0
雷鋒網(wǎng)AI科技評(píng)論按：Yann LeCun是人工智能神經(jīng)網(wǎng)絡(luò)方面的大牛，現(xiàn)在是Facebook人工智能研發(fā)團(tuán)隊(duì)的領(lǐng)軍人物?？墒撬难芯恐凡⒉皇且环L(fēng)順，在神經(jīng)網(wǎng)絡(luò)變得今天這樣火熱之前，他也經(jīng)歷過(guò)非常悲催的歲月。BuzzFeed做了一篇Yann LeCun的專訪，以下為雷鋒網(wǎng)原文翻譯。來(lái)聽(tīng)LeCun講講當(dāng)年的故事，也跟他一起思考一下人工智能的未來(lái)。
距Facebook的門羅公園總部3000英里外，在曼哈頓市區(qū)的一棟老舊的米色公寓里，有一群FB員工正在為一個(gè)項(xiàng)目忙碌，只是這個(gè)項(xiàng)目看起來(lái)更符合科幻小說(shuō)而不是社交網(wǎng)絡(luò)。這個(gè)小組是Facebook的人工智能研究團(tuán)隊(duì)，內(nèi)部簡(jiǎn)稱FAIR (Facebook Artificial Intelligence Research)，他們的目標(biāo)是制造出智力水平能與人類匹敵的計(jì)算機(jī)。盡管距離達(dá)到這個(gè)目標(biāo)還有很長(zhǎng)的距離，這個(gè)小組卻做出了沒(méi)什么人認(rèn)為可以在近10年內(nèi)完成的成就。他們做出的AI程序能畫畫，畫作幾乎無(wú)法與人類畫家的作品區(qū)分開(kāi)來(lái)；能回答來(lái)自維基百科的條目的問(wèn)答題；現(xiàn)在還能玩類似星際爭(zhēng)霸這樣的高級(jí)電腦游戲。它們逐漸變得越來(lái)越聰明了。也許某一天，F(xiàn)acebook會(huì)不再是連接你和你朋友們的工具，而依靠AI真的成為你的朋友。
以上并不是唯一的原因，不過(guò)FAIR確實(shí)不是我們印象里的那種典型的Facebook團(tuán)隊(duì)。這個(gè)四千億美元市值公司有許多熱門產(chǎn)品，Instagram、WhatsApp、Messenger、Facebook proper等等，而FAIR團(tuán)隊(duì)并沒(méi)有直接參與其中的任何一個(gè)。這個(gè)團(tuán)隊(duì)仿佛放棄了Facebook的最終目標(biāo)，更別說(shuō)達(dá)成了。他們的帶頭人也不是常被媒體報(bào)道的典型硅谷高材生，而是Yann LeCun，一位經(jīng)歷過(guò)重大的失敗但沒(méi)有放棄的56歲學(xué)者。他的人工智能理論曾經(jīng)不被別人接受，現(xiàn)在卻被公認(rèn)是世界級(jí)的AI專家；而這也是對(duì)Facebook的獎(jiǎng)賞。
“你與數(shù)字世界交互的方式，你的手機(jī)，你的電腦，都會(huì)變化”，談到可能發(fā)生的事情的時(shí)候LeCun這樣說(shuō)。
FAIR正在提高電腦靠自己來(lái)看、聽(tīng)、溝通的能力，這些成果也正在體現(xiàn)在Facebook的產(chǎn)品中，改變著從新聞排名到照片濾鏡等等的各種東西。而且Facebook還在不停地進(jìn)行大筆的投資——并不是因?yàn)槿斯ぶ悄芎猛?，而是因?yàn)槿斯ぶ悄懿豢苫蛉?。如今，不管在科技的哪個(gè)角落，公司們都在依靠他們的AI技術(shù)進(jìn)行競(jìng)爭(zhēng)。依靠人工智能的Uber自動(dòng)駕駛車輛對(duì)它的發(fā)單策略非常關(guān)鍵；依靠人工智能的谷歌智能音箱正在用語(yǔ)音回答用戶們?cè)?jīng)在搜索頁(yè)面用鍵盤敲入的內(nèi)容（甚至更早之前，在百科全書里面翻）；亞馬遜正在建立具有人工智能收銀的便利店，以便占領(lǐng)市場(chǎng)容量6740億美元的食物市場(chǎng)。
回到Facebook內(nèi)部呢，人工智能遍地開(kāi)花。比如帶有人工智能的照片濾鏡就能夠幫忙解決一項(xiàng)來(lái)自Snapchat的問(wèn)題。他們所用的AI能夠?yàn)g覽照片，識(shí)別其中的內(nèi)容，然后決定在用戶的資訊流里顯示什么；用戶會(huì)反復(fù)地使用這些功能，對(duì)公司來(lái)講這是一種很有競(jìng)爭(zhēng)力的用戶體驗(yàn)。類似的技術(shù)還可以用來(lái)監(jiān)控騷擾、恐怖主義、色情內(nèi)容，給他們做出標(biāo)記以便清除它們。
“人工智能對(duì)Facebook的全系列產(chǎn)品的用戶體驗(yàn)有至關(guān)重要的影響?！盕acebook的機(jī)器學(xué)習(xí)應(yīng)用小組AML(Applied Machine Learning)負(fù)責(zé)人Joaquin Candela這樣講；這個(gè)小組把平臺(tái)本身也作為研究對(duì)象?！敖裉?，F(xiàn)acebook已經(jīng)離不開(kāi)AI了?！?/p>
隨著這片領(lǐng)域發(fā)展得越來(lái)越好，F(xiàn)acebook會(huì)越來(lái)越需要LeCun和他的團(tuán)隊(duì)來(lái)讓自己對(duì)任何現(xiàn)有的或者新來(lái)的人工智能科技企業(yè)保持競(jìng)爭(zhēng)優(yōu)勢(shì)。
經(jīng)過(guò)多年的批評(píng)和邊緣化之后，LeCun終于翻盤了：有80位研究人員，有Facebook充足的資金支持，還有主流觀點(diǎn)對(duì)他工作的支持?，F(xiàn)在他只需要有產(chǎn)出就好了。
從一開(kāi)始，LeCun就相信他能讓電腦擁有看的能力。面部識(shí)別和圖像檢測(cè)，在今天看來(lái)也許稀松平常，但是對(duì)于1980年代在巴黎讀大學(xué)時(shí)候的LeCun來(lái)說(shuō)，電腦基本就是沒(méi)有任何視覺(jué)能力的，不能理解照片里面的任何東西，也沒(méi)辦法弄清相機(jī)鏡頭里都拍到什么了。這片領(lǐng)域從1960年代以來(lái)沒(méi)有怎么得到開(kāi)發(fā)，而LeCun在大學(xué)中遇到了一種解決這個(gè)領(lǐng)域問(wèn)題的方法，他覺(jué)得這種方法沒(méi)準(zhǔn)能“讓機(jī)器學(xué)會(huì)做很多任務(wù)，包括理解”。
這種被稱作“人工神經(jīng)網(wǎng)絡(luò)”的方法，用小的、互相連接的傳感器組成系統(tǒng)，用它們把圖片這樣的內(nèi)容拆解成小塊，然后從其中發(fā)掘模式，再根據(jù)它們的整體輸入判斷它們看到的是什么。這些神經(jīng)網(wǎng)絡(luò)表面上看來(lái)很難訓(xùn)練，而且功能算不上強(qiáng)大，但是在LeCun了解過(guò)相關(guān)討論以后，他還是決定無(wú)論如何要做這個(gè)方向的研究，放下疑慮，攻讀了這個(gè)方向的博士學(xué)位?！拔矣X(jué)得不是那樣”，這是他對(duì)外界評(píng)價(jià)的態(tài)度。
人工智能領(lǐng)域也會(huì)有艱難的時(shí)候，以它發(fā)生的頻率和強(qiáng)度，這種艱難的時(shí)候甚至有了自己的名字”AI寒冬”（AI Winter）。這種情況多數(shù)發(fā)生在研究者得到的結(jié)果并未達(dá)到宣稱效果的時(shí)候，這個(gè)顯得好像是科學(xué)理論本身有問(wèn)題。接著發(fā)生的就是外界資金和關(guān)注度下降，技術(shù)進(jìn)展也隨著停滯。
LeCun也像其他人一樣受到了“AI寒冬”的影響。90年代中期，LeCun在貝爾實(shí)驗(yàn)室做著一份人工智能研究的工作，然而公司內(nèi)部斗爭(zhēng)解散了他的小組。即便LeCun認(rèn)為研究已經(jīng)有了顯著的成果，他的項(xiàng)目——利用神經(jīng)網(wǎng)絡(luò)進(jìn)行支票識(shí)別的ATM——也隨之停止，而這項(xiàng)技術(shù)在今天則被廣泛使用?！熬驮诔晒Φ睦杳鱽?lái)臨之際，整個(gè)項(xiàng)目卻被解散得差不多了”，LeCun回憶道，“這真的讓人很郁悶”。
同一時(shí)間，主流的開(kāi)發(fā)者開(kāi)始展現(xiàn)出對(duì)其它方法的喜好。雖然這些方法后來(lái)也被拋棄了，但是它們?cè)谶@個(gè)時(shí)候的興起還是足以把LeCun這位長(zhǎng)期的競(jìng)爭(zhēng)者邊緣化。新世紀(jì)頭幾年，其它的學(xué)術(shù)會(huì)議甚至不允許他展示論文。Geoffrey Hinton是神經(jīng)網(wǎng)絡(luò)的先驅(qū)，現(xiàn)為谷歌工程Fellow的他同時(shí)也是多倫多大學(xué)教授，他回憶起那段時(shí)間LeCun所受的待遇時(shí)是這樣說(shuō)的：“計(jì)算機(jī)視覺(jué)圈子基本上不待見(jiàn)他，他們覺(jué)得他做的事情在80年代還有潛力，但是2000年的時(shí)候就應(yīng)當(dāng)放棄了”。不過(guò)他也補(bǔ)充道，“現(xiàn)在沒(méi)人這樣覺(jué)得了?！?/p>
那時(shí)候其它的神經(jīng)網(wǎng)絡(luò)研究人員也遇到了類似的問(wèn)題。即便是蒙特利爾大學(xué)的教授、MILA領(lǐng)頭人Yoshua Bengio，那時(shí)候也很難找到愿意跟從他的研究生。他說(shuō)：“我得逼著我的學(xué)生們研究這些，因?yàn)樗麄兣虏┦慨厴I(yè)以后找不到工作”。
2003年對(duì)于LeCun是關(guān)鍵的轉(zhuǎn)折點(diǎn)。那一年，他加入了紐約大學(xué)任職，并且與Hinton和Bengio結(jié)成了一個(gè)不怎么正式的同盟來(lái)復(fù)興神經(jīng)網(wǎng)絡(luò)（雷鋒網(wǎng)按：實(shí)為神經(jīng)計(jì)算和自適應(yīng)感知項(xiàng)目，Neural Computation and Adaptive Perception）。“我把我們一起做的這件事稱作深度學(xué)習(xí)陰謀”，LeCun說(shuō)到這里露出了一個(gè)狡黠的笑容。
NCAP在這個(gè)領(lǐng)域發(fā)揮了無(wú)可比擬的作用，發(fā)揮著把自己的信念貫徹到底的美德，他們并沒(méi)有為每一種要檢測(cè)的內(nèi)容建立單獨(dú)的、專用的神經(jīng)元，而是用同一個(gè)模版建立一種可以檢測(cè)圖像、視頻和對(duì)話的神經(jīng)元。所以，并不是用一個(gè)網(wǎng)絡(luò)去識(shí)別企鵝，再用另一個(gè)網(wǎng)絡(luò)去識(shí)別貓，你可以用同一個(gè)網(wǎng)絡(luò)來(lái)檢測(cè)兩種東西，而且還能做出區(qū)分。這些新型的神經(jīng)網(wǎng)絡(luò)還可以加以修改后用于其它的任務(wù)，比如分析聲波來(lái)檢測(cè)人聲的模式。
有兩個(gè)外部因素對(duì)NCAP起到了明顯幫助，一個(gè)是不斷提高的計(jì)算能力，這讓神經(jīng)網(wǎng)絡(luò)的運(yùn)行速度提升得具有足夠的實(shí)用性；另一個(gè)可以用來(lái)訓(xùn)練網(wǎng)絡(luò)的數(shù)據(jù)（圖片文本等等），得益于互聯(lián)網(wǎng)的廣泛應(yīng)用，它們也在成指數(shù)增長(zhǎng)，而神經(jīng)網(wǎng)絡(luò)可以通過(guò)它們來(lái)變得越來(lái)越聰明。最終造就了一種靈活、快速、準(zhǔn)確的方法，為整個(gè)領(lǐng)域帶來(lái)了新的可能性。
隨著LeCun和他的同伴們把基礎(chǔ)結(jié)構(gòu)都建立完畢，計(jì)算機(jī)視覺(jué)從2010年以來(lái)迎來(lái)了爆炸式的發(fā)展。計(jì)算機(jī)能夠開(kāi)始識(shí)別物體，先是來(lái)自單幅圖像的，再是來(lái)自視頻的，接著還可以是來(lái)自實(shí)時(shí)的攝像頭的。現(xiàn)在，你可以把攝像頭對(duì)準(zhǔn)一個(gè)籃球，然后人工智能就能夠知道它看見(jiàn)的是什么。很快，LeCun不再是邊緣化的那個(gè)人，他成為了業(yè)內(nèi)的領(lǐng)軍人物?！皬臎](méi)人做這個(gè)方向，到所有人都來(lái)做這個(gè)方向，只經(jīng)過(guò)了不到一年時(shí)間”，LeCun說(shuō)，“這簡(jiǎn)直是瘋了，完全瘋了”（It's just insane — it's completely insane.）。
2013年12月，LeCun加入了Facebook，對(duì)他來(lái)說(shuō)這是一個(gè)研究如何把人工智能應(yīng)用到圖像中的理想環(huán)境。Facebook的平臺(tái)中有數(shù)十億的圖像，給LeCun和他的團(tuán)隊(duì)提供了一張巨大的畫布來(lái)繪制他們的想法。FAIR定期和AML進(jìn)行合作，把他們最新的研究成果變成Facebook proper中的實(shí)際行動(dòng)。這兩個(gè)團(tuán)隊(duì)的人合作建立了一套系統(tǒng)來(lái)讓整個(gè)公司上下都能用到最新的技術(shù)。AML用FAIR的研究成果來(lái)協(xié)助確定在你的新鮮事里顯示什么內(nèi)容，或者在Facebook內(nèi)部做內(nèi)容翻譯；AML還在給Facebook的內(nèi)部攝像頭中加入FAIR的成果，來(lái)讓它們可以根據(jù)人的動(dòng)作做出特殊效果，跟人互動(dòng)。
讓計(jì)算機(jī)有能力看到，是給計(jì)算機(jī)教會(huì)世界運(yùn)行規(guī)律的基礎(chǔ)。人之所以能懂得世界運(yùn)行的規(guī)律是因?yàn)槲覀兡軌蛞槐橛忠槐榈赜^察到這些情境發(fā)生，從而發(fā)展出對(duì)它們接下來(lái)會(huì)怎么樣的理解。假設(shè)我們站在路上，看到一輛車從路的遠(yuǎn)方高速開(kāi)過(guò)來(lái)，我們能夠預(yù)計(jì)車可能會(huì)撞到我們，所以我們會(huì)躲開(kāi)。當(dāng)天色昏暗的時(shí)候，我們能夠預(yù)計(jì)把燈的開(kāi)關(guān)打開(kāi)可以讓周圍重新亮起來(lái)，所以我們會(huì)把燈打開(kāi)。
FAIR正在試著給電腦教會(huì)預(yù)測(cè)結(jié)果的能力，就像人類一樣，用的也是類似的方法。根據(jù)LeCun的解釋，他的團(tuán)隊(duì)反復(fù)給AI看大量的有關(guān)聯(lián)的視頻，然后在某個(gè)點(diǎn)停下來(lái)，讓AI來(lái)預(yù)測(cè)接下來(lái)會(huì)發(fā)生什么。假設(shè)你反復(fù)給AI看那種在一個(gè)人的頭頂上方翻轉(zhuǎn)一瓶水的視頻，AI很有可能可以判斷出來(lái)這種動(dòng)作會(huì)把人淋濕。
LeCun給我們解釋了他的想法：“從某種程度上，智力的核心就是預(yù)測(cè)的能力。如果你能夠根據(jù)自己的行動(dòng)預(yù)測(cè)接下來(lái)會(huì)發(fā)生的事情，那你就能夠做出計(jì)劃。據(jù)此就可以計(jì)劃一系列的動(dòng)作，來(lái)達(dá)到某個(gè)具體的目標(biāo)。”
教會(huì)人工智能預(yù)測(cè)的能力，是業(yè)內(nèi)最眾說(shuō)紛紜的難點(diǎn)之一，很大程度上是因?yàn)樵诓簧偾榫诚吕碚撋险_的后果可能會(huì)出現(xiàn)很多種。
你可以想象把一支筆立在桌子上然后松手，LeCun說(shuō)，如果你問(wèn)電腦一秒鐘以后這支筆會(huì)在哪里，是沒(méi)有什么正確答案的，因?yàn)殡娔X能判斷出筆會(huì)倒下來(lái)，但是它沒(méi)辦法精確地判斷出筆最后會(huì)具體掉在哪里。所以你就需要告訴系統(tǒng)，可能有很多個(gè)答案都是正確的，“然后實(shí)際上發(fā)生的事情僅僅是眾多可能性中的一種。這就是學(xué)習(xí)在不確定的情況下進(jìn)行預(yù)測(cè)會(huì)遇到的問(wèn)題?！?/p>
讓AI明白和接受可能性是人工智能訓(xùn)練方法的一種，稱作“無(wú)監(jiān)督學(xué)習(xí)”，現(xiàn)在這是領(lǐng)域的前沿。當(dāng)AI通過(guò)足夠多的觀察，能夠明白世界如何運(yùn)行并且預(yù)測(cè)接下來(lái)會(huì)發(fā)生什么的時(shí)候，它的思考方式就能更像人類一點(diǎn)，具備一定的常識(shí)那樣的東西。而這在LeCun看來(lái)也是讓計(jì)算機(jī)變得更加智能的關(guān)鍵。
LeCun和他的團(tuán)隊(duì)成員們已經(jīng)做好了可能會(huì)花費(fèi)很多年才能讓AI完全理解灰色地帶的心理準(zhǔn)備，但是他們有信心一定能達(dá)成那一步。Larry Zitnick是LeCun團(tuán)隊(duì)中的一位研發(fā)經(jīng)理，他認(rèn)為：“這一天一定會(huì)來(lái)到的，不過(guò)這應(yīng)當(dāng)是一個(gè)10年期目標(biāo)”。
去年12月，馬克扎克伯格公開(kāi)了一段引人注目的視頻，是他的“人工智能管家Jarvis”的demo。這位Facebook創(chuàng)始人自己給Jarvis編程，而Jarvis能夠給扎克伯格烤面包，能夠在識(shí)別出扎克伯格父母的臉之后迎接他們進(jìn)屋，甚至還給他的小孩Max用中文上了一節(jié)課。
Jarvis看起來(lái)挺酷炫的。不過(guò)在LeCun眼里也沒(méi)什么特別，“它基本上都是在執(zhí)行命令，而且也相對(duì)比較簡(jiǎn)單。它的智力從某種程度上講還比較淺層，”LeCun說(shuō)。他的眼光要比這高多了。
LeCun想要做的是智能助理（assistants），能夠真正理解你所講的那種?！澳軌虺掷m(xù)對(duì)話的機(jī)器人，”他說(shuō)，“能夠提前計(jì)劃的機(jī)器人。你不會(huì)因?yàn)橄铀麄兇蓝幌矚g它們的機(jī)器人。”
現(xiàn)在他們還沒(méi)有造出這種機(jī)器人的明確計(jì)劃，但是FAIR所研究的內(nèi)容都是一些很有可能成為它的基石的課題，其中之一就是讓AI對(duì)世界有基本的認(rèn)識(shí)，并且訓(xùn)練它、讓它能夠預(yù)測(cè)接下來(lái)會(huì)發(fā)生什么；還有一件事是讓AI可以讀書寫字，F(xiàn)AIR也在用神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)應(yīng)的研究。對(duì)電腦來(lái)說(shuō)，圖片就是一系列數(shù)字，但是一句語(yǔ)音、一段文字也可以表達(dá)成一系列數(shù)字。這樣，LeCun這樣的研究者就可以用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)從圖像中識(shí)別對(duì)象、從語(yǔ)音中識(shí)別文字、從文字中識(shí)別話題。
AI目前還不能像理解圖片那樣理解文字，但是LeCun心里已經(jīng)對(duì)終極的Jarvis有了自己的構(gòu)想。他心目中理想的助理，具有對(duì)世界的常識(shí)和與其它助理進(jìn)行溝通的能力。如果你想要約朋友一起去聽(tīng)音樂(lè)會(huì)，你會(huì)讓你的助理來(lái)協(xié)調(diào)，它們會(huì)自動(dòng)地對(duì)比你的音樂(lè)品味、日程安排、正在上演的曲目，然后給你給出建議。
LeCun說(shuō)：“計(jì)算機(jī)需要對(duì)世界的規(guī)律有一定的理解。比如人沒(méi)辦法同時(shí)出現(xiàn)在兩個(gè)地方，人沒(méi)辦法在短時(shí)間內(nèi)就從紐約到舊金山，類似這種對(duì)旅行產(chǎn)生影響的因素。如果要為別人安排生活事件的話，有很多常識(shí)都是需要提前知道的。”
Facebook正在用一個(gè)類似這種，但是做了一定簡(jiǎn)化的數(shù)字助理進(jìn)行試驗(yàn)，他們把它稱作M，由Messenger團(tuán)隊(duì)運(yùn)營(yíng)，用到了一些FAIR的研究成果。Facebook Messenger團(tuán)隊(duì)近期發(fā)布了“M建議”功能，M會(huì)判斷用戶對(duì)話，然后在它覺(jué)得需要它幫忙的時(shí)候插進(jìn)來(lái)。比如當(dāng)有人問(wèn)你“你在哪”，M就可以在對(duì)話中給你談出來(lái)一個(gè)選項(xiàng)，供你在屏幕上輕點(diǎn)一下就能把你的當(dāng)前位置分享出去。未來(lái)Facebook很可能把這種功能拓展到更多的場(chǎng)景中，發(fā)揮更多的功能。
M只是Facebook在人工智能語(yǔ)義理解的應(yīng)用之一，他們也在考慮這種技術(shù)還能如何派上用場(chǎng)。甚至，即便最近Facebook參與了形成一些交流的阻礙（雷鋒網(wǎng)按：指下文Facebook的極端化與假新聞事件），他們也可能打算把它作為打通這種阻礙的方法之一。
即便在2016年美國(guó)競(jìng)選引發(fā)了人們對(duì)Facebook極端化和假新聞的聲討之前，LeCun團(tuán)隊(duì)的成員Y-Lan Boureau就已經(jīng)在研究如何用人工智能來(lái)在Facebook上引導(dǎo)更有建設(shè)性的對(duì)話了。Boureau既學(xué)習(xí)過(guò)神經(jīng)學(xué)，也學(xué)習(xí)過(guò)人工智能；她加入這個(gè)項(xiàng)目的原因是看到了她的朋友們因?yàn)椴辉敢饨邮芘c自己立場(chǎng)相反的觀點(diǎn)，所以在Facebook上爭(zhēng)執(zhí)了起來(lái)。Boureau說(shuō)，“如果我們能夠更好地理解到底是什么在引導(dǎo)著人們思考，如果我們能夠明白觀點(diǎn)是如何形成并且固化、僵化的，如果我們能夠搞清為什么兩個(gè)最終會(huì)沒(méi)辦法互相交流，這會(huì)是一件很有意義的事情”。
Boureau想創(chuàng)造這樣一個(gè)世界，在這個(gè)世界中我們盡可能地看到不同的意見(jiàn)，直到我們開(kāi)始拒絕接受更多的意見(jiàn)為止。人工智能可以通過(guò)發(fā)掘文本中的模式、發(fā)現(xiàn)什么時(shí)候?qū)υ掗_(kāi)始走偏方向、有可能的話想辦法改變對(duì)話的走向，來(lái)避免情況轉(zhuǎn)壞?！叭绻覀兡芡ㄟ^(guò)數(shù)據(jù)對(duì)學(xué)習(xí)和人們腦中建立信念的過(guò)程有更多的了解，那我們可能可以更好地從整體上弄懂如何引導(dǎo)更多有建設(shè)性的對(duì)話?！盉oureau這樣說(shuō)。
在2016年美國(guó)競(jìng)選結(jié)束之后，LeCun公開(kāi)宣稱Facebook已經(jīng)有技術(shù)能力來(lái)用人工智能篩選去除假新聞。對(duì)于美國(guó)廣泛存在的極端化問(wèn)題，許多人認(rèn)為L(zhǎng)eCun的方法可能會(huì)起到一些作用，但是他本人認(rèn)為這些工作最好還是由第三方來(lái)做，而不是同樣有能力引發(fā)偏見(jiàn)的機(jī)器們。“AI在這個(gè)問(wèn)題上確實(shí)能夠起到作用，但這將是一個(gè)非常復(fù)雜的產(chǎn)品設(shè)計(jì)問(wèn)題，而非技術(shù)問(wèn)題”，LeCun說(shuō)，“你的目的并不是把人們引向特定的話題，實(shí)際上這種情況下你還是想要保持中立?！?/p>
不斷升級(jí)的夸張宣傳對(duì)人工智能可能會(huì)帶來(lái)不小的危險(xiǎn)，LeCun尤其明白。到今天，很明顯我們正處在這種狀況中。Bloomberg指出，在2013年第一季度，只有6家公司宣稱把人工智能用在盈利業(yè)務(wù)中；而到了2017年第一季度，就有244家公司這樣講了。
LeCun在談到未來(lái)的時(shí)候用詞非常謹(jǐn)慎：“我們目前距離理想的目標(biāo)還很遠(yuǎn)。”他甚至?xí)妫骸斑@些東西運(yùn)作得并沒(méi)有我們預(yù)想得那么好。”確實(shí)是這樣，正如LeCun的謹(jǐn)慎所呈現(xiàn)的那樣，現(xiàn)在的人工智能距離達(dá)到人類級(jí)別智力，或者說(shuō)通用AI還有很長(zhǎng)的距離。
即便這樣，LeCun也還是充滿了激情。對(duì)抗訓(xùn)練（adversarial training）是一種相對(duì)比較新的人工智能研究方向，它能夠幫助解決這個(gè)領(lǐng)域目前遇到的預(yù)測(cè)和不確定挑戰(zhàn)方面的困難，而LeCun尤其喜歡它。對(duì)抗訓(xùn)練的特征是讓兩個(gè)AI系統(tǒng)互相對(duì)抗，讓它們從這個(gè)過(guò)程中學(xué)習(xí)真實(shí)世界。比如在某個(gè)FAIR的試驗(yàn)中，研究人員讓一個(gè)AI畫圖，然后讓另一個(gè)AI來(lái)判斷這幅圖是否是人類所畫；前一個(gè)AI就根據(jù)用后一個(gè)AI的結(jié)果指導(dǎo)自己畫的更好。
在今年初的一個(gè)會(huì)議中，LeCun展示了一些更高端的東西：生成器要讓判別器判斷它從一段視頻中截取了畫面，還是創(chuàng)造了什么內(nèi)容？
一個(gè)AI要讓另一個(gè)AI相信它從這第二個(gè)AI已經(jīng)看過(guò)的視頻里截取了一部分創(chuàng)造了幾幀畫面。LeCun說(shuō)，這種對(duì)抗訓(xùn)練，“是最近10年或者20年內(nèi)機(jī)器學(xué)習(xí)方面最好、最酷的點(diǎn)子?！?/p>
就這樣，LeCun會(huì)繼續(xù)研究對(duì)抗訓(xùn)練，又一次地把這個(gè)領(lǐng)域拓展到新的邊界。他早已經(jīng)不是20年前那個(gè)沒(méi)人愿意聽(tīng)他講話的人了。盡管LeCun說(shuō)這項(xiàng)工作還遠(yuǎn)遠(yuǎn)沒(méi)有結(jié)束，成功也遠(yuǎn)遠(yuǎn)不是他一個(gè)人的功勞，他還是一直在享受研究的過(guò)程。他說(shuō)：“它并沒(méi)有讓我覺(jué)得糟糕，實(shí)際上我覺(jué)得棒極了。”
AI科技評(píng)論招業(yè)界記者啦！
在這里，你可以密切關(guān)注海外會(huì)議的大牛演講；可以采訪國(guó)內(nèi)巨頭實(shí)驗(yàn)室的技術(shù)專家；對(duì)人工智能的動(dòng)態(tài)了如指掌；更能深入剖析AI前沿的技術(shù)與未來(lái)！
如果你：
＊對(duì)人工智能有一定的興趣或了解
* 求知欲強(qiáng)，具備強(qiáng)大的學(xué)習(xí)能力
* 有AI業(yè)界報(bào)道或者媒體經(jīng)驗(yàn)優(yōu)先
簡(jiǎn)歷投遞：
lizongren@leiphone.com
相關(guān)文章：
Facebook Yann LeCun一小時(shí)演講： AI 研究的下一站是無(wú)監(jiān)督學(xué)習(xí)（附完整視頻）
2017 美國(guó)工程院院士名單公布，Lecun、沈向洋、黃永剛、張東曉、陳向力等多人入選
Facebook 人工智能大揭秘：AI 如何變成這家社交巨頭不可或缺的部分？
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
