"AI教父"获诺奖,有人质疑这忽视前人成果,但在科技行业这很普遍

10月11日消息,最近,“AI教父”杰弗里·辛顿(Geoffrey Hinton)因在人工智能领域所作的贡献获得诺贝尔奖,这一消息引发了不小争议,也揭示了社会在奖励创新时存在的更深层次问题。辛顿因其在人工智能领域的开创性工作和推广反向传播算法备受赞誉。然而,人工智能专家尤尔根·施密德胡伯(Jürgen Schmidhuber)等批评者认为,这一奖项忽视了保罗·韦博斯(Paul Werbos)和甘利俊一(Shun-Ichi Amari)等人的基础性贡献。这两位学者几十年前的开创性工作为现代神经网络奠定了基础。韦博斯于1974年完成的博士论文和甘利俊一于1972年开发的适应性学习模型是这一领域的重要基石,但他们的工作在很大程度上被辛顿等知名度更高的人物掩盖。

作为科学界的最高荣誉,诺贝尔奖理应顾及各种贡献的完整性。在辛顿获奖这件事上出现的疏漏,反映出人们对创新本质的普遍误解。史蒂夫·乔布斯(Steve Jobs)和埃隆·马斯克(Elon Musk)等人物经常代表着孤独天才的神话,塑造了公众认知,让我们误以为重大突破都是在孤立情况下产生的。事实上,大多数进步都是长期积累和合作的结果。虽然辛顿所做的工作被认可当之无愧,但这也凸显出荣誉分配时普遍存在的缺陷:早期先驱的贡献往往会随着后来的继承者崭露头角而被遗忘。

这种问题不仅仅存在于人工智能领域,科技史上类似的故事并不鲜见。乔布斯并不是独自发明iPhone的。iPhone是智能手机不断创新的成果,就像苹果麦金塔电脑大量借鉴了施乐帕洛阿尔托研究中心的创新一样。乔布斯的过人之处在于改进了这些技术,使它们变得更直观,便于大众使用。正如乔布斯自己所说那样,“优秀的艺术家抄袭,伟大的艺术家剽窃”,这暗示出创新往往是改进现有想法,而非凭空创造。

马斯克与特斯拉的关系则是另一个发人深省的例子。马斯克于2004年加入特斯拉,当时距离马丁·埃伯哈德(Martin Eberhard)和马克·塔潘宁(Marc Tarpenning)创立公司已经有多年时间。虽然马斯克经常被认为引领了电动汽车行业的革命,但电动汽车早在一个多世纪就已经问世。马斯克的卓越之处不在于发明电动汽车,而在于将这一概念变成一种受欢迎、规模化、有利可图的产品。特斯拉的成功并非源自发明,而是来自不懈执行和改进,不断突破电池技术和自动驾驶的极限。

这种模式是硅谷的核心,这里的公司经常会在现有理念的基础上发展提升,推向新的高度。Facebook并不是第一个社交网络,MySpace和Friendster早已存在;谷歌也不是第一个搜索引擎,AltaVista等早已出现。Facebook和谷歌的成功之处在于他们有能力将这些概念完善并扩展到全球。硅谷的真正实力不在于发明全新技术,而在于改进和拓展现有技术。

人工智能的发展也是如此。辛顿的工作至关重要,但也是建立在前人研究的基础上。韦博斯和甘利俊一的贡献对神经网络技术的发展至关重要,正是这些技术为AlphaGo和OpenAI的GPT等后续突破提供了动力。这些技术并不是凭空出现的,而是几十年来不断进步的结果。技术进步几乎总是多层次的协作过程,过度关注个人成就会扭曲技术进步的真实面貌。

这也揭示了关于创新的基本真理:第一个提出想法的人并不如将这一想法完善、扩展和有效执行的人那么重要。创新不是关于哪个天才的单一举动,而是集体的进步。当我们只归功于那些最耀眼的人物时,就忽视了那些人为突破奠定基础所作的贡献。

围绕辛顿获得诺贝尔奖的争议,应该引发我们对如何认识创新的反思。韦博斯和甘利俊一的基础性研究应该得到更多认可,因为他们早期的努力对辛顿所取得的进步至关重要。创新很少是某个人的天才之作,它是建立在长期积累基础上的合作之旅。

展望未来,人工智能和其他技术最重要的进步可能不会来自那些提出全新概念的人,而是来自那些能够将现有理念完善并适应新挑战的人。特斯拉的成功不在于创造了电动汽车,而在于把它变成了一种受欢迎、规模化的实用产品。苹果的成功也不在于发明了智能手机或个人电脑,而是在于让这些产品变得便于使用、不可或缺。

真正的创新不在于某个想法是如何产生的,而在于它如何发展、如何改进、如何改变整个行业。但我们赞美的创新者不仅应该包括那些普及思想的人,还应该包括那些为这些突破奠定基础的人。只有在更大范围内承认贡献,我们才能真正理解进步如何发生。(辰辰)