“模拟之国”日本诞生的“AI天才” [AI错题本]

by Kim Dongpyo

Published 11 Jan.2025 15:00(KST)

Updated 13 Jan.2025 07:20(KST)

open/close

⑬ 另一位AI之父 Fukushima Kunihiko
日本力甩“数字落后国”恶名聚焦AI
在当代爆发性的AI革命中贡献卓著

编者按回顾失败，是通往成功的捷径。“AI错误笔记”专栏探讨与人工智能相关的产品和服务、企业与人物的失败案例。

人工智能（AI）的浪潮如今已经席卷到诺贝尔奖领域。继去年的诺贝尔物理学奖之后，化学奖得主也来自AI领域。诺贝尔科学奖三大奖项中，除生理学或医学奖外的两项都被AI相关研究“收入囊中”。

物理学奖授予了利用人工神经网络奠定AI机器学习领域基础的研究团队，即美国普林斯顿大学教授John Hopfield和加拿大多伦多大学教授Geoffrey Hinton。他们最早开发出作为现代AI基础的机器学习等算法，其功绩受到认可。

化学奖则授予了利用AI推动蛋白质结构预测与设计的研究者。获奖者是谷歌DeepMind首席执行官（CEO）Demis Hassabis、研究员John Jumper博士以及美国华盛顿大学教授David Baker三人。DeepMind这个名字对大家来说尤其熟悉。它正是开发了2016年与棋手Lee Sedol九段对弈的AI围棋程序“AlphaGo”的公司。

长期以来，诺贝尔奖在很大程度上被视为对人类创造力和科学发现的官方认可。从这一点来看，AI研究者登上诺贝尔奖获奖名单，恰恰说明AI已经深刻渗入人类生活。

“AI明星学者”的时代……还应记住的另一个名字：Fukushima Kunihiko

福岛邦彦。美国富兰克林学会官网供图

随着AI走进日常生活，AI研究者的名字也被广泛知晓。媒体甚至给他们起了“AI四大巨匠”这样的称号。

包括此次获得诺贝尔奖的Hinton教授在内，Montreal大学教授Yoshua Bengio，Meta首席AI科学家兼纽约大学教授Yann LeCun，以及美国斯坦福大学教授Andrew Ng，被称为“AI四大巨匠”。除Hinton教授外，另外三人还在2018年共同获得了有“计算机科学界诺贝尔奖”之称的图灵奖。

AI革命加速推进、其影响力不断扩大的同时，这些名字将被更频繁、更广泛地提及。不过，我们也有必要记住这样一位人物：他早于这些人投身AI研究，为当今AI革命打下基础，却并不广为人知。他就是Fukushima Kunihiko。

从名字不难看出，他是日本人。如果你心中还抱有“日本至今仍用传真、偏好图章和现金”这样的刻板印象，可能会格外惊讶。正是这样的日本，孕育出了另一位AI先驱。

把工业废料当玩具的少年

用ChatGPT（DALL E·3）生成的福岛邦彦童年时期的虚构图像。

Fukushima于1936年出生在台湾。当时台湾是日本的领土。在日本于第二次世界大战中战败之前，他一直在那里长大。战争结束后，他和家人仓皇逃回日本。由于归国时几乎丢下了全部财产，少年Fukushima连像样的玩具都没有。偶尔由叔叔递给他的微型变压器、电动马达之类的机器，就是他的玩具。然而，电流与电线却激发了Fukushima的想象力。

1966年，Fukushima在京都大学获得电气工程博士学位后，全身心投入研究。1979年，他提出了一种名为“Neocognitron”的创新性神经网络结构。简单来说，Neocognitron是模仿人类感知事物方式而构建的系统。

比如，假设我们眼前有一颗红苹果。我们首先会看到简单的线条和轮廓，然后把握其圆形外观，最后才会意识到“这是一颗苹果”。

大脑通过复杂的神经连接网络来识别图像，并将其与类似的大小、形状以及以往经验进行比较，从而完成分类与识别。即便苹果大小不同、颜色不同、摆放姿势不同，我们仍能认出那是苹果。同样的道理，我们可以区分狗和猫，也能够区分狮子和老虎。

奠定卷积神经网络（CNN）基础的“Neocognitron”

大脑在识别前，会先对图像进行分层分类，依次识别大小、颜色、形状等多层次特征，并综合以往的记忆和经验。图像为说明神经认知机工作方式的美国富兰克林协会视频资料截图。

Neocognitron成为当今计算机视觉核心技术——卷积神经网络（Convolutional Neural Network，CNN）的鼻祖。Fukushima将电气工程与神经科学连接起来的工作，成为包括人脸识别、癌症诊断、洪水预测在内的众多实际应用领域的基础。

Neocognitron在当时并未受到热烈欢迎。那时正处于所谓“人工智能寒冬”时期。绝大多数AI研究者还在专注于以规则系统和逻辑推理为核心的AI开发。当时人们普遍认为“神经网络研究既不可行也不具实用性”。据说，只要论文标题中出现“神经网络”一词，就会被期刊自动拒稿。就算论文发表出来，也难以引起关注。

束缚Fukushima“展翅”的，首先是当时的硬件技术水平。要高效训练像Neocognitron这样的大规模神经网络，需要相当可观的计算机算力。无论是海量数据还是强大计算能力，在那个时代都难以获得。

当时最先进的计算机之一——英特尔（Intel）8086处理器，运行频率也只有4.77至10兆赫兹，内存仅有数千字节。与如今我们装在口袋里的智能手机的运算性能相比，简直是天壤之别。为了完成复杂神经网络的计算，往往需要等待数天，甚至数周。

可以说，他的研究“超前了时代”。Neocognitron的潜力真正得到证明、其价值真正大放异彩，是在他完成研究很久之后的事情。

Fukushima的案例表明，技术革命并非仅凭个人的天赋或努力就能实现。要实现真正的技术革命，需要两个要素。其一是创新性的理念，也就是Fukushima提出的Neocognitron；其二是能够将这一理念落地的硬件技术。计算能力的爆炸式提升，打开了实验与应用创新理念的可能性。

即便如此，他仍说“我是个幸运儿”

自20世纪90年代以来在IT产业中一直落后的日本，最近通过引进大规模数据中心和全球大型科技企业的人工智能研究基地，正在AI时代重新崛起为新的强国。OpenAI、Microsoft、Google等选择日本作为人工智能测试床。利用ChatGPT（DALL E 3）虚拟生成的未来日本图像。

从Fukushima身上，我们能学到的不仅是AI。即便自己的研究在当时未获认可，他也没有因此沮丧或放弃。

相反，他表示，仅仅是身处能够开展这类研究的环境之中，就已经让他觉得自己是个“幸运儿”。在他潜心研究的20世纪70年代，日本正处于高速增长期，对新科学技术投入颇多。他所在的研究机构是NHK研究所。NHK这个名字大家一定不陌生。没错，就是日本的广播电视台。那是一个连广播电视台都“财大气粗”到可以资助科学研究的时代。Fukushima在接受媒体采访时曾表示：“能在NHK研究所专注于神经网络研究，是我莫大的幸运。”

对研究的纯粹热情、坚定不移的信念，以及以谦逊态度接纳一切的姿态，向我们展示了何谓真正的研究者风范。