7月27日上午，近来鲜少露面的图灵奖获得者、多伦多大学计算机科学系名誉教授杰弗里·辛顿（Geoffrey Hinton）在第43届国际信息检索大会（SIGIR 2020）上作为首位主题演讲者人工智能的科幻电影，进行了题为“神经网络的新时代（The Next Generation of Neural Networks）”的主题报告

　　7月27日上午，近来鲜少露面的图灵奖获得者、多伦多大学计算机科学系名誉教授杰弗里·辛顿（Geoffrey Hinton）在第43届国际信息检索大会（SIGIR 2020）上作为首位主题演讲者人工智能的科幻电影，进行了题为“神经网络的新时代（The Next Generation of Neural Networks）”的主题报告。他在报告中回顾了无监督神经网络的发展历史人工智能的科幻电影，结合表达学习模型的进化历程，指出当前无监督学习方法所面临问题的根源在于：过度关注数据的重构损失（Reconstructive Loss），忽略了对数据间关联关系的捕捉。基于此，他提出了下一代神经网络模型的构想，提出利用对比损失函数（Contrastive Loss）建模样本间的局部关系、增强数据间表达的一致性的解决思路。

　　杰弗里·辛顿被称为“神经网络之父”，出生于1947年12月6日，是加拿大认知心理学家和计算机科学家人工智能的科幻电影。辛顿1970年毕业于剑桥国王学院，随后在英国爱丁堡大学获得人工智能博士学位。2019年3月人工智能入口官网人工智能入口官网，因对人工智能的繁荣发展奠基，杰弗里·辛顿、约书亚·本吉奥（Yoshua Bengio）和杨立昆（Yann LeCun）三人被授予2018年的图灵奖。值得一提的是，杰弗里·辛顿近来很少在公开演讲中出现人工智能的科幻电影。2020年6月18日，他在个人推特上表示，因为发现之前对感知学习想法的“致命错误”，推掉了一段时间内接受的所有报告。杰弗里·辛顿在7月27日的报告中回顾了三种不同类似的学习模式，即监督学习（学习在给定输入向量时预测输出）、强化学习（学习找出一个能够使收益最大化的选择）和无监督学习（在不提供监督信息的条件下进行学习）。辛顿在报告中解释为什么需要无监督学习人工智能入口官网。他指出，人类大脑有10^14个神经元连接，而生命的长度只有10^9秒，因此人类是无法完全依赖有监督学习的方法完成所有神经元训练人工智能的科幻电影，而需要更多来自于无监督学习的帮助，受此启发人工智能入口官网，构建智能的机器模型也应综合考虑监督与无监督方法进行协同训练。报告最后，他还展示了上述构想的一种具体实现方案SimCLR，应用该方案能够显著提升下游图像分类任务的效果人工智能入口官网。