机器之心原创

2023/10/12 16:49

离开谷歌后，75岁AI教父Hinton自宣新动向：加入机器人创业公司

机器人果然是人工智能的最大挑战。

「自从离开谷歌之后，我收到过很多初创公司邀请我加入其顾问委员会的消息，但都拒绝了。然而，现在我决定以顾问的身份加入 VayuRobotics，再次与 Nitish Srivastava 共事。」

刚刚，75 岁的图灵奖得主、深度学习之父 Geoffrey Hinton，在自己的社交账号中分享了最新的职业动态：

几个月前，Hinton 正式从谷歌离开，开启了「退休生活」。据《纽约时报》的采访透露，Hinton 在四月份提出了辞职，并直接与谷歌 CEO Sundar Pichai 进行了交谈。

这是 Hinton 十年谷歌生涯的结束。关于离职原因，Hinton 的表述是：辞去在谷歌的工作，以便畅所欲言地谈论人工智能的风险。

很长时间以来，Hinton 都致力于神经网络、深度学习的发展，而很少谈及 AI 危险论调。

「大多数人认为这（AI 危害）还很遥远。我过去也认为这还很遥远，可能是 30 到 50 年甚至更长的时间。但显然，我现在不这么想了。」在接受采访时，Hinton 甚至说：「我对我毕生研究的东西感到后悔了。」

紧接着，在六月份的北京智源大会上，Hinton 再次公开谈到了大型语言模型带来的超级智能威胁，以及自己的担忧：「但我已经老了，我所希望的是像你们这样的年轻有为的研究人员，去想出我们如何能够拥有这些超级智能，使我们的生活变得更好，而不是被它们控制。」

尽管如此，Hinton 还是对自己的新工作寄予厚望：「我决定加入 Vayu Robotics 的顾问委员会，因为我看到了这家公司利用机器学习和视觉传感器的联合设计方法将人工智能应用于机器人技术的巨大潜力。我相信 Vayu 的技术将提供安全、环保的解决方案，并且比许多其他人工智能应用程序产生的道德问题要少得多。」

Vayu Robotics 联合创始人 Nitish Srivastava 是 Hinton 在多伦多大学的博士生，是 Dropout 算法的作者之一，这篇论文的其他作者还包括 Alex Krizhevsky、Ilya Sutskever（OpenAI 联合创始人）、Ruslan Salakhutdinov。

这些年来，Nitish Srivastava 始终与 Hinton 保持着联系。Nitish Srivastava 表示：「我渴望再次与 Hinton 博士再次合作，在 Hinton 博士的指导下，我不仅学到了机器学习领域最伟大的思想家之一的第一手资料，而且还受到他强烈的道德动力的启发，这种动力至今指导着我的决策。」

Geoffrey Hinton 加入的 Vayu Robotics 是一家致力于提供高质量、低成本机器人系统的人工智能公司。

上个星期，Vayu Robotics 刚刚宣布获得 1270 万美元的种子轮融资，由 Khosla Ventures 领投，洛克希德・马丁、ReMY Investors 等也参与其中。该公司计划利用这笔资金扩大人工智能机器人在不同市场的产品开发，包括最后一英里交付、工厂自动化和汽车。

Vayu 是一家非传统机器人公司，采用第一性原理的自动化方法，优先考虑成本和部署便捷性，通过两项关键技术保证机器人的智能化：移动基础模型，以及可以在许多中距离应用中取代 LiDAR 的颠覆性低成本传感技术。

该公司的技术目前处于行业两大趋势的融合之中。首先是新人工智能技术（生成式 AI）的兴起，这些技术使机器人能够以前所未有的方式执行更一般的任务。其次，美国企业正在寻求通过重振国内制造能力和竞争力来减少对海外生产的依赖。随着这种变化，市场对于机器人和自动化的需求持续增长。

从目前 Vayu 公司的宣传和介绍来看，其技术旨在实现下一波可持续且易于使用的机器人，并直接应用于「最后一英里」的交付。

Vayu 的技术特点在于三个主要方面：受生物学启发的传感器、可扩展的机器学习算法和目标明确的设计。公司第一批产品包括 Vayu Drive（移动基础模型）、Vayu Sense（一款强大且经济高效的传感器）以及 Vayu One（一款多功能的机器人服务）。

该公司的创始团队包括 Velodyne Lidar 前首席执行官 Gopalan、曾在 Lyft 和苹果工作过的 Mahesh Krishnamurthi、以及曾在苹果和多伦多大学工作过的 Nitish Srivastava。

英伟达高级研究科学家 Jim Fan 表示，机器人是人类在 AI 领域要征服的最后一道护城河，而现在还没有任何一家公司接近终点。

这或许也是 75 岁高龄的 Hinton 的愿景之一。

^{参考内容：}

^{https://www.vayurobotics.com/press-releases/godfather-of-ai-geoffrey-hinton-joins-vayu-robotics-advisory-board}

^{https://twitter.com/geoffreyhinton/status/1712171599636435105}

^{https://www.therobotreport.com/vayu-robotics-emerges-from-stealth-with-12-7m/}

产业VayuRoboticsGeoffrey Hinton

相关数据

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

Dropout技术

神经网络训练中防止过拟合的一种技术

来源：ImageNet Classification with Deep Convolutional

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

机器人技术技术

机器人学（Robotics）研究的是「机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。机器人可以分成两大类：固定机器人和移动机器人。固定机器人通常被用于工业生产（比如用于装配线）。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器；另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成，这也是人工智能领域最早的终极目标之一。

来源：机器之心

神经网络技术

（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。

来源：机器之心

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用，如语音识别，机器翻译，词性标注，句法分析和资讯检索。由于字词与句子都是任意组合的长度，因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题)，也使得在语料库中估算字串的机率变得很困难，这也是要使用近似的平滑n元语法(N-gram)模型之原因。

来源：维基百科