从木匠到AI教父:苦撑30年坐冷板凳,离职时75岁!看完老爷子的经历,我失眠了。。...

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

最近科技界又爆出了一个大新闻,许多人可能已经注意到了。那就是76岁的计算机科学家Geoffrey Hinton,同时也是全球知名的人工智能专家,与John J. Hopfield一同荣获了2024年诺贝尔物理学奖,以表彰他们在人工神经网络和机器学习领域的开创性发现和发明。

903e3f438b83eace5f3b411cb7d670d5.jpeg

上一次Hinton成为焦点是在2023年5月,当时75岁的他宣布从谷歌退休。此次获奖消息一出,再次在科技界引起了广泛的关注和讨论,许多人感叹“AI的神奇力量”、“人工智能终于被认可为一门科学”。

64c6f367593bc6c782a619c55e5e0648.png

对于从事AI和机器学习领域的学生和专业人士来说,Hinton的名字应该非常熟悉。他被誉为“神经网络之父”、“深度学习的奠基人”、“人工智能的教父”,在这一领域一直是最受尊敬的权威之一。五年前,Hinton获得了2018年图灵奖,至此,他成为了同时拥有图灵奖和诺贝尔奖的双料得主。

大多数人是因为近年来AI的热潮才开始了解Hinton,但他的人生经历同样充满了戏剧性。1947年,Geoffrey Hinton出生在英国温布尔登的一个知识分子家庭。他的父亲Howard Everest Hinton是一位研究甲壳虫的昆虫学家,母亲Margaret Clark是一名教师。他的高曾祖父George Boole是著名的逻辑学家,也是现代计算科学基础布尔代数的发明者,叔叔Colin Clark则是一位著名的经济学家。Hinton家族中许多成员在学术和研究领域都有很高的成就。在这样的家庭环境中成长,Hinton所承受的成长压力也是巨大的。

98e5ed4116271de15ac73a6464f12409.png

想象一下,如果你出生在这样的家庭,周围的亲戚和朋友都是科研界的佼佼者,你稍微表现得平庸一些,就可能被视为废物。

在《深度学习革命》一书中提到,Hinton在十多岁时帮助母亲移动取暖器时腰部受伤,导致他后来疼痛难忍,无法坐下。1970年,23岁的他获得了实验心理学学位。由于找不到科研的意义,他转行成为了一名木匠,持续了半年。当吴恩达问他为什么不再做木匠时,Hinton回答说,有一天他看到另一位木匠的精湛技艺,与自己的手艺相比,他意识到自己永远无法成为一名出色的木匠。于是,他重返科研领域。在投身AI研究之前,Hinton的本科学习了生理学、物理学、哲学,并最终以心理学学位毕业。这并非因为他天赋异禀,而是因为他在前几门学科中未能找到解释人类思维的答案。

38d9232337add697840c9197cb816852.jpeg

直到1978年,他获得了爱丁堡大学的人工智能博士学位,那时他已经31岁了。在那个年代,从事深度学习研究可以说是一项孤独的工作。当时的AI正处于理论发展的初期,深度学习在很长一段时间内都未受到重视,甚至几次遭遇寒冬。当时AI正处于理论阶段,科学界分为统计学派和Hinton研究的深度学习派。绝大多数科研者都支持统计学派,认为深度学习派没有未来。这意味着你的科研方向并没有多少人关注,也得不到其他人的认可,你在做一件社会主流认为没有意义的事情。那时并没有现在强大的GPU等算力资源,也没有ChatGPT等惊人的模型,只有Hinton的满腔热情。Hinton所主张和研究的深度学习派也难以获得关注和认可。面对冷漠、质疑甚至反对,只有纯粹的信仰和热爱才能让他在这一领域深耕数十年,直到AI时代的到来。而这一切,Hinton都做到了。

3e99ce9d0bd49037a2dc24c28b01df9c.png

Hinton主要研究神经网络和机器学习,在AI领域做出了许多重要贡献,其中最著名的是他在神经网络领域的研究。他在20世纪80年代就开始研究反向传播算法,并将其应用于神经网络模型的训练中。这一算法在语音识别、图像识别和自然语言处理等领域得到了广泛应用。此外,Hinton还在卷积神经网络、深度置信网络、递归神经网络、胶囊网络等领域做出了重要贡献。2013年,Hinton加入谷歌,将机器学习技术带入谷歌,并将其融入谷歌的多项业务中。2019年3月,ACM宣布了2018年度图灵奖得主。图灵奖是计算机领域的最高国际奖项,被誉为“计算机界的诺贝尔奖”。Hinton与蒙特利尔大学计算机科学教授Yoshua Bengio和Meta首席AI科学家Yann LeCun因研究神经网络而共同获得了该年度的图灵奖,以表彰他们在该领域所做的杰出贡献。此外,Hinton在他的学术生涯中发表了数百篇论文,提出了许多重要的理论和方法,涵盖了人工智能、机器学习、神经网络、计算机视觉等多个领域。他的论文被引用次数惊人,对这些领域的研究和发展产生了重要影响。

7e0adcd0a399b300fd1b047706b4cd9c.png

除了在人工智能领域的高深造诣,Hinton还是一位杰出的教育者。为了扩大深度学习的影响力,他曾在多伦多大学成立研究中心,专门培养对相关研究感兴趣的年轻人,如今AI界的许多领军人物都是他的学生。Hinton培养了许多优秀的学生,其中许多人被苹果、谷歌等硅谷科技巨头挖走,在各自公司领导人工智能相关领域的研究。

7c8c1688383f093f1637fd54168a6842.png

其中最典型的是Ilya Sutskever,他是Hinton的学生,也是著名的OpenAI公司的联合创始人和首席科学家。

688cb8e291fafa8258ad00a989276524.png

10岁前,他出生在科研氛围浓厚的家族,父母的教育要求很高。20岁前,他背部受伤,导致后来连日常活动和出行都成为难题。30岁前,他在本科阶段辗转多个专业,毕业后迷茫地去当木匠,发现自己没有当木匠的天赋,于是去读博士。博士研究的方向和导师的方向不一致,只能自己摸索。接下来几十年,深度学习不温不火,甚至几次进入寒冬。他没有放弃,还自创门派,接收世界各地的学生,给予他们大量的学术支持。可以说Hinton完全是自己闯出来的,他有资格被称为AI之父。

6abc1056aa859e228769ae33a296f3f1.jpeg

这就像你辛辛苦苦,寒窗苦读30年,获得了博士学位。但不好意思,社会没有相关的就业前景,也没有相关的研究方向,也没人对你研究的内容感兴趣。很难想象Hinton是有多大的热爱和坚持,才能在深度学习领域坚持近半个世纪,直到AI时代的来临。欧洲没有人研究深度学习,他就去美国、日本等地寻找同盟。为了推广深度学习领域,他在多伦多大学成立了研究中心,专门接收对此领域感兴趣的年轻人,现在AI界的许多领军人物都是他的弟子。如果以结果论来说,你会觉得Hinton走在正确的道路上,但如果你以10年为一个周期来审视Hinton的一生,你会发现大多数时期他和普通人并无二致,只是他有着异常坚定的信念。

如果你回顾他的一生,你会发现他大半辈子都在钻研自己认为正确的东西,尽管很长一段时间遭到大量的质疑,但他都坚持下来了。我们知道Hinton是因为他出名了,但实际上还有很多像他一样追梦的人,命运却与他不同。例如梵高的作品在他死后才逐渐被人认识,梵高去世时才37岁,你认为梵高生前对自己的评价是怎样的?没有意义?一事无成?丢人?如果Hinton和梵高都非常在意别人的眼光和评价,我们可能就等不到AI时代的到来,我们就无法欣赏到梵高那些伟大的作品。意义,从来都是自己赋予的。与其担心是否丢人,不如想想还有什么是自己想做的。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1299

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 328

ADS 使用教程(一)Workspace, Library and Cell

简要介绍ADS的基本内容

Dirge19的博客 6619

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 261

从ROS2到ROS1:Lightning-LM激光SLAM模块的移植实践与核心代码解析

本文详细解析了将高性能激光SLAM算法Lightning-LM从ROS2移植到ROS1的完整实践过程。针对ROS1与ROS2在节点初始化、话题通信、参数服务器及TF发布等核心API的差异,文章提供了loc_system和slam模块的核心代码改造示例,并给出了适配catkin的CMakeLists.txt与package.xml配置方案,帮助开发者在现有ROS1生态中高效集成先进的SLAM模块。

weixin_29224529的博客 173

430单片机实现三人投票表决器_基于单片机的五人表决器的设计

姚海云+马野摘要:本设计利用51单片机,按键开关模块,数码管显示模块和LED模块来实现一个简单的五人表决器的功能。按键开关模块中的键2~键6表示五个人,由5个人来投票,当同意的票数大于或者等于3人时,数码管显示同意的人数,说明表决通过。当表决的人数小于3时,数码管显示同意的人数。关键词:表决器;单片机;流水灯;数码管;矩阵键盘;时钟中图分类号:TP391 文献标识码:A 文章编号:1009-304...

weixin_33277215的博客 2560

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 609

【人工智能-数据集】RML2018 时域信号的时序信号和星座图的图片信号生成方式(可用于多模态特征融合)

RML2018(RadioML 2018)数据集是一个广泛用于无线通信信号识别的开源数据集。它包含了多种调制方式(如OOK、QPSK、16QAM等)在不同信噪比下的信号样本。这些数据以 HDF5 格式存储,适用于大规模的数据处理和分析。数据集特点:多调制方式:涵盖24种不同的调制方式。多信噪比:包括从-20 dB到30 dB的26种信噪比。大规模样本:每种调制方式和信噪比下包含4096个样本。数据切分:将原始的 HDF5 数据集按照调制方式和信噪比切分成单个文件,便于后续处理。样本选择。

若北辰 973

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 198

把外部系统接到 SAP Build Process Automation 的两条路:前台直连与后台编排的完整范式

想把外部系统接入到你的【销售订单管理】审批流程,最稳妥的路径是:在流程里开一个,在 BTP 配好以为核心的 Destination,让前端经由approuter代理、后台通过 Cloud SDK 直连,任务处理用My Inbox或Task APIs,异步对接用。这套组合拳,既满足安全边界与运维规范,又能让前台与后台两个世界各取所需、自然衔接。SAP。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1663

YOLO26剪枝 lamp剪枝测试精度仅掉0.7个点,速度提高11.8fps!

针对没有如何去选择剪枝的内容LAMP是层自适应幅度调整剪枝,无需任何参数,通过算法内部自己计算每个层的重要程度进行剪枝。基于权重重要程度和该层权重大小关系,权重越大表明该层越重要的思想进行优化。这个跟我前面说的非结构化全局剪枝是一个解法(MP),也就是lamp是在我前面那个非结构化剪枝的基础上进行优化的。但是这个逐层进行非结构剪枝目前还没有一个清晰的概念,确定每个层要剪枝多少。LAMP得分是一个平方权重大小,由层中所有“幸存权重”的总和归一化。

m0_64661770的博客 677

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 333

NR PUCCH(二)PUCCH format 2/3/4

继续看PUCCH2/3/4:PUCCH format 0和1所携带的信息bits少,UCI bits2bits,信息bit需要经过编码等过程下面分别来看。

ModemProtocol的博客 539

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 337

做了一个3DTiles编辑器,支持3DTiles的预览和裁剪导出

3DTiles编辑器的功能极其简洁,核心就是3DTiles格式模型的预览和裁剪。为了演示方便,本文所使用的源数据为mipmap3d[1]网站所提供的无人机拍摄影像,并进行3DTiles构建。打开软件,输入的绝对路径之后,点击添加模型,就可以将模型加载进预览区。之后,点击裁剪模式按钮,默认会出现立方体裁剪框,可通过拖动句柄的方式去调整裁剪框的范围。同时,除了默认的盒体裁切模式外,还支持多边形裁切,点击多边形裁切后,可切换到顶视图,选择重绘多边形,可进行打点绘制。

兴趣使然的创作者 610

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 80

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 154

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 503

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 605

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

386

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 398

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5124

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 551

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 179

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 365

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 211
上一篇: 文字生成视频大模型!Meta版Sora深夜横空出世,这一次,效果炸裂!
下一篇: 今年后端的行情真不错!
公众号:【GitHub爱好者社区】
博客等级 码龄6年 357粉丝 48原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值