入，就像电影中一样。
像我们这样的初创企业有很多机会。

福布斯中国：您认为人工智能取代人类事情的趋势如何，考虑到ChatGPT所带来的惊人体验？

Schmidhuber：有了ChatGPT，用户可以溘然间像与一个非常博学的人交谈一样，该人彷佛对所有主题和问题都有精心构思的答案。
纵然是像“用这个作家的风格写一篇关于这个方面的文章择要”的繁芜任务，也常常能够很快得到办理，以至于后来只须要进行少量编辑。
许多办公桌任务将通过这样聪明的人工智能伙伴得到极大的便利。

本日哪种类型的人工智能表现得相称不错？答案是那些为桌面事情者做事的人工智能。
例如回答法律考试问题、总结公司文件、击败您在虚拟天下中的对手（例如***游戏）或者跟踪您在互联网上的行动并向您供应量身定制的广告。

为现实的物理天下构建人工智能要困难得多。
虽然早就有超级棋手和模式识别器，但没有由人工智能驱动的机器人能像一些小男孩那样闇练地踢足球。
相称多的桌面事情者比手艺人赚得更多，但现在事实证明：手艺人很难被人工智能取代。

福布斯中国：您如何看待AI在道德、道义、隐私和安全方面所面临的寻衅？

Schmidhuber：这将是一场AI之间的武备竞赛，一些AI会为某些道德和道义标准、隐私和安全而战，而其他一些则不那么仁慈。

福布斯中国：目前的AI发展是否符合您的预测？深度学习将来会如何发展？

Schmidhuber：自15岁旁边起，我的紧张目标便是构建一个比我更聪明的自我改进的人工智能，然退却撤退休。
目前的发展符合我的预测。

请记住，自1941年以来，每5年，打算机的价格便宜了10倍。
这种指数级趋势的朴素外推预测，21世纪将会看到廉价打算机，其原始打算能力将达到所有人类大脑的千倍之多。
很快将会有数百万、数十亿、数万亿这样的设备。

以下为福布斯撰稿人Hessie Jones针对人工智能担忧的一系列问题和Schmidhuber的对话内容，为担保文本清晰连贯，以下经由编辑整理。

Jones：你已经签署了关于AI武器的警告信。
但你没有在最近揭橥的《停息人工智能大模型实验： 一封公开信》上署名，有什么缘故原由吗?

Schmidhuber：我已经意识到，许多在公开场合对人工智能的危险提出警告的人只是在寻求宣扬。
我不认为最新的这封信会产生任何重大影响，由于许多人工智能研究职员、公司和政府将完备忽略它。

那封公开信里多次利用了“我们”这个词，指的是“我们所有人”，即人类。
但正如我过去多次指出的那样，天下上并不存在每个人都能认同的“我们”。
问10个不同的人，你会听到10种关于什么是“好”的不同见地。
个中一些不雅观点是完备不相容的。
不要忘却许多人之间的巨大冲突。

信中还说，“如果这种停息不能迅速到位，政府该当进行干预。
”问题是，不同确当局对什么对自己好、什么对别人好也有不同的意见。
大国A会说，如果我们不这样做，大国B就会做，大概是偷偷地做，以便得到对我们的上风。
大国C和大国D也是如此。

Jones：每个人都承认这种对当前天生式人工智能技能的恐怖。
此外，OpenAI首席实行官Sam Altman本人也公开承认了这项技能的存在性威胁，并呼吁对人工智能进行监管。
从你的角度来看，AI是否对人类构成了存在性的威胁?

Schmidhuber：人工智能确实可以被武器化， 我也绝不疑惑会有各种各样的人工智能武备竞赛，但人工智能并没有引入一种新的存在性威胁。
来自人工智能武器的威胁彷佛与来自核氢弹更古老的威胁比较相形见绌，不值一提。
我们该当更害怕 半个世纪前的氢弹火箭技能。
1961年的沙皇炸弹（20世纪60年代初冷战期间苏联研制的一型氢弹）的毁坏力险些是二战中所有武器总和的15倍。
只管自20世纪80年代以来各国已经进行了戏剧性的核裁军， 但全天下仍旧有足够的核弹头在两个小时内消灭人类文明，且不须要任何人工智能的帮助。
我更担心的是古老的生存威胁，而不是相称无害的人工智能武器。

Jones：我意识到，虽然你把人工智能与核弹的威胁相提并论，但目前存在一种危险，即当前的技能可能被人类节制，并使他们能够“终极”以一种非常精确的办法对群体中的个人造成进一步的侵害，比如有针对性的无人机攻击。
正如一些人指出的那样，你给了人们一个他们以前从未有过的工具集，使坏人能够比以前做更多的坏事，由于他们原来没有这项技能。

Schmidhuber：原则上，这些听起来很恐怖，但我们现有的法律足以应对这些由人工智能驱动的新型武器。
如果你用枪杀了人，你会进监狱，用无人机***也一样。
司法部门将更好地理解新的威胁和新的武器，并将用更好的技能来应对这些威胁。
让无人机从远处瞄准目标，须要一些跟踪和一些智能来完成，这在传统上是由闇练的人力来完成的，但对我来说，这彷佛只是传统武器的改进版本，比如现在的枪，你知道的，它也只是比老式的枪支更聪明一点。

但原则上，所有这些都不是新的发展。
几个世纪以来，我们已经研发出了更好的武器和更致命的毒药等等，司法部门也随着韶光的推移不断发展他们的政策来应对这些威胁。
以是，这并不是说我们溘然有了一种新的、比我们六十年来所拥有的更令人担忧的生存威胁。
大型核弹头不须要花哨的面部识别来杀去世一个人。
不，它可以只是大略地摧毁一座拥有一千万居民的城市。

Jones：隐含的生存威胁是人类对这项技能的掌握程度。
我们看到一些机会主义的早期案例，正如你所说，这些案例每每比积极的打破会得到更多的媒体关注。
但你的意思是这统统都会平衡吗？

Schmidhuber：从历史上看，我们有一个悠久的传统，那便是技能的打破会导致武器的进步，既用于防御，也用于保护。
从棍棒到石头，从斧头到炸药，从大炮到火箭，再到现在的无人机，这对人类历史产生了巨大的影响，但纵不雅观历史，那些利用技能来达到自己目的的人也要面对同样的技能，由于他们的对手也正在学习利用这种技能来对付他们。
这种情形在几千年的人类历史上一贯在重复，而且还会连续下去。
我不认为新的人工智能武备竞赛会像老式的核弹头那样构成死活存亡的威胁。

你说了一些很主要的事情，有些人更喜好评论辩论这项技能的缺陷，而不是它的好处，但这是误导，由于95%的人工智能研究和开拓都是为了让人们更快乐，促进人类的生活和康健。

Jones：让我们来谈谈人工智能研究中那些有益的、能够从根本上改变目前的方法，并取得打破的进展吧。

Schmidhuber：好的!例如，11年前，我们的团队和我的博士后Dan Ciresan是第一个通过深度学习赢得医学成像比赛的团队。
我们剖析了女性乳腺细胞，目的是分辨无害细胞与癌前阶段的细胞。
常日，一个演习有素的肿瘤学家须要很永劫光才能做出这些决定。
我们的团队对癌症一无所知，但却能在大量此类数据上演习出一个人工神经网络，虽然这个网络在开始时是非常屈曲的。
它的表现优于所有其他方法。
本日，它不仅用于乳腺癌，还用于放射学和检测动脉中的斑块以及许多其他方面。
我们在过去30年里开拓的一些神经网络现在已经广泛运用于数千种医疗保健运用，可以检测糖尿病和新冠肺炎等疾病。
这终极将渗透到所有医疗保健领域。
这种类型的人工智能的良好结果比利用人工智能进行犯罪的吸引眼球的新方法主要得多。

Jones：运用是强化结果的产物。
大规模的运用要么让我们相信人们被引入了歧途，要么相反，技能对人们的生活产生了积极的影响。

Schmidhuber：后者是更可能涌现的情形。
我们面临着巨大的商业压力，须要好的AI而不是坏的AI，由于公司想要卖给你东西，而你只会购买你认为对你有益的东西。
以是在这种大略的商业压力下，你会对精良的AI产生巨大的偏见，而不是糟糕的AI。
然而，与改进人们生活的人工智能记录片比较，施瓦辛格电影中的天下末日场景更能吸引人们的把稳。

Jones：我认为人们会被好故事所吸引——那些包含对手和斗争的故事，但终极都有圆满的结局。
这与你对人性的评价是同等的，以及历史只管有暴力和毁灭人性的方向，但在某种程度上方向于自我纠正。

Schmidhuber：让我们以一种技能为例，你们都知道——天生式对抗网络（GAN, Generative Adversarial Networks），它本日很随意马虎被用于假***和虚假信息干系的运用。
实际上，GAN发明的目的与本日的用场相差甚远。

GANs这个名字是在2014年创建的，但我们在90年代初就已经有了基本的原则。
30多年前，我称它为人造的好奇心（Artificial Curiosity）。
这是一个非常大略的方法，它可以将创造力注入到小小的两个网络系统中。
这种创造性的人工智能不但是试图奴颜婢膝地模拟人类，相反，它正在创造自己的目标。
让我阐明一下：

现在你有两个网络。
一个网络正在产生输出，可能是任何东西，任何行动。
然后，第二个网络正在不雅观察这些行动，并试图预测这些行动的后果。
一个动作可以移动一个机器人，然后再发生一些其他事情，而另一个网络只是试图预测会发生什么。

现在，我们可以通过减少第二个网络的预测偏差来实现人工好奇心，同时，这也是第一个网络的褒奖。
第一个网络想使其褒奖最大化，因此它将发明一些行动，这些行动将导致第二个网络吃惊的情形，也便是那些它还没有学会很好地预测的情形。

在输出假图片的情形下，第一个网络将试图天生质量足够好的图像来欺骗第二个网络，而后者将试图预测环境的反应：图像是真的还是假的？第二个别系试图拥有更强的预测能力而第一个网络将连续在天生图像方面改进，使得第二个网络无法判断其真伪。
因此，它们两个别系相互争斗。
第二个网络将连续减少它的预测偏差，而第一个网络将试图使预测系统的偏差最大化。

通过这种零和游戏（Zero-sum Game），第一个网络在产生这些令人信服的假输出方面变得越来越好，天生的图片看起来险些是完备真实的。
因此，一旦你有了梵高的一组有趣图像，你就可以利用他的风格天生新的图像，而梵高本人并没有创作过这些艺术品。

Jones：让我们来谈谈未来。
你曾说过，“传统的人类不会对在宇宙中传播智能方面发挥主要浸染”。

Schmidhuber：首先让我们从观点上区分两类人工智能。
第一种类型的人工智能是由人类辅导的工具。
它们被演习来做特定的事情，如准确检测糖尿病或心脏病，并在其发生前预防疾病产生发火。
在这些情形下，人工智能的目标是来自人类的。
而更有趣的人工智能正在设定自己的目标。
他们正在发明自己的实验并从中学习，他们的视野不断扩大，终极他们成为现实天下中越来越普遍的问题办理者。
他们不受父母的掌握，他们学到的大部分东西是通过自我发明的实验。

例如，一个机器人正在旋转一个玩具，当它这样做的时候，它可以通过摄像头传来的随韶光推移而变革的***，开始学习这个***的变革，并学习如果以某种办法旋转玩具，它的三维性子将如何产生某些视觉变革。
终极，它将学会重力如何事情，学会天下的物理学如何事情等等，就像一个小科学家一样！

而我几十年来一贯预测，未来这种人工智能科学家的放大版将想要进一步扩大他们的视野，并终极客岁夜多数物理资源所在的地方，以建立更大更多的人工智能。
当然，险些所有这些资源都在阔别地球的太空中，那里对人类是不友好的，但对适当设计的人工智能掌握的机器人和自我复制的机器人工厂是友好的。
因此，在这里我们评论辩论的不再是我们眇小的生物圈；相反，我们评论辩论的是大得多的宇宙其他部分。
在几百亿年内，拥有好奇心的、会自我改进的人工智能将以一种对人类来说不可行的办法在可见的宇宙中开展“殖民”。
听起来像科幻小说，但自20世纪70年代以来，我一贯无法看到这种情景的合理替代方案，除非发生环球性的灾害，如全面的核战役，在它冲上云霄之前阻挡这种技能发展。