引言: Jürgen Schmidhuber，人工智能研究者们私下里低声提及的名字，声称自己是生成式AI的无名英雄。他令人印象深刻的成就清单以及对“深度学习三巨头”的尖锐指控，需要更仔细的审视。但他的奠基性贡献的主张仅仅是苦涩的自夸，还是对AI历史的关键修正？

核心提炼

• 施密德胡伯早期关于LSTM、GAN和预训练的研究为当今许多生成式AI奠定了基础，这从他大量的出版物中可见一斑。
• 施米德胡伯缺乏认可凸显了著名奖项评选中潜在的偏见，可能偏向于知名机构的研究人员，而忽略了小型实验室的贡献。
• 施米德胡伯好斗的态度和自我推销可能会阻碍他在更广泛的AI社区中的接受度，并掩盖其贡献的真正价值。

深度解读

本文详细阐述了施米德胡伯对人工智能的广泛贡献，其时间早于“深度学习三巨头”（辛顿、勒丘恩和本吉奥）的突破。虽然原文高度关注施米德胡伯的主张和成就，但批判性分析需要检验这些主张的力度。施米德胡伯声称其1990-1991年的工作预示了GANs、预训练和Transformer，这令人信服，特别是考虑到他提供的广泛引用。然而，从概念基础到实际的、广泛采用的实现，这一飞跃意义重大。虽然他在LSTMs上的工作无疑彻底改变了循环神经网络，但这些网络发展成为我们今天看到的强大工具，是各个研究小组和公司广泛合作努力的结果。此外，他描述的“未归一化线性Transformer”与成为GPT模型基础的谷歌Transformer架构差异显著。概念上的相似之处存在，但概念与实际应用之间的差距不应被最小化。因此，问题不在于施米德胡伯的想法是否具有奠基性；而在于其实现和扩展是否同样由他完成，这一点文章并未严格探讨。这并非要贬低他的贡献，而是要缓和单枪匹马发明的叙事。人工智能领域本质上是合作性的，我们观察到的进展是几十年来无数贡献者累积突破的结果。因此，施米德胡伯的沮丧可能源于在这样一个复杂且快速发展的领域中公平分配荣誉的固有难度。

对比观点

批评者可能会认为，施米德胡伯过分强调历史优先性，而忽略了深度学习三巨头及其他人在后续突破中的重要性。诸如GAN和Transformer之类的概念的实际应用、改进和广泛采用，可以说是与最初的理论框架一样重要，甚至更为重要。此外，施米德胡伯对抗性的风格和自封的“成熟人工智能之父”的头衔可能会疏远潜在的合作者，并在许多人眼中削弱其主张的有效性。创新的本质往往是建立在他人的工作基础之上；在一个如此协作的领域中宣称自己是唯一作者是不现实的，即使最初的灵感火花可以追溯到他的出版物。如今人工智能模型的成功不仅源于理论基础，还源于巨大的计算能力、海量数据集和改进的训练技术——所有这些因素都在很大程度上超出了施米德胡伯的单方面控制。

前景探讨

未来一到两年，围绕施米德胡伯贡献的争论可能会持续下去，尤其是在人工智能不断发展和出现更细致的历史分析的情况下。其长期影响不仅取决于他对研究主张的持续验证，还取决于关于协作科学领域中功劳认定的更广泛讨论。人工智能社区必须找到一种更细致、更公平的方式来认可贡献，既要承认最初的概念性突破，也要承认随后导致实际应用的迭代发展。虽然施米德胡伯的遗产可能仍然意义重大，但他能否获得他期望的认可程度仍然不确定。关于承认来自主流机构以外的研究人员在人工智能领域的历史贡献的更广泛讨论可能会持续下去。

---

原文参考: Jürgen Schmidhuber：the Father of Generative AI Without Turing Award (Hacker News (AI Search))

Read English Version (阅读英文版)