海伊：所以说把逻辑推理的方式淘汰掉是因为你已经从这个疯狂幻想的边缘走到了技术的核心，而且这项技术也在发展且越来越规范。
辛顿：是的，在此之前我们之中的很多人都相信，如果有足够的计算能力以及数据，那么我们的设想就能实现，现在也确实实现了。现在我们的技术越来越成熟，如果能够获得更强的算力、更大的数据集合，那么我们的模型也就能被不断优化。这在一切都需要编程的时代是做不到的，所以神经网络系统比之前所有的AI算法都更高级。
坚信人工智能源于对大脑工作机理的信念
海伊：我觉得很神奇，你从1970年代就开始研究人工智能了。你在1978年获得了爱丁堡大学人工智能方面的博士学位，并且由于当时计算机发展水平的限制，你的研究也受到了阻碍。这期间你也没有对那些反对者多加解释，哪怕他们可能会变成你的同事、投资人、或者可能会从其他方面帮助你。不知道现在这些研究人工智能的20多岁的年轻人是否意识到，自己是站在巨人的肩膀上，而正是这些巨人才是真正有远见卓识的人、排除掉这条路上所有阻碍的人。能不能谈一下是什么激励着你，让你拿到人工智能的博士学位之后依然将这项研究作为你未来的职业发展方向，毕竟在当时，如果你从事人工智能行业的话，成功的可能性并没有现在这么大。
辛顿: 我觉得原因是这样的，大脑肯定有其工作的机理。大脑是怎么学习东西的？它是怎样利用那些简单的神经元来运算极其复杂的事情的？我主要的动力来自于，我相信，大脑的运行机制和当时数字计算机的运行机制肯定是不一样的，因为没有人在给你的脑子编程。
我记得在1973年，当时有人跟我解释，神经网络系统是永远不会实现的。他们说：“神经网络没法运行递归算法。”那个时候，递归算法被当作是智能的本质。看起来我只能演示给他们看。所以我开始给他们展示，神经网络是如何进行真正的递归运算的。这里真正的递归我指如何利用节点之间的连接强度来做一些事情。比如我们想要对这句话进行理解：John did not like Bill because he was rude to Mary. 要理解这里面的从句部分“he was rude to Mary”，我们会用到将“He was rude to Mary. ”这句话作为独立的句子理解时所用到的神经节点及连接。所以说我需要做的就是存储当前进行到的位置，离开主句开始理解从句，然后再回来。我要对此进行展示，那么我就要有这个神经网络系统，没有它就做不成。所以我开始搭建这个可以做真正的递归的神经网络系统，通过在神经节点之前设立临时权重来记录节点信息。我记得当时我跟我所在的科研小组提及过这个想法，但是他们不理解我为什么要做这个事情。有趣的是，我当时想要攻破的难题，现如今变成了非常流行的技术。几年之前，因为我们要探寻到底人类为什么可以自主学习，这个问题就流行起来了。所以说人类花了四十年的时间才意识到，神经网络才是我们要攻克的难题。
多领域专家实现深度神经网络成果
海伊: 你在2004年成立了神经计算与自适应感知（NCAP）项目，将计算机科学家、生物学家、电子工程师、神经系统科学家、物理学家和心理学家聚集到一起，复制人脑的运行机制。这件事需要很多学科的知识作为支撑。您能讲讲找到这些学科的世界级大师并且成立这个组织的故事吗？
辛顿: 没有人有必要是所有这些领域的专家，那太难了。你需要的是找到某个领域的专家，然后告诉他这个项目是什么。这样你就可以问他问题，省去了你翻阅资料的时间。例如你找到了一个神经系统科学家，你就可以问他诸如：“从一个点到另一个点有一个前向投影及其逆投影，那么有多少个神经元参与了这个回环？信息要从多少个神经突触间传递才能走完这个回路回到初始点？”要想自己搞明白类似这种问题，那你需要很多的时间来查文献，而且你不知道你正在查阅的文献是否可信。如果你有一个专家帮忙的话，直接问他，他就会给你答案。所以团队中有各个领域的专家是很必要的，能节省时间而且能少走弯路。
海伊: NCAP项目是邀请制的，所以说可能只有您和少数各学科的骨干成员才知道，就像你刚才说的，你们都知道成立这个组织的好处，可以节省时间又可以和不同学科的人工作。您能谈谈建立起这个组织的过程吗，您是如何兼顾在多伦多大学的教授工作以及在NCAP的研究的？