جيفري هينتون

ويكي
, , , ,
1

عالم إدراكي بريطاني كندي حائز على جائزة نوبل؛ الشخصية المحورية في تقليد الارتباطية (connectionism)، مهندس نهضة الانتشار العكسي (backpropagation)، وأكثر المعلمين تأثيرًا في تاريخ التعلم العميق.

معلومات أساسية / ملف شخصي

الحقل التفاصيل
الاسم الكامل جيفري إيفرست هينتون
تاريخ الميلاد 6 ديسمبر 1947، ويمبلدون، لندن، إنجلترا، المملكة المتحدة
الجنسية بريطاني كندي
المؤسسة الحالية جامعة تورنتو (أستاذ فخري); معهد فيكتور (المستشار العلمي الرئيسي)
مجالات البحث الشبكات العصبية الاصطناعية، التعلم الآلي، العلوم الإدراكية، التعلم العميق، سلامة الذكاء الاصطناعي
المشرف على الدكتوراه كريستوفر لونغيت هيغينز
أطروحة الدكتوراه الاسترخاء ودوره في الرؤية (جامعة إدنبرة، 1978)
الموقع الشخصي cs.toronto.edu/~hinton
إكس / تويتر @geoffreyhinton
جوجل سكولار scholar.google.com/citations?user=JicYPdAAAAAJ
جائزة نوبل nobelprize.org/prizes/physics/2024/hinton/facts

نظرة عامة

جيفري هينتون عالم كمبيوتر وعالم نفس إدراكي بريطاني كندي أمضى خمسة عقود يدافع عن الشبكات العصبية كمنهج صحيح للذكاء الآلي في وقت كان فيه التيار الأكاديمي قد تخلى عنها إلى حد كبير. تشكل ورقته البحثية المنشورة في مجلة Nature عام 1986 والتي عمّم من خلالها الانتشار العكسي (backpropagation) للشبكات متعددة الطبقات، وتطويره لآلات بولتزمان (Boltzmann machines) وشبكات الاعتقاد العميق (deep belief networks)، وإشرافه على AlexNet — وهي الشبكة الالتفافية التي أعادت إطلاق المجال عمليًا في عام 2012 — كل ذلك يشكل العمود الفقري التقني للتعلم العميق الحديث. من خلال مجموعته في جامعة تورنتو، درّب أو أشرف على حصة غير متناسبة من الباحثين الذين يقودون الآن الذكاء الاصطناعي في المعامل الكبرى، بما في ذلك يان ليكون، إيليا سوتسكيفر، أليكس كريجفسكي، رسلان سلاخوتدينوف، وبيتر دايان. تقاسم جائزة تورينج لعام 2018 مع يوشوا بنجيو ويان ليكون، وفي عام 2024 حصل هو وجون هوبفيلد على جائزة نوبل في الفيزياء «للاكتشافات والاختراعات التأسيسية التي مكنت التعلم الآلي باستخدام الشبكات العصبية الاصطناعية.» في مايو 2023، استقال هينتون من Google Brain ليتحدث بحرية عما يعتبره المخاطر الوجودية والقريبة المدى للتكنولوجيا التي ساعد في إنشائها — وهو الموقف الذي عبر عنه بإلحاح متزايد منذ ذلك الحين.

النشأة والتعليم

الأسرة والإرث الفكري

ولد هينتون في 6 ديسمبر 1947 في ويمبلدون. تمتد شجرة عائلته عبر مسار بارز من التاريخ الفكري البريطاني: هو حفيد حفيد حفيد عالم الرياضيات والمنطق جورج بول، الذي شكل عمله في الجبر البوليني أساسًا لعلوم الكمبيوتر، وماري إيفرست بول، عالمة الرياضيات والمعلمة. اسمه الأوسط، إيفرست، يأتي من عم جده الأكبر جورج إيفرست، المساح العام للهند الذي سُمي الجبل باسمه. كان والده عالم الحشرات هـ. إ. هينتون؛ وكانت ابنة عمه الأولى بعد إزالتها جوان هينتون، إحدى عالمتي الفيزياء في مشروع مانهاتن. أشار هينتون إلى أن إصابة ظهره في سن التاسعة عشرة — والتي جعلت الجلوس مؤلمًا طوال حياته البالغة — شكلت عاداته في العمل، وقد عانى من الاكتئاب طوال مسيرته المهنية.

كلية كينغز، كامبريدج — بكالوريوس الآداب (1967–1970)

التحق هينتون بكلية كينغز في كامبريدج عام 1967، متنقلًا بين العلوم الطبيعية وتاريخ الفن والفلسفة قبل أن يستقر على علم النفس التجريبي، وتخرج بدرجة بكالوريوس الآداب في عام 1970. بعد حصوله على شهادته، أمضى عامًا في التدرب كنجار قبل أن يعود إلى الأوساط الأكاديمية — وهي فترة توقف في سيرته الذاتية استشهد بها كدليل على أن مساره الفكري كان بعيدًا عن أن يكون محددًا مسبقًا.

جامعة إدنبرة — دكتوراه (1972–1978)

بدأ هينتون الدكتوراه في إدنبرة عام 1972 تحت إشراف كريستوفر لونغيت هيغينز، وهو عالم إدراكي كان قد تحول مؤخرًا من أبحاث الشبكات العصبية إلى منهج الذكاء الاصطناعي الرمزي السائد آنذاك في المجال. بالعمل ضمن هذه البيئة غير المتعاطفة، كتب هينتون أطروحة حول الاسترخاء ودوره في الرؤية، مستكشفًا كيف يمكن نمذجة عمليات إشباع القيود في الإدراك البصري — وهي أعمال تمهيدية للنماذج القائمة على الطاقة التي سيطورها لاحقًا. مُنحت الشهادة في عام 1978. وبسبب صعوبة تأمين تمويل بحثي في بريطانيا، انتقل إلى الولايات المتحدة.

المسيرة المهنية

جامعة كاليفورنيا في سان دييغو وجامعة كارنيجي ميلون — ما بعد الدكتوراه وعضو هيئة تدريس (1978–1987)

كان هينتون باحثًا ما بعد الدكتوراه في جامعة كاليفورنيا في سان دييغو ابتداءً من عام 1978، حيث انضم إلى ديفيد روميلهارت ورونالد ويليامز. أنتج تعاونهم ورقة Nature عام 1986 «تعلم التمثيلات عن طريق نشر الأخطاء عكسيًا»، والتي أظهرت أن الشبكات متعددة الطبقات يمكنها تعلم تمثيلات داخلية مفيدة عبر الانحدار التدرجي باستخدام قاعدة السلسلة — وهي النتيجة التي أعادت إحياء الاهتمام الجاد بالشبكات العصبية بعد عقد من الركود. نسب هينتون الفضل إلى روميلهارت في الفكرة الأساسية؛ وتكمن أهمية الورقة في عرضها السهل وتجاربها المقنعة في وقت كان المجال يحتاج فيه إلى إثبات للمفهوم. من عام 1982 إلى 1987 كان عضو هيئة تدريس في كارنيجي ميلون، حيث انضم إلى مجموعة المعالجة الموزعة المتوازية (PDP) التي ضمت تيري سيجنوفسكي وفرانسيس كريك وديفيد روميلهارت وجيمس ماكليلاند — وهو مجتمع بحثي ارتباطي وضع نفسه بشكل صريح في مواجهة التيار الرئيسي للذكاء الاصطناعي الرمزي خلال شتاء الذكاء الاصطناعي. مع أكلي وسيجنوفسكي، شارك في اختراع آلات بولتزمان في عام 1985، وهي شبكة عودية عشوائية قائمة على الطاقة تستمد خوارزمية التعلم الخاصة بها أفكارًا من الفيزياء الإحصائية.

جامعة تورنتو — أستاذ (1987–حتى الآن)

انتقل هينتون إلى جامعة تورنتو في عام 1987 كزميل في معهد CIFAR — حيث كانت كندا قد استقطبته بنشاط، جزئيًا لتجنب التمويل العسكري المتزايد لأبحاث الذكاء الاصطناعي في الولايات المتحدة، والذي تعارض مع سياساته الاشتراكية. وهو منتسب إلى تورنتو منذ ذلك الحين، وأصبح أستاذًا جامعيًا، وبعد تقاعده، أستاذًا جامعيًا فخريًا. أصبحت تورنتو العقدة الأكثر تأثيرًا في العالم لأبحاث الشبكات العصبية على مدى العقود الثلاثة التالية، منتجة أو مستضيفة حصة غير متناسبة من الباحثين الذين شكلوا المجال لاحقًا.

كان إنتاج مجموعته في تورنتو خلال هذه الفترة واسعًا ومتسقًا. قدمت خوارزمية النوم-اليقظة (1995، مع دايان وفري ونيل) نموذجًا توليديًا تم تدريبه من خلال التناوب بين مراحل التمييز والتوليد، متوقعة إطار عمل المشفر التلقائي المتغير. في عام 2006 نشر هينتون وسلاخوتدينوف ورقة بحثية بارزة في مجلة Science أظهرت أنه يمكن تدريب الشبكات العميقة ذات الطبقات المخفية الكثيرة بشكل فعال باستخدام نهج التدريب المسبق الجشع طبقة تلو الأخرى مع آلات بولتزمان المقيدة — وهي نتيجة، أكثر من أي ورقة بحثية واحدة، أطلقت نهضة «التعلم العميق» من خلال إظهار أن العمق كان قابلاً للتحقيق عمليًا. في عام 2008 طور خوارزمية t-SNE مع لورنس فان دير ماتن، وهي تقنية لتقليل الأبعاد والتصور أصبحت منتشرة في كل مكان لفحص البيانات عالية الأبعاد. في عام 2012 أنتج طلابه أليكس كريجفسكي وإيليا سوتسكيفر، تحت إشرافه، AlexNet — وهي شبكة عصبية التفافية عميقة فازت في تحدي ImageNet Large Scale Visual Recognition Challenge بفارق يقارب 11 نقطة مئوية عن أفضل نتيجة سابقة، مما أذهل مجتمع الرؤية الحاسوبية ووضع جدول أعمال العقد التالي للمجال بشكل فعال. الورقة البحثية حول التسرب (Dropout) (2014، مع سريفاستافا وكريجفسكي وسوتسكيفر وسلاخوتدينوف) قامت بإضفاء الطابع الرسمي على تقنية تنظيم بسيطة لكنها قوية أصبحت ممارسة قياسية. تقطير المعرفة (2015، مع فينيالس ودين) اقترح طريقة لنقل المعرفة المتعلمة بين الشبكات عن طريق التدريب على مخرجات الاحتمالات الناعمة بدلاً من التصنيفات الصلبة — وهي الآن مستخدمة عالميًا في ضغط النماذج.

في عام 2012، شارك هينتون في تأسيس شركة DNNresearch Inc. مع كريجفسكي وسوتسكيفر لتسويق التكنولوجيا. استحوذت جوجل على الشركة في مارس 2013 مقابل 44 مليون دولار — وهي صفقة أشارت فعليًا للصناعة بأكملها إلى أن التعلم العميق قد وصل.

وحدة غاتسبي لعلم الأعصاب الحاسوبي في كلية لندن الجامعية — المدير المؤسس (1998–2001)

بين تعييناته في تورنتو، شغل هينتون منصب المدير المؤسس لوحدة غاتسبي لعلم الأعصاب الحاسوبي في كلية لندن الجامعية، الممولة من مؤسسة غاتسبي الخيرية. أصبحت الوحدة أرضًا تدريبية مؤثرة لعلم الأعصاب الحاسوبي والتعلم الآلي الاحتمالي؛ أصبح بيتر دايان، الذي كان باحثًا ما بعد الدكتوراه في تورنتو، مديرًا مشاركًا ثم مديرًا لاحقًا.

Google Brain — باحث متميز (2013–2023)

بعد استحواذ DNNresearch، قسم هينتون وقته بين جامعة تورنتو وGoogle Brain، حيث عمل كباحث متميز. خلال هذه الفترة واصل الأبحاث الأساسية، حيث قدم الشبكات الكبسولية (2017) كبديل معماري للشبكات الالتفافية القياسية يهدف إلى تمثيل أفضل للعلاقات المكانية بين الجزء والكل، وخوارزمية Forward-Forward (NeurIPS 2022) كبديل تأملي للانتشار العكسي يستبدل المسار الخلفي بمسار أمامي ثانٍ على البيانات السلبية. في عام 2021 شارك في تأليف ورقة بحثية مستشهد بها على نطاق واسع حول SimCLR، وهو إطار عمل للتعلم الذاتي الخاضع للإشراف المقارن للتمثيلات البصرية.

في مايو 2023، أعلن هينتون علنًا استقالته من جوجل، قائلاً إنه يريد التحدث بحرية عن مخاطر الذكاء الاصطناعي «دون النظر في كيفية تأثير ذلك على جوجل.» في مقابلته مع نيويورك تايمز قال إن «جزءًا منه يندم الآن على عمل حياته.» وأكد أنه لا ينتقد جوجل — التي أشاد بها لتصرفها بمسؤولية — ولكن الموقع الهيكلي لكونه موظفًا في شركة تطوير ذكاء اصطناعي كبرى جعل التصريحات العامة الصريحة حول مخاطر التكنولوجيا معقدة من الناحية المهنية.

ما بعد جوجل — ناشط سلامة الذكاء الاصطناعي العام (2023–حتى الآن)

منذ مغادرته جوجل، كان هينتون واحدًا من أبرز وأكثر الأصوات مصداقية التي تطلق ناقوس الخطر بشأن مخاطر الذكاء الاصطناعي القريبة والبعيدة المدى. وقع على بيان مركز سلامة الذكاء الاصطناعي لعام 2023 بأن خطر انقراض البشرية بسبب الذكاء الاصطناعي يجب التعامل معه كأولوية عالمية جنبًا إلى جنب مع الحرب النووية والأوبئة. لقد حذر من مخاطر سوء الاستخدام المتعمد — ولا سيما استخدام الذكاء الاصطناعي لتصميم أسلحة بيولوجية جديدة («الأمر يتطلب فقط شخصًا مجنونًا واحدًا لديه ضغينة») — ومن البطالة التكنولوجية، ومن احتمالية أن تطور أنظمة الذكاء الاصطناعي أهدافًا فرعية غير متوافقة من خلال التقارب الأداتي. بحلول أواخر عام 2024 كان يقدر احتمالية 10-20% لانقراض البشرية بسبب الذكاء الاصطناعي في غضون 30 عامًا. لقد دعا إلى التنظيم الحكومي باعتباره الآلية الواقعية الوحيدة لإجبار الشركات المتنافسة على الاستثمار في السلامة، وأيد مشروع قانون سلامة الذكاء الاصطناعي SB 1047 في كاليفورنيا إلى جانب يوشوا بنجيو وستيورات راسل ولورنس ليسيج.

المساهمات الرئيسية

  • الانتشار العكسي — التعميم القانوني (Nature, 1986، مع روميلهارت وويليامز) — أظهر أن الانحدار التدرجي من خلال قاعدة السلسلة يمكّن الشبكات متعددة الطبقات من تعلم تمثيلات داخلية مفيدة؛ الورقة البحثية التي أنهت شتاء الذكاء الاصطناعي الأول للشبكات العصبية. نسب هينتون الفضل إلى روميلهارت في الفكرة الأساسية؛ العمل السابق من قبل فيربوس (1974) وليناينما (1970) سبقه، لكن ورقة 1986 جعلته في متناول المجتمع وموثوقًا به.
  • آلات بولتزمان (Cognitive Science, 1985، مع أكلي وسيجنوفسكي) — قدمت شبكة عودية عشوائية قائمة على الطاقة مع قاعدة تعلم مدفوعة بيولوجيًا؛ تم الاستشهاد بآلة بولتزمان صراحة في وثيقة جائزة نوبل لهينتون.
  • آلات بولتزمان المقيدة وشبكات الاعتقاد العميقة (Science, 2006، مع سلاخوتدينوف) — أظهرت أن الشبكات العميقة يمكن تدريبها بشكل فعال باستخدام التدريب المسبق الجشع طبقة تلو الأخرى مع آلات بولتزمان المقيدة (RBMs)؛ الورقة البحثية التي حفزت عصر التعلم العميق الحديث من خلال إثبات أن العمق كان قابلاً للتطبيق.
  • التمثيلات الموزعة — جادلت عبر أوراق بحثية متعددة في الثمانينات والتسعينات من القرن العشرين بأن المعنى والمعرفة يجب أن يتم ترميزهما في أنماط من التنشيط عبر العديد من الوحدات، وليس في «خلايا جدة» مفردة؛ التزام نظري تأسيسي ميز الارتباطية عن المناهج الرمزية السابقة.
  • AlexNet (NeurIPS 2012، مع أليكس كريجفسكي وإيليا سوتسكيفر) — شبكة التفافية عميقة فازت في تحدي ImageNet 2012 بمعدل خطأ في أفضل 5 بلغ 15.3%، متقدمة بنحو 11 نقطة عن أفضل إدخال تالٍ، مما أشعل نشر التعلم العميق عبر الصناعة.
  • التسرب (Dropout) (JMLR, 2014، مع سريفاستافا وكريجفسكي وسوتسكيفر وسلاخوتدينوف) — طريقة تنظيم تقوم بتعطيل الوحدات عشوائيًا أثناء التدريب، مما يمنع التكيف المشترك ويعمل كمجموعة ضمنية؛ أصبحت ممارسة قياسية في تدريب الشبكات العصبية.
  • تقطير المعرفة (2015، مع فينيالس ودين) — قدمت تدريب شبكة طالبة مدمجة على مخرجات الاحتمالات الناعمة لشبكة معلمة كبيرة، مما يتيح ضغط النموذج دون إعادة تدريب التصنيفات الصلبة؛ أصبحت الآن مستخدمة عالميًا في الاستدلال والنشر الفعال.
  • t-SNE (JMLR, 2008، مع لورنس فان دير ماتن) — طريقة لتقليل الأبعاد غير الخطية تحافظ على بنية العنقود المحلية لتصور البيانات عالية الأبعاد؛ أصبحت الأداة القياسية لفحص فضاءات التضمين.
  • خوارزمية النوم-اليقظة (Science, 1995، مع دايان وفري ونيل) — خوارزمية تعلم للنماذج التوليدية الهرمية تتناوب بين مراحل التمييز (اليقظة) والتوليد (النوم)؛ توقعت بنية طرق الاستدلال المتغير اللاحقة.
  • الشبكات الكبسولية (2017) — بنية تأملية تستبدل التنشيطات العددية بمتجهات (كبسولات) لترميز العلاقات المكانية بين الجزء والكل، بهدف التغلب على عدم حساسية الشبكات الالتفافية (CNNs) للتكوين المكاني؛ ولدت أعمالًا متابعة كبيرة على الرغم من أنها لم تحل محل الشبكات الالتفافية (CNNs) في الإنتاج بعد.
  • SimCLR / التعلم المقارن (ICML 2020، مع تشين وكورنبيث ونوروزي) — إطار عمل للتعلم الذاتي الخاضع للإشراف المقارن للتمثيلات البصرية أصبح خطًا أساسيًا معتمدًا على نطاق واسع للتدريب المسبق للمشفرات البصرية.
  • خوارزمية Forward-Forward (NeurIPS 2022) — بديل تأملي للانتشار العكسي يستخدم مسارين أماميين (على البيانات الإيجابية والسلبية) بدلاً من مسار خلفي؛ ذات صلة بإعدادات «الحوسبة الفانية» مثل الأجهزة التناظرية.
  • النسب الأكاديمي — طلاب الدكتوراه يشملون ريتشارد زيمل، بريندان فراي، رادفورد نيل، يي واي تيه، رسلان سلاخوتدينوف، إيليا سوتسكيفر، أليكس كريجفسكي، وبيتر براون؛ الباحثون ما بعد الدكتوراه يشملون يان ليكون، بيتر دايان، ماكس ويلينج، أليكس جريفز، وزوبين غهراماني — وهي مجموعة شكلت بشكل جماعي كل مختبر رئيسي للذكاء الاصطناعي نشط اليوم تقريبًا.

الجوائز والتكريمات

  • جائزة روميلهارت (2001) — أول Recipient للجائزة للمساهمات في الأسس النظرية للإدراك البشري.
  • جائزة IJCAI للتميز البحثي (2005)
  • الميدالية الذهبية الكندية هرتسبرغ للعلوم والهندسة (2011)
  • جائزة تورينج ACM (2018، بالمشاركة مع يوشوا بنجيو ويان ليكون) — «للاختراقات المفاهيمية والهندسية التي جعلت الشبكات العصبية العميقة مكونًا حاسمًا في الحوسبة.»
  • رفيق وسام كندا (2018)
  • جائزة ديكسون في العلوم، جامعة كارنيجي ميلون (2021)
  • جائزة أميرة أستورياس للبحث التقني والعلمي (2022، بالمشاركة مع بنجيو وليكون وحسابيس)
  • جائزة نوبل في الفيزياء (2024، بالمشاركة مع جون هوبفيلد) — «للاكتشافات والاختراعات التأسيسية التي مكنت التعلم الآلي باستخدام الشبكات العصبية الاصطناعية.» تم الاستشهاد بآلة بولتزمان صراحة.
  • جائزة فينفيوتشر الكبرى (2024، بالمشاركة مع بنجيو وليكون وجنسن هوانغ وفاي فاي لي)
  • جائزة الملكة إليزابيث للهندسة (2025، بالمشاركة مع بنجيو وبيل دالي وهوبفيلد وليكون وجنسن هوانغ وفاي فاي لي)
  • وسام ساندفورد فليمنج (2025) — المعهد الكندي الملكي للعلوم، للتميز في التواصل العلمي.
  • زميل الجمعية الملكية (FRS) (1998)
  • زميل الجمعية الملكية الكندية (1996)
  • زميل AAAI (1990)
  • عضو دولي، الأكاديمية الوطنية الأمريكية للهندسة (2016)
  • عضو دولي، الأكاديمية الوطنية الأمريكية للعلوم (2023)

العلاقات الرئيسية

  • ديفيد روميلهارت — المتعاون الفكري في جامعة كاليفورنيا في سان دييغو والمؤلف المشارك لورقة الانتشار العكسي عام 1986؛ نسب هينتون الفضل باستمرار إلى روميلهارت في الفكرة الأساسية ويعتبر الورقة اختراع روميلهارت.
  • تيرينس سيجنوفسكي — زميل في كارنيجي ميلون ومخترع مشارك لآلات بولتزمان؛ جزء من مجموعة PDP التي حافظت على الارتباطية خلال شتاء الذكاء الاصطناعي.
  • يوشوا بنجيو — زميل CIFAR ومتعاون طويل الأمد؛ الفائز المشارك بجائزة تورينج؛ شكلت مجموعة بنجيو في مونتريال ومجموعة هينتون في تورنتو الركيزتين لأبحاث التعلم العميق الكندية.
  • يان ليكون — باحث ما بعد الدكتوراه في مجموعة هينتون في تورنتو (1987–1988)؛ الفائز المشارك بجائزة تورينج؛ كانت سنة ما بعد الدكتوراه بداية عمل ليكون على الشبكات الالتفافية.
  • إيليا سوتسكيفر — طالب دكتوراه؛ مخترع مشارك لـ AlexNet؛ قال هينتون إنه فخور بأن سوتسكيفر شارك في قرار مجلس إدارة OpenAI لعام 2023 بإقالة سام ألتمان، مستشهدًا بمخاوف سلامة الذكاء الاصطناعي كدافع مشترك.
  • أليكس كريجفسكي — طالب دكتوراه؛ المنفذ الرئيسي لـ AlexNet؛ الثلاثة أسسوا DNNresearch، التي استحوذت عليها جوجل في عام 2013.
  • بيتر دايان — باحث ما بعد الدكتوراه؛ أصبح المؤسس المشارك ثم مدير وحدة غاتسبي في كلية لندن الجامعية، وشخصية رائدة في علم الأعصاب الحاسوبي؛ كان تأثير هينتون على اتجاه بحث دايان تكوينيًا.
  • جون هوبفيلد — الحائز المشارك على جائزة نوبل؛ كانت ورقة هوبفيلد لعام 1982 حول الذاكرة الترابطية في شبكات هوبفيلد سابقة مباشرة لآلات بولتزمان وهي مجموعة العمل الأخرى المستشهد بها في وثيقة جائزة نوبل.

الأسلوب الشخصي

يُعرف هينتون بمزيج من العناد العميق — الحفاظ على المواقف الارتباطية خلال شتاءين من الذكاء الاصطناعي عندما كان الإجماع ضده — والتململ الفكري: لقد اقترح بانتظام أطرتعلم جديدة (الشبكات الكبسولية، Forward-Forward، الحوسبة الفانية) تتحدى الإجماع الذي ساعد في تأسيسه، وغالبًا ما يشير إلى أنه يشتبه في أن الانتشار العكسي ليس هو الطريقة التي يعمل بها الدماغ بالفعل وأن فهم خوارزمية التعلم الفعلية للدماغ لا يزال مشكلة مفتوحة. كان صوته العام منذ عام 2023 مختلفًا بشكل ملحوظ عن صوته العلمي: صريح، ومتكرر للتأكيد المتعمد، ومستعد لإعطاء تقديرات احتمالية للنتائج الكارثية. لقد وصف الوضع بأنه مشابه تقريبًا لعالم فيزياء لامع ساعد في بناء القنبلة الذرية ثم أمضى بقية حياته المهنية في التحذير منها. انتقل من الولايات المتحدة إلى كندا جزئيًا بسبب خيبة الأمل السياسية من سياسات عهد ريغان وتمويل الذكاء الاصطناعي العسكري — وهي تفاصيل تكشف عن اتساق بين قناعاته العلمية وقيمه الأوسع كان موجودًا منذ بداية مسيرته المهنية.

المراجع