去年底发布ChatGPT时，全世界的人们突然意识到人工智能 (AI) 领域正在发生的重大进步。对于许多人来说，曾经看似科幻的幻想现在已成为现实。
事实上，突破性的聊天机器人背后的技术多年来一直在研究实验室和主要科技公司的幕后酝酿。ChatGPT经过改进并以其最易于访问的形式发布，预示着人工智能采用的变革时代。
ChatGPT和其他生成式 AI（如 DALL-E）可以根据简单的提示创建原始文本和图像，而不仅仅是改变教育。它将重塑人们开展业务、创作艺术和进行研究的方式。
评论员将即将发生的事情比作下一次工业革命：人类的角色可能会发生根本性的变化。
虽然ChatGPT和 DALL-E 都是美国研究公司OpenAI的产品，但其他硅谷巨头一直在迅速行动，以表明他们有能力使用类似的技术。
随着OpenAI、微软、谷歌、Meta 甚至百度等名称因其生成式 AI 产品登上国际头条，人们很容易忘记这些技术所依赖的基本原则在很大程度上是由加拿大科学家开发的。
Bard vs ChatGPT——为什么谷歌的人工智能技术表明“巨大的竞争”必然会进入该行业
OpenAI不是一家加拿大公司，但也许它应该是。
三位被誉为 AI 教父的人，他们的工作几乎肯定会影响您的生活。其中两人是加拿大人：蒙特利尔大学的 Yoshua Bengio 和多伦多大学的 Geoffrey Hinton。第三位是 Yann LeCun，他是法国人，但他的一些最具开创性的研究是在贝尔实验室和多伦多大学完成的。
事实上，Open AI 的首席科学官兼联合创始人 Ilya Sutskever就读于多伦多大学，是 Hinton 的博士生。
至于 Bengio，他是世界上被引用次数最多的计算机科学家。当被问及他是否可以将他的工作与ChatGPT直接联系起来时，他直截了当地说：“是的，当然可以。”
计算机科学教授 Yoshua Bengio 于 2016 年 11 月 19 日星期六在他位于蒙特利尔的家中摆姿势。
很明显，加拿大拥有世界上最优秀的人工智能人才，但我们在将最伟大的研究成果商业化方面却落后了。 Global News 与 Bengio 和人工智能行业的领导者坐下来了解原因，以及加拿大的未来会发生什么。
撇开经济因素不谈，人工智能将如何更广泛地影响加拿大和世界的社会和政治结构？最聪明的人都同意这仅仅是个开始。对于 Bengio 来说，计算机是否会达到人类智能水平不是问题，而是何时。当这样的技术发布时，它会为集体利益服务吗？
加拿大如何塑造人工智能世界
谈到人工智能的现代进步，尤其是所谓的“深度学习”，加拿大的足迹无处不在。几十年前如何开始的故事，以及为什么开始的故事都始于人类的思想。
Bengio 告诉 Global News，他受到启发研究人工智能和神经网络以了解人脑机器，基于这样一种信念，即人类智能的基本原理可能相对简单，例如物理定律，并且最终是可复制的。
“当神经网络研究的整个想法非常边缘化时，我对这个想法感到兴奋，因为我们可以理解我们自己的智能并构建利用这些原理的机器，”Bengio说。
深度学习领域正是这样做的——它利用我们对自身认知的了解来开发更智能、更高效的人工智能。这项尖端研究使用神经网络（一系列算法）来模仿人类的学习过程。
在神经网络中，有许多计算“节点”，它们松散地模仿大脑自身的神经元，它们通过加权连接相互影响。当输入数据通过节点时，这些权重和偏差决定了最终输出值应该是多少，并可用于微调模型以获得更优的答案。
深度学习是指当神经网络中有很多层节点时；层数越多，模型越复杂，内部“学习”也就越多。训练一个简单的机器学习模型需要大量的人工干预，但深度学习系统越来越能够自主学习。
因此，深度学习的应用实际上可以是无穷无尽的，而且不一定会受到人类创造力和知识的限制。深度学习方法已经被用于回答人类难以解决的开放式问题，例如向音乐听众推荐哪些歌曲以及如何最有效地运行城市电网。
由于对深度学习的贡献，Bengio、Hinton 和LeCun获得了图灵奖，俗称计算界的诺贝尔奖。颁发该奖项的计算机协会 (ACM) 指出，这三人的基础研究如今已被数十亿人使用，基本上是所有使用智能手机的人。
“我认为在接下来的许多年里，当人们撰写有关神经网络历史的书籍时，这将是 AI 的历史，将会有大量章节专门介绍加拿大人民以及他们所做的事情，”联合创始人 Nick Frosst说。 – 总部位于多伦多的自然语言处理公司 (NLP) Cohere 的创始人，该公司正在迅速与OpenAI进行比较。
NLP 是 AI 的一个分支，旨在让计算机理解、分析和生成语言。ChatGPT使用 NLP 方法与用户进行对话式交互，而 Cohere 则向企业提供其语言模型来解决业务问题。
人工智能的教父有一些警告。
Frosst说，加拿大对发展人工智能的研究贡献“巨大”。
“我的意思是，Yoshua Bengio 和 Geoffrey Hinton 一个人在这里强调了我们对世界的影响。”
然而，许多人工智能研究人员不得不被吸引到加拿大开展工作。欣顿从英国移民到加拿大，他来自一个知识分子家庭，包括数学家乔治布尔和测量员乔治珠穆朗玛峰（是的，以珠穆朗玛峰闻名）。与此同时，本吉奥出生在巴黎，父母是摩洛哥移民，但他的家人在他还是个孩子的时候就搬到了蒙特利尔。
加拿大政府和学术界之间的早期合作是将 AI 列入国家议程的关键，它使加拿大大学成为最先投资机器学习研究的大学之一。
加拿大高级研究所 (CIFAR) 于 1982 年成立时，它开展的第一个研究项目是人工智能和机器人技术。
Hinton 于 1987 年被多伦多大学聘用，一年后他因在反向传播方面的工作而声名鹊起，这种算法现已成为当今大多数神经网络的标准算法，从根本上提高了它们的效率。
假设一个神经网络被要求识别一张狗的图像，但它预测的却是一只猫。反向传播允许机器学习开发人员计算计算机的预测有多少是错误的，这样他们就可以调整网络的权重和偏差，以便下次获得更好的输出。
1993 年，本吉奥被蒙特利尔大学聘用。几年后，他撰写了一篇具有里程碑意义的论文，将词嵌入引入神经网络，对 NLP 产生了巨大影响。词嵌入是一个词的学习表示，具有相似含义的词具有相似的表示。更简单地说，他革新了一种方法来帮助计算机理解单词背后的复杂含义。
2010 年，Bengio 帮助开创了生成对抗网络 (GAN)，这是一种突破性的方法，计算机可以通过这种方法通过模仿其训练的数据集来生成原始图像、视频、音乐和其他类型的数据。该技术与进化生物学进行了比较。
随着 Bengio 和 Hinton 成为深度学习领域的领导者而享有盛誉，计算机科学专业的学生和研究人员越来越有兴趣在加拿大工作。因此，许多世界领先的 AI 研究人员都曾在加拿大工作或在这些人的指导下学习也就不足为奇了。
无论如何，在该领域的大部分历史中，深度学习仍被视为一门推测性且未经证实的科学——ACM 实际上将 Bengio、Hinton 和LeCun归功于帮助重振了人们对它的兴趣。
但实际上，这些人在正确的时间研究神经网络。几十年来，计算机和图形处理能力一直在稳步增长，互联网的广泛采用意味着研究人员拥有了以前所未有的规模进行实验的手段和数据。
根据多伦多大学 Creative Destruction Lab 的首席数据科学家Avi Goldfarb 的说法，该实验室是一个帮助推动了众多 AI 初创公司的孵化器，神经网络普及的转折点出现在 2012 年。
就在那时，Hinton 与学生 Alex Krizhevsky和Sutskever（如上所述，现在是 Open AI 的首席科学官）一起参加了 ImageNet 竞赛，这是一项年度竞赛，旨在了解哪种 AI 模型可以从庞大的数据库中正确识别最多的图像。
Goldfarb 说：“他们不仅赢了，而且还用深度学习方法击败了竞争对手”。“而且他们做得比其他人都好得多，以至于明年，几乎每个人都为自己的算法采用了他们的技术版本。”
随着世界开始意识到人工智能深度学习的好处，加拿大在 2017 年制定了泛加拿大人工智能战略，以利用我们的领先地位。
