【特稿】人工智能年度人物——Facebook人工智能研究实验室主管Yann LeCun

2017-05-23 10:06:52 来源:DVBCN 热度:
 

不断成熟的“人工智能”(AI)技术,让学术领域和企业家们更加意识到高效利用这项技术的重要性。如何在日新月异的当下不断挖掘人工智能的深度、拓宽应用广度是必须思考的问题。正值2017年初夏之际,DVBCN&DVBCN推出了人工智能年度人物专栏,聚焦当前人工智能领域,本期分享Facebook人工智能研究实验室主管Yann LeCun对人工智能的真知灼见。

Yann LeCun,人工智能界的著名学者、人工智能三巨头之一(另两位是 Hinton 与 Bengio)、纽约大学终身教授、NYU数据科学中心创始人、Facebook人工智能研究实验室负责人、“神经网络先锋奖”得主。在 20 余年的研究历程中,他已累积发表了超过 180 篇论文,他最广为人知的研究在 1988 年,LeCun 参与开发了著名的「卷积神经网络」,可以识别手写数字。随着数据训练的不断持续,这种革命性的系统开始从图片像素中识别视觉特征,这就像为计算机打开了双眼,让它们可以从数据中自我学习。

 

Yann LeCun表示,AI已经遍布在世界的角角落落,它在日常生活中产生了巨大的变化。但这不是在科幻电影中看到的AI,也没有神经紧绷的科学家猛击键盘,试图阻止机器摧毁世界。

 

人们的智能手机、房子、银行和汽车已经每天都在使用AI。AI将通过推动自动驾驶汽车的发展、改善医学图像分析、促进更好的医疗诊断和个性化医疗,从而带来社会的重大转变。AI 也将是支撑未来许多最具创新应用和服务的基本架构。但对许多人来说,AI 仍然很神秘。

 

人工智能的三种学习方式

 

Yann LeCun认为,在人工智能的发展过程中,有三个学习方式,具体来说:

强化学习——这是关于代理应该如何行动以获得最大化奖励的问题,它受行为心理学理论的启发。在特定情况下,机器挑选一个动作或一系列动作并获得奖励。强化学习通常用于教机器玩游戏和赢得比赛,比如国际象棋、西洋双陆棋、围棋或简单的视频游戏。强化学习存在的问题是,单纯地强化学习需要海量的试错才能学会简单的任务。

监督学习——基本上,监督学习就是我们告诉机器特定输入的正确答案:这是一幅汽车的图像,正确答案是“汽车”。它之所以被称为监督学习,是因为算法从带标签数据学习的过程类似于向年幼的孩子展示图画书。成年人知道正确的答案,孩子根据前面的例子做出预测。这也是训练神经网络和其他机器学习体系结构最常用的技术。举个例子:给出你城市中大量房屋的描述及其价格,尝试预测你自己家房子的售价。

无监督学习——人类和大多数其他动物学习,是在其生命的前几个小时、几天、几个月和几年,以没有人监督的方式学习:人们通过观察和得知人们行动的结果了解世界如何运作。没有人告诉我们所看到的每一个对象的名称和功能。我们学会非常基本的概念,比如世界是三维的,物体不会自行消失,没有支撑的物体会往下落。当前我们还不知道如何在机器身上实现这一点,至少无法达到人类和其他动物的水平。缺乏用于无监督或预测学习的AI技术,是限制当前AI发展的原因之一。

Yann LeCun指出这都是 AI 是经常使用的方法,但是对于任何计算设备而言,都有很多从根本上无法解决的问题。这就是为什么即使修建出了拥有超越人类智慧的机器,这些机器仍然能力有限。这些机器可能在下国际象棋时打败人类,但却不知道在淋雨时躲进屋里。

 

人工智能下一站——无监督学习

 

Yann LeCun认为当下人类对深度神经网络的训练,用的大部分还是监督学习的方式。比如说将一张图片展现给系统并告诉它这是一辆车,它就会相应调整它的参数并在下一次说出“车”。然后你再展现给它一张桌子,一个人。在几百个例子、耗费几天到几周的计算时间之后,它就弄明白了。“这其实并不是一个非常复杂的概念。”

 

其次,对于一个AI系统来说,预测+规划=逻辑分析(Predicting + Planning = Reasoning)。如果想要让机器能够了解并且预测世界的规律,强化学习(Reinforcement Learning)需要建立一个世界模拟器(World Simulator),模拟真实世界的逻辑、原理、物理定律等。不过真实世界太过复杂,存在大量的表征学习参数,使得机器学习的计算量相当冗余,听起来似乎很诱人,但是在有限的时间内无法学习到成千上亿的参数。

 

而无监督学习需要机器处理大量没有标记的数据,就像给它一堆狗的照片,却不告诉它这是一条狗。机器需要自己找到区分不同数据子集、集群、或者相似图像的办法,有点像婴儿学习世界的方式。

 

无监督学习的一大困难之处在于:对不确定性的预测。比如当你将一支笔直立在桌面上时,松开手的那一刻,你并不知道这只笔将会朝哪个方向倒下。如果系统回答这只笔会倒下,却判断错误了倒下的方向,这时需要告诉系统,虽然你不是完全正确,但你的本质上是正确的,我们不会惩罚你。此时需要引入曲面的成本函数,只要系统回答在曲面之下的数据,都是正确的答案。

 

关于AI未来

 

Yann LeCun认为越来越多的人类脑力活动将与智能机器关联起来。人之为人,便是因为拥有智慧;而人工智能便是智慧的延伸。

 

“在建设真正智能机器的征途中,我们正在发现可应用并将改善人们今天、明天、明年日常生活的新理论,原则,方法与算法。这些技术中,有许多已经很快找到了应用到 Facebook 的产品和服务中的途径,如图像理解,自然语言理解等。”

 

谈到在 Facebook 的人工智能时,Yann LeCun表示他们有一个长期目标:即了解智能并构建智能机器。这不仅仅是一个技术挑战,还是一个科学问题。什么是智力?又该如何在机器中将其再现?这仍是人类所探寻的问题。这些问题的答案不仅会对建立智能机器有所帮助,也让人们更加洞见神秘人类意识与大脑的工作方式。但愿它将能够帮助人类更好地理解生而为人的意义。

 

 

扫描二维码关注“TEF科季”

获取最前沿、最全面人工智能资讯

责任编辑:黄焱林

相关推荐

ARM再壮大 Facebook硬件负责人加入Calxeda

Facebook硬件设计和供应链运营的负责人加入了Calxeda董事会,Calxeda是一家致力于在ARM处理器之外搭建服务器的公司。Calxeda于上周四宣布了这一战略性的任命, Frankovsky所负责的部门是目前芯片产品的最大购买者,也是Open Source数据中心硬件Open Compute Project计划的领导者,他加入Calxeda董事会后,可以进一步了解这家有野心在数据中心领域取代I