温哥华科技新闻，专题，未来，进步，发达，AI，信息 - 温哥华天空

如果列出2024年最能从AI浪潮中挣钱的人物，一位年轻的华裔精英定在其中。这位华裔青年名为亚历山大·王，今年27岁，坐拥一家有8年历史的AI公司，Scale AI。近日，Scale AI公布数据，2024年上半年实现销售额共4.15亿美元（约合28.4亿元），比去年同期翻了两倍。亚历山大也在9月预计，2024年Scale AI的年化收入将达到10亿美元（约合71亿元）。这收入，接近于OpenAI在2023年取得的16亿美元。要知道，这家公司主要做的却是AI行业里公认的最“脏”和低端的活——标注数据。他们的工人遍布全球。Scale AI的外包公司之一Remotasks网站显示，共计26万人在其旗下为它远程工作。来自菲律宾、印度、埃及、巴西、法国等地的人们，都在电脑前为亚历山大·王的暴富添砖加瓦。盐财经调查发现，Scale AI的劳工多分布在第三世界，有的领着比当地规定的标准更低的薪水，有的被平台拖欠薪资，有的在电脑前被无故“裁员”……超大的科技公司背后是混乱的管理，以及一个个逃离各国政府监管的外包公司。这座靠人力垒出来的数据帝国，底下是许多在生活中摇摇欲坠的人。 6月，在进行了F轮融资后，Scale AI的估值已经飙升至138亿美元（约合984亿元）。这意味着，由全球廉价劳动力组成的数据标注平台，仍被资本市场看好。但是，人们的生活没有变得更好。在硅谷，引领世界科技圈的巨头都有相似的、被认为“高级”的气质。阳光、擅长运动、拥有性魅力、看上去精通数学或商科……浙江大学社会学者吴桐雨曾总结，在美国，上述这种最“高级”的硅谷气质，像一种“霸权式男性气质”。年仅27岁，Scale AI的创始人亚历山大·王就是这样一位标准的“高级”男性——无论从谈吐、衣着还是他那广阔的朋友圈上看。这位1997年出生在美国墨西哥州的华裔男性，19岁考入麻省理工学院后，很快试图创业。现在，他的个人账号上拥有近百万粉丝，不时展现自己取得的新成就。比如，亚历山大社交账号最上方的两组照片，一张是他以单人形象登上《福布斯》杂志时的黑色系高级封面。另一组则是他西装革履地在美国国会听证会上发言，身体前方有一个显眼的白色名牌，标着“Mr. Wang”。出生在高学历家庭（父母都是物理学家）的亚历山大，的确拥有容易被媒体津津乐道的天赋。他从小对数学和计算机编程表现出了极大热情，家里摆满了他的数学和计算机竞赛奖杯。17岁时，还是高中生的亚历山大就前往问答平台Quora工作，成为其中的工程师。也就在Quora，他认识了另一位华人后代 Lucy Guo，一位自信干练的女性。志同道合的两人在2016年纷纷辍学（亚历山大刚读大一），创立了Scale AI。 Scale AI在创立后很快确立了定位——做AI数据。在大模型时代，数据被认为是AI行业的三辆马车之一。而亚历山大很早就判断，如果数据是一种新的石油，那Scale AI 就是一座炼油厂。Scale AI 把互联网大量的原始数据进行标注，转换成高质量的数据，帮助科技公司提升算法。公司定位清晰，加上数据是一条并未被众人盯上的赛道，此后的Scale AI，几乎以每年大翻倍的方式实现增长。2017年，融资50万美元；2018年800万美元，再到1亿、1.5亿美元。到2020年，公司估值翻了三番，达到了惊人的35亿美元。2024年，再度翻了三倍，Scale AI的估值变成了惊人的138亿美元。公司的表现让硅谷的投资圈人士为这位新星惊叹，人们甚至认为他身上有了埃隆·马斯克的影子。2022年，凭借Scale AI斩获的诸多大订单，年仅25岁的亚历山大·王登上福布斯富豪榜单，拥有了“史上最年轻白手起家的亿万富翁”名号，风光无限。亚历山大个人账号下，充满着溢美之词。但若打开Scale AI委托的外包公司Remotasks账号，就会看到评论区蜂拥着负面留言。 “我需要帮助，谁来联系我”“这是一家骗子公司”“这里拖欠薪资，是个不可靠的地方”…… 世界各国的名字与IP出现在了评论区，显示Remotasks（或者Scale AI）是一家基于全球数字劳工而壮大的公司。在官网上，Remotasks列出了除美国以外的可以参与其工作的地区，绝大部分都是落后的第三世界：阿根廷、科特迪瓦、委瑞内拉、埃塞俄比亚、印度尼西亚、菲律宾…… 但许多人在这个大名鼎鼎的平台实践后发现，人们在为其远程工作的过程中，却会出现一系列漏洞和被不公平对待的问题。而他们对待问题，几乎采取冷处理或者零解决的态度。在美国本土出生的墨西哥裔人Avangelina对盐财经回忆，她2023年在Remotasks上远程工作了一个月，做高级程序员。这是一份薪水符合她预期的工作——如果一切正常的话。“我被支付了超过3000美元，”她补充说，“这只是一周的薪水哦。” 但情况却很快逆转。Avangelina说，她在工作的一个月后却被告知，其中有几个任务并非由官方下达的，而是黑客通过发送邮件，模仿了Remotasks的口吻给她发任务。也因此，她无法收到耗费她一周多时间完成的项目报酬。 “我向官方申诉，但投诉无门。没有人会再给我解释。”Avangelina说，“Remotasks的防火墙设置质量很差，导致经常有人（指外包劳工）信息被泄露，遭到黑客的入侵。” 最后，她只能愤怒地离开，发誓再也不在此工作。据当地媒体报道，在Remotasks，延迟发或者不发薪水的情况非常普遍。一些项目组里，一个月内人们甚至会收到多次延迟的通知。很多外包工人表示，他们曾试图追回薪资，但通常毫无进展。更糟糕的是，他们的一些发言还会导致自己账户被停用。尼日利亚翻译Onyekachi Ogbu也曾在Remotasks上做伊博语的AI数据标注工作。他完成了五个项目，总共花费了20多个小时后，收到的回报不到1美元。今年8月，Ogbu说，他和其他员工一起，被突然踢出了小组。被踢出群聊的原因，是项目需求有所变化。“但在我们知道发生了什么之前，每个人都被从（聊天软件）Slack中移除了。”他们后来通过一名项目组的协调员，才得到了上述的被踢走的解释。家位于埃塞俄比亚高原的Mugoya也在一开始告诉盐财经，“这是很不错的工作”。今年5月，他通过网络找到了这份让他心情澎湃的远程工作。“内容是标注数据，”Mugoya举例，“你可以标注衣服、汽车、路灯、动物、工作人员。” 他为这份工作带来的丰厚报酬感到兴奋，“一天工作2~6个小时，一个月有550~700美元（约合人民币3915~4983元）”。但好景不长，约工作了3个月后，Mugoya突然被通知，账号已被停用。他去找平台申诉，却无人回复。8月始，他只能与很多遭到同样对待的劳工在Remotasks的账号底下留言：“我的账号被停用了……谁能帮帮我们？我想要一个新的。” 这是Remotasks（或者Scale AI）从设计之初即存在的弊端（或者说巧思）。依赖线上沟通的工作加剧了外包劳工与主管以及公司之间的地位不平等。来自世界各国的外包员工在Scale AI发现，自己经常没法联系项目主管。即使Scale AI设有热线，数字劳工们可以匿名投诉，但大多数都未获得回复。他们的沟通基本是通过Slack等聊天软件，而Remotasks里的项目主管，可以轻易将人们的账号停用或者踢出群聊。更大的钻漏洞空间也因为这个分布在全球的产业而发生。盐财经在采访中发现，Remotasks在不同地区，给予数据标注工人不同的待遇和薪资。例如，印度地区的薪资比菲律宾的工人要高。正因如此，在很多海外脸书群组里，不少人会销售手上的Remotasks美国区账号、印度账号。残酷的是，随着全球越来越多人的加入，Scale AI的劳动报酬也在下滑。于是，平台可以选择与更廉价的劳动力所在地加强合作，而停用一些地区的劳工注册。据外媒报道，今年2月，Remotasks关闭了肯尼亚、尼日利亚和巴基斯坦的服务，并在3月停止接受泰国、越南和波兰的新注册用户。 2024年1月，为Remotasks工作的肯尼亚的数字劳工与肯尼亚官员会面，分享了其远程工作的成果主动权把握在这家科技巨头手上。据报道，一家曾与Scale AI合作的外包公司负责人表示，全球式的内卷导致Remotasks的薪资下降，“这是一场残酷的竞争”。菲律宾数字劳工研究教授Cheryll Soriano则在受访时指出，Remotasks雇佣全球南方地区人员的远程平台，规避了各国劳工法规，如最低工资和公平合同，任意采用了他们制定的条款。她强调：“问题的关键在于，（远程工作）没有明确的标准。” 2023年，牛津大学研究所对Remotasks（Scale AI）等远程数字工作的平台进行了评分。Remotasks（Scale AI）只获得了基础分10分中的1分，表现惨淡。牛津大学研究员Jonas Valente解释，Scale AI通过向客户提供高质量数据获得了极高利润，却将责任和成本转移给了任务执行者。在其条款中，Remotasks表示，如果工作被认为不准确，它将“保留权利扣留薪资、将人从项目中移除或停用账户”。丛林胜出法则：与强者同路吊诡的是，即使公司明显有管理混乱、漠视劳工权益的问题，在求职者中也口碑较差，Scale AI依然大而不倒。甚至，它在近年越加乘风而起，成为硅谷丛林法则中的位高权重者。这一巨大的反差源于，高质量的数据在大模型时代始终面临着巨大缺口。再加上Scale AI在8年前早早入局了AI数据赛道，拥有各个层面的数据标注经验——从自动驾驶汽车到互联网，接着是近年爆火的生成式人工智能，在数据行业已经具备先发优势。据媒体报道，一位Scale AI 的旗舰客户直言，Scale AI 提供的全方位服务让他们只需与一家公司合作，减少了与15家供应商打交道的麻烦。这种横跨所有功能的数据标注服务，是数据标注行业其他对手无法比拟的。更重要的是，作为科技巨头，Scale AI以及亚历山大·王并不需要对劳动者负责。他们巧妙地通过规则设计，规避了各国政府的监管。例如，面对媒体对Remotasks的曝光，Remotasks最大外包工作地之一的菲律宾官员表达了担忧，但他们不知道该如何采取行动。主管科技行业的菲律宾信息和通信技术部主管伊万·乌伊在受访时表示，远程数据标注属于“非正式部门”，目前缺乏监管机制。顺理成章地，比起担心底下员工，年轻、自信的亚历山大·王平时将大部分的精力花在了演讲、参加私人聚会，以及与名流合影的社交场合上。这些社交让他与各大名人有了许多现实的交集。有Scale AI员工评价：“在这些场合，他像一个摇滚明星一样耀眼。” 亚历山大的行径还曾获得OpenAI创始人山姆·奥特曼在社交媒体的调侃：“真的没有人比你参加的派对更多，以至于那看起来就像是你的全职工作。” 完美融入美国硅谷圈的男子，很快斩获了令诸多公司艳羡的大订单。2019年，Scale AI获得硅谷创投教父彼得·帝尔领投的1亿美元C轮融资。又凭借与山姆·奥特曼早已深交的关系，同年，Scale AI成为了OpenAI的合作方，深度参与了OpenAI大模型训练的数据标注工作。后来，这一工作——基于人类反馈强化学习（RLHF），被认为是ChatGPT智能涌现的一大功臣。与OpenAI携手共进以后，Scale AI名声大震，成功吸引到了Meta等科技巨头的订单。2023年，Scale AI被爆与谷歌旗下DeepMind的一个AI工作室达成合作，订单总价值73亿美元（约合人民币520亿元）。更高歌猛进的时候还在于和美国政府官方的合作。2020年，Scale AI与美国陆军签署了一份价值3.5亿美元（约合人民币24.9亿元）的合同。在这之后，美国国防部、空军等等官方机构，都逐渐成为了其合作伙伴。在其官网上，Scale AI介绍：“我们致力于与美国政府和技术领袖合作，实现联邦机构的现代化，确保美国能够成功部署新技术。”据介绍，这些项目是为美国政府关键平台、传感器系统和数据提供AI解决方案。一位Scale AI团队成员评价：“亚历山大·王对成功的渴望，如同对氧气的需求一样不可或缺。” 与成功的强者成为同路人，让20多岁的青年愈加神采飞扬。近1年来，亚历山大·王频繁地出现在公众面前，接受采访、进行演讲，像一个政治明星般讲述他的AI洞见与野心。他总以年轻的身姿说出最成熟的话：“现在已经是中美竞争的白热化阶段。在AI战场中，精髓就是数据。AI将改变未来战争的方式，我们不能袖手旁观。” 10月，账号被封2个月后，远在大洋彼岸的Mugoya，还在Remotasks的社交账号底下留言。 “谁有新的（工作）账号？我需要。”他写道。

2024 年诺贝尔物理学奖授予了约翰-霍普菲尔德（John J. Hopfield）和图灵奖得主、AI教父杰弗里-辛顿（Geoffrey E. Hinton），"以表彰他们利用人工神经网络进行机器学习的奠基性发现和发明"。辛顿在接受电话采访时表示，我没有想到（I have no idea that will happen）。约翰·J·霍普菲尔德 (John J. Hopfield ) 约翰·J·霍普菲尔德 (John J. Hopfield ) 1933 年出生于美国伊利诺伊州芝加哥。他于 1954 年获得斯沃斯莫尔学院学士学位，1958 年获得康奈尔大学物理学博士学位（导师为 Albert Overhauser）。他在贝尔实验室理论组工作了两年，随后在加利福尼亚大学伯克利分校（物理学）、普林斯顿大学（物理学）、加州理工学院（化学和生物学）和普林斯顿大学任教，现在是霍华德-普莱尔分子生物学名誉教授。35 年来，他一直与贝尔实验室保持着密切联系。 1986 年，他成为加州理工学院计算与神经系统博士项目的创始人之一。他获得了 2024 年诺贝尔物理学奖。他最有影响力的论文包括：描述极化子的 “The Contribution of Excitons to the Complex Dielectric Constant of Crystals”（1958 年）；描述长程电子转移量子力学的 “Electron transfer between biological molecules by thermally activated tunneling”（1974 年）；"Kinetic Proofreading：1974年）；“神经网络和具有突发性集体计算能力的物理系统”（1982年）（被称为Hopfield网络），以及与D. W. Tank 合著的 “优化问题中决策的神经计算”（1985 年）。他目前的研究和近期发表的论文主要集中在如何将动作电位定时和同步用于神经生物学计算。杰弗里·辛顿（Geoffrey E. Hinton）杰弗里·埃弗里斯特·辛顿，英国出生的加拿大计算机学家和心理学家，多伦多大学教授。以其在类神经网络方面的贡献闻名。辛顿是反向传播算法和对比散度算法(Contrastive Divergence)的发明人之一，也是深度学习的积极推动者，被誉为“深度学习教父”。辛顿因在深度学习方面的贡献与约书亚·本希奥和杨立昆一同被授予了2018年的图灵奖。 1985年，在奥地利阿尔卑斯山奥伯莱赫（Oberlech）的一个研讨会他曾花了小半个世纪的时间开发神经网络，让机器拥有了深度学习的能力，如今，他的愿望实现了：人工智能之浪潮汹涌澎湃滚滚而来。然而，这位AI大神却退缩了，他对他教会它学习的机器产生了怀疑，甚至愤怒。他担心他毕生的工作可能导致人类的终结，他认为他的最终使命是警告世界！他，就是如今被誉为“AI教父”的杰佛里·埃佛勒斯·辛顿（Geoffrey Everest Hinton，1947－）[1]。家族传奇辛顿可以算是学界少有的传奇人物，其传奇之一，是他显赫的家庭背景。我们从他的一位“玄祖父”布尔说起…… 英国数学家乔治·布尔（George Boole，1815年—1864），无疑是计算机科学的前辈之一，一位大师级人物。大家都知道的布尔代数、布尔逻辑，便是以他命名的。布尔出生贫困，但他的整个后代，以及连带的3个家族可了不得，每一个都值得惊叹一声：好一个“科学世家”！布尔的夫人玛丽是一位女权主义哲学家，也是自学成才的数学爱好者，特别喜欢代数。玛丽夫人的娘家姓氏（Everest）中，也出了好几位科学名人，实际上，Everest是西方对珠穆朗玛峰的称呼，这来源于玛丽的叔叔乔治·埃佛勒斯（George Everest），他勘察印度时发现了这座山，珠穆朗玛峰便以他的名字命名。而且，杰佛里·辛顿的中间名便取为Everest，即珠穆朗玛峰的英文名。布尔和玛丽，这对珠联璧合的伉俪育有五个女儿，她们本人、配偶及后代，都有不凡的成就。非常有趣的是，布尔女儿中的老大和老小，都与中国有渊源。所以，首先简要介绍中间3个女儿：老二嫁给了艺术家爱德华·泰勒，他们的儿子杰弗里·泰勒，是著名物理学家和数学家，二战时曼哈顿计划的核心成员之一；三女儿继承了父亲的数学天赋，对四维几何深感兴趣独立钻研，颇有成果；四女儿是英国史上第一位研究药学的女性和女化学教授。布尔第五个女儿，艾捷尔·丽莲·伏尼契，为中国人所熟悉是因为她是《牛虻》一书的作者。布尔的大女儿玛丽，嫁给了数学家和作家查理斯·辛顿，生了四个儿子。其中小儿子的孙辈中，韩丁是“中国人民的好朋友”，写了一本有关中国土地改革的长篇作品《翻身》。韩丁的妹妹寒春，是参与了曼哈顿计划的女核物理学家，她的丈夫阳早，是美国养牛专家，夫妻俩长年定居中国。图1：杰弗里·辛顿（8岁时抱着动物园的蟒蛇、中学、近年）就是布尔的这位大女儿，联姻了“辛顿”的家族，这个辛顿家族中科学界名人和教授也是难以数清，我们就不一一列举了。总之，这对“布尔+辛顿”生下了一个曾孙，便正是我们本文的主角：杰弗里·辛顿。所以，辛顿是逻辑大师布尔的玄孙，短短的计算科学史中，玄祖玄孙皆大师，不是传奇是什么？辛顿出生于英国，父亲是剑桥大学教授，是著名的昆虫学家，研究甲虫的权威。辛顿和他的三个兄弟姐妹在一所充满动物的大房子里长大，父亲还曾经将毒蛇关在车库的坑里。严厉的父亲自视甚高，似乎认为儿子永远无法攀登自己的顶峰。但父亲早已于70年代过世，没有来得及看到儿子的学术引用已经远远超过了他。求学传奇尽管杰弗里·辛顿的周围环境中，不乏杰出的科学家、学者和教授，但与大多数成功人士一样，他的求学生涯却并不总是那么顺利。也许是因为这类年轻人心里有太多自己的想法和主张的缘故。辛顿高中时，进入了他口中的“二流公立学校”，克里夫顿学院，不过，辛顿在那儿碰到一位十分聪明的同学，这位朋友对他说：“你知道吗？大脑的记忆并不是储存在某个特定的地方，而是分布在整个大脑，在整个神经网络里传播。“，朋友又解释道：”大脑使用全息图，在全息图中，你可以砍掉一半，但你仍然可以获得整个图片，所以……” 朋友的话使辛顿兴奋，也正是从这个时候起，辛顿开始对大脑的运作深深着迷，这是他人生的关键起点。从此后，辛顿将一个目标放在了他的潜意识里：想了解大脑是如何工作的？一开始，18岁的辛顿进入剑桥大学国王学院学习物理、化学和数学，但于一个月后就退学了。辛顿去伦敦工作了一年，做了各种各样的事情。第二年，他改修建筑学，但这次坚持的时间更短：一天！后来，辛顿也尝试过转向哲学，不过也是半途而终。再后来，辛顿转而研究物理和生理学，成为当年剑桥大学唯一一个同时学习物理和生理学的学生。然而，因为他没有任何生物学背景，所以学习生理学非常困难。但辛顿有所期待，因为据说在第三学期，生理学教授将告诉学生大脑是如何工作的，这正是辛顿学习生理学的原因。终于到了第三学期，由像赫胥黎这样非常杰出的学者教授这门课。不过，结果并不是辛顿所期待的。生理学教授认为大脑是如何工作的呢？他们的想法是，有神经元，有沿着轴突和神经元传播的动作电位。但仅此而已，他们实际上并没有说出大脑是如何运作的，因为他们并不知道啊。并且，辛顿觉得心理学理论似乎太简单了，不可能用以解释大脑。 1970年获得实验心理学学士学位后，对大学本科学习颇感失望的辛顿放弃了剑桥大学，成了一名木匠。他一边做书架、木门，一边思考人类大脑的运作原理，自认为这是他喜欢的生活方式。作了一年多之后又有新想法了，因为靠木匠谋生并不是件容易的事情，对了解大脑也无帮助，所以，辛顿又考虑回归学术界，并决定尝试一个新方向：人工智能。对如此奇特多变的求学经历，辛顿谑称自己患上了“学习上的过动症”，在一个专业上无法稳定下来。但其实不然，辛顿始终都在寻求自己的方向。前一段，是多次缀学的“传奇”，后面的经历，便说明了辛顿认定方向后坚持不懈的“传奇”精神。他1972 年去了爱丁堡，进入苏格兰爱丁堡大学攻读博士，这次可能算是走对路了，因为那儿有一位非常聪明的叫希金斯（Christopher Higgins，1923 – 2004）的教授，正在研究神经网络，这是辛顿长年累月思考认为可以用机器实现大脑功能的方向。但是，辛顿好像总是运气不佳，就在他开始追求这个目标时，希金斯教授改变了他的学术初衷，“叛变”到了AI的符号主义一边，认为联结主义的神经网络是无稽之谈。这显然是受了MIT的AI大佬闵斯基的影响。闵斯基的《Perceptron》一书于69年出版，几乎摧毁了神经网络领域，使得1972 年成为神经网络有史以来最低潮的时期。因此，希金斯试图说服辛顿停止做神经网络，转做符号人工智能。于是辛顿说，再给我六个月，我会证明这是有效的；然后每六个月之后，辛顿再跟希金斯说与上次一模一样的话。两人磨磨唧唧地争论了五年，辛顿终于坚持研究备受冷落的神经网络并熬到了博士毕业。职场传奇辛顿的观点总是与众不同别出一格，闵斯基在《感知器》中，详尽说明了单层神经网络的限制以及功能不足之处，使得几乎所有的学者都相信这是个没有未来、注定失败的一条路，但辛顿却始终坚持神经网络研究，认为闵斯基提出感知机的缺点是件大好事，发现神经网络的问题，是解决其问题的开始，并不一定要放弃。辛顿坚信大脑绝对不是通过人类编写的“智能程序”来工作的。例如，你可以尝试给小孩子编个程序，让他照此步骤一步一步地从语法开始学习语言，但这并不会真正起作用，孩子们会从经验中学习而不会按照你给他编的程序来做。作为一名年轻的研究生，辛顿对自己认定的目标如此自信，令人刮目相看。辛顿将此归结为少年时经历的环境所致。他的父母是无神论者，却将儿子送去了一所宗教学校。在那儿，辛顿周围的每个人都相信上帝，除了他之外。因此，他已经习以为常总是与别人的不一样。辛顿在一次访谈中表示，这对科学家是非常好的训练，让你对自己的观点充满信心，至少给你一个合理的理论，即每个人都可能是错的，你需要坚持自己的主张，直到实现它或者否定它，做科学就需要这样的精神。博士毕业几年之后，辛顿去了美国作博士后。他高兴地在加利福尼亚找到了几个神经网络的支持者。20 世纪 70 年代末，在加利福尼亚州，圣地亚哥有一个团体，特别是 David Rumelhart等，他们认为神经网络非常有趣。图2：辛顿1986年有关“反向传播”的论文 1986年，辛顿与David Rumelhart和Ronald Williams共同发表了一篇题为“通过反向传播误差来学习”（Learning representations by back-propagating errors）的论文[2]。三位科学家并不是第一个提出这种“反向传播”方法的人。但他们将反向传播算法应用于多层神经网络并且证明了这种方法对机器学习行之有效。他们的论文也证明了，神经网络中的多个隐藏层可以学习任何函数，从而解决了闵斯基等书中提出的单层感知机存在的问题。同一时期，辛顿与 David Ackley 和 Terry Sejnowski 共同发明了玻尔兹曼机。之后，辛顿在匹兹堡的卡内基梅隆大学找到了一份工作，但他对里根领导下的美国外交政策，特别是对中美洲的干涉越来越感到不安。他和他的妻子罗斯收养了来自南美的一男一女，却不太喜欢在美国抚养他们。另外，美国的大多数人工智能研究都是由国防部资助的，这也让辛顿不满意，因此他接受了加拿大高级研究所的邀请，以及多伦多大学计算机科学领域的职位，并在加拿大启动了“机器和大脑学习”项目。图3：辛顿著名的“徒子徒孙”们辛顿1986年有关反向传播算法和波尔兹曼机的两篇重要文章，抵不过当年“人工智能的寒冬”，似乎反响不大，但辛顿在加拿大多伦多大学，毕竟有了稳定的位置以及还算充裕的支持神经网络的研究经费，使他能在这个冷门领域里坚持耕耘三十余年无怨无悔。更为重要的是，随着时间的推移，一些深度学习的信徒们被辛顿所吸引。他培养了不少学生，学生又有学生，加上博士后及合作者，研究神经网络深度学习的人才济济群星闪烁，尽管寒冬期间工作机会少，资金仍然稀缺，但研究者们兴趣盎然，他们凭借自身的信念，排除嘈杂的干扰而自得其乐，江湖貌似平静但暗流涌动，为人工智能春天之到来做好了准备。正是应了一句名言：“大隐隐于市”。他长久的在这个冷门的领域耕耘，让他最终迎来了春天，不但为他赢得了2018年的图灵奖，也为人工智能领域带来了革命性的突破。