Jürgen 先生目前担任瑞士人工智能实验室 IDSIA 的科学主任以及沙特阿拉伯阿卜杜拉国王科技大学 (KAUST) 人工智能项目的负责人。
《纽约时报》曾以“当人工智能成熟时，它可能会称呼尤尔根·施米德胡贝尔‘父亲’”为标题，对尤尔根·施米德胡贝尔进行了报道。 1990-91 年，他为“生成式人工智能”奠定了基础，引入了生成式对抗网络（用于 ）的原理、非规范化线性（中间的“T”）以及自监督预训练的原理（在中间）。 “P”）。
他的实验室还开发了 LSTM（长短期记忆），这是 20 世纪被引用次数最多的人工智能技术，以及高速神经网络 (High-Speed )，这是第一个非常深的前馈网络（其变体后来成为 21本世纪被引用次数最多的人工智能技术）。埃隆·马斯克曾在推特上写道：“尤尔根·施米德胡贝尔发明了一切。” 开创和领导的 AI 技术已应用于超过 30 亿台设备，智能手机每天被使用数十亿次。
心灵观察：很高兴有这样的对话机会。您发布了长短期记忆（LSTM）的架构和训练算法。您能否将 LSTM 人工神经网络与人脑等生物神经网络进行类比？
Jürgen ：事实上，LSTM 的灵感来自于人脑，人脑拥有约 1000 亿个神经元，每个神经元平均与其他 10,000 个神经元相连。有些是输入神经元，为其余神经元提供数据（声音、视觉、触觉、疼痛、饥饿）。其他的是输出神经元，用于肌肉控制和运动。大多数神经元隐藏在输入和输出之间，这就是我的思考开始的地方。所有神经元都通过改变其连接强度来学习，连接强度决定了神经元之间相互作用的强度，并且似乎编码了您一生中的所有经历。我们的人工神经网络（如 LSTM）也是如此，它比以前的方法学习得更好，可以识别语音、手写或视频，最小化痛苦，最大化快乐，驾驶模拟汽车等等。
Mind ：您提到LSTM可以“最小化痛苦，最大化幸福”。这意味着什么？这对于实现通用人工智能（AGI）有多重要？
Jürgen ：这至关重要！然而，我应该首先解释如何编写学习通用人工智能（AGI）的程序。您实际上不需要告诉它具体做什么。相反，您只需给它一个评估函数 ( ) 并让它最大化该函数。
例如，为机器人配备疼痛传感器，当机器人遇到障碍物或变得“饥饿”（由于电池电量低）时，该传感器会产生负数。机器人的最终目标是尽可能减少这些负数的总和，因此它必须通过试错找到避免痛苦的方法。在某些时候，它学会在饥饿时快速找到充电站，同时避免撞到障碍物。
美国电视剧《西部世界》中被编程的“人类”
动物和人类的学习方法本质上是相似的，都是学习最大化奖励并避免痛苦。它们的评价函数当然是由生物进化发明或“编程”的。那些赋予它们进化优势的评估函数被保留下来。人工智能的进化已经在模拟中存在了至少几十年，并且正在以同样的方式进行。
心灵观察站：您提到机器人“可能因为电池电量不足而感到饥饿”。这让我想起特斯拉有一个雄心勃勃的人形机器人项目。该项目面临的瓶颈之一是如何优化能耗，比如跳跃。爬楼梯比在地板上行走需要更多的能量。对于这个问题你怎么看？功耗会成为人形机器人的致命弱点吗？相应的解决方案是什么？
Jürgen ：未来的人形机器人将不仅仅是一种类型，而是数千种不同类型，有些很小，可以从内部检查和修理小型机器，有些不仅外观高大，甚至更高比目前的一些工业机器人更强大。
一些机器人将使用连接外部电池的电缆来解决能源问题，另一些机器人将使用汽油发动机，而一些深空机器人将使用基于放射性衰变的持久核电池，这些电池已经在上个世纪使用。它已被用于无人航天器。靠近太阳的机器人，例如水星上的机器人，将广泛利用丰富的太阳能。在某种程度上，人工智能本身将发明新的、更高效的电池。事实上，今天的人工智能已经被用来开发新的有用化学品、材料、催化剂、药物等。
特斯拉工厂内的机器人
