戀夜直播app官方正版下载_戀夜直播高品质美女在线视频互动社区_戀夜直播官方版

閱讀 | 訂閱
閱讀 | 訂閱
機器人

Facebook人工智能研究的現(xiàn)狀和未來

星之球激光 來源:機器人之心2015-11-09 我要評論(0 )   

  社交巨人Facebook上周公布了多項人工智能計劃。公司的人工智能實驗室負責人Yann LeCun介紹了這些技術能做哪些工作。 


  社交巨人Facebook上周公布了多項人工智能計劃。公司的人工智能實驗室負責人Yann LeCun介紹了這些技術能做哪些工作。
  問:你現(xiàn)在面臨的最大挑戰(zhàn)是什么?
  Yann LeCun:最大的挑戰(zhàn)是無監(jiān)督學習:機器具備的一種僅僅通過觀察世界就能獲取常識的能力。但我們目前還沒有擁有這種算法。
  問:人工智能研究者為何會要關心常識和無監(jiān)督學習?
  Yann LeCun:因為人類和動物使用的最多的就是這種學習方式。我們幾乎所有的學習方式都是無監(jiān)督的。我們通過觀察和親身體驗來了解這個世界的運作方式,而并不需要其他人我們每一件事物的名稱。因此,我們?nèi)绾尾拍苜x予機器那種像人類和動物一樣的無監(jiān)督學習方式?
  問:上周,F(xiàn)acebook發(fā)布了一套能夠讀懂照片中發(fā)生的事情并回答簡單問題的系統(tǒng)。它是通過開發(fā)者添加的標簽來訓練的嗎?
  Yann LeCun:它將人工注釋以及人工生成的問題和答案整合在了一起。圖片要么已經(jīng)包含了圖片中所有物體的列表或是對于對圖片本身的各種描述。從這些列表和描述中,我們能夠產(chǎn)生出關于圖片中物體的問題和答案,然后當你詢問問題時,再用答案就訓練這個系統(tǒng)。這就是它全部的訓練原理。
  問:你們的人工智能系統(tǒng)是否會被一些特定類型的問題所困擾?
  Yann LeCun:是的,如果你的問題都是一些概念性的東西,那這個系統(tǒng)的表現(xiàn)就不會很好。系統(tǒng)是被通過一些特定類型的問題來訓練的,比如說(圖片中)物體的存在與否、不同物體之間的關系,等等,但還有很多事情這個系統(tǒng)無法完成,它還不夠完美。
   問:這個系統(tǒng)可以被用于Facebook或者Instagram上來自動為圖片加上標題?
  Yann LeCun:為圖片加標題需要的方法與這個有些細微差異,但它們是相似的。當然,這對于那些視力受損的Facebook用戶非常有用?;蛘哒f,當你在開車時收到你朋友發(fā)來的圖片,這時你不要低頭看手機,而只需要問一句“照片中有什么?”系統(tǒng)馬上就會告訴你這張照片的類型,是戶外還是室內(nèi),是否有落日等其他什么東西。然后系統(tǒng)會將它在照片中發(fā)現(xiàn)的東西做成一個列表給你,但這些都不成語句,只是一個多個單詞組成的列表。
  問:系統(tǒng)能知道這些物體之間的關系嗎?
  Yann LeCun:可以,我們一直在實驗室研發(fā)的下一代產(chǎn)品更像是“散文”(指能形成連貫語句,而非單純的詞匯列表)。
  問:這些人工神經(jīng)網(wǎng)絡還有什么其他潛在應用嗎?
  Yann LeCun:它可以用在生物和基因領域,將會產(chǎn)生很多有趣的成果。例如,多倫多大學的Brendan Frey已經(jīng)展示了,你可以訓練一個深度學習系統(tǒng)去模擬讀取DNA和合成蛋白質(zhì)的生化機理。通過這種方式,你就能弄清楚一些基因改變和某些特定疾病之間的關聯(lián)。這種關聯(lián)很復雜,可能涉及不止一種基因突變,而是很多突變的集合。而擁有了這樣的技術則會有力地推進醫(yī)療行業(yè)的發(fā)展。
  問:是否有些問題是深度學習或者你使用的卷積神經(jīng)網(wǎng)絡所無法解決的?
  Yann LeCun:如今雖然還有很多事情我們無法做到,但是對于日新月異的科技發(fā)展,誰又能說的準呢?比如,如果你在10年前問我,“我們可以將卷積神經(jīng)網(wǎng)絡或者深度學習用于人臉識別嗎?”我當時的回復可能是,這根本就不可行。但后來它們在這方面表現(xiàn)的非常出色。
  問:當時你為何認為神經(jīng)網(wǎng)絡無法做到那一點(人臉識別)?
  Yann LeCun:當時的神經(jīng)網(wǎng)絡在識別普通類別方面非常擅長。比如說它知道這是一輛車,但它并不知道這個一輛什么車,或者它位于哪個位置。或者說有一把椅子,但這把椅子可以是任何一種形態(tài),而那種神經(jīng)網(wǎng)絡只擅長把椅子和汽車的關鍵特征提取出來,以判斷出這是一把椅子或者一輛車,完全不關心某些特定實例和它所在的位置。
  但對于識別鳥的類別、狗的品種、植物種類和人臉,你就需要可以應對更加細密紋理的識別能力,你可能識別出幾百萬種類別,但不同類別之間的差異非常細微。所以,我當時可能會認為深度學習并非解決這類問題的最佳方法,或許其他方法會更加適合,但我錯了。我低估了我手中技術的實力。雖然今天有很多事情認為很難做到,但一旦出現(xiàn)突破,就會完成的很好。
  問:在Facebook近期公布的一項實驗中,工程師將《指環(huán)王》中的一段話給到了計算機,然后讓他去回答關于這個故事的幾個問題。從這個例子中能夠代表“Facebook為機器設計的新一代智能測試”嗎?
  Yann LeCun:它使用相同的技術作為它的基礎。研發(fā)團隊已經(jīng)提出了一系列機器應該回答的問題。有個故事,請回答有關故事的問題。其中一些問題只是簡單的事實。如果我說“Ari拿起了他的手機。”然后問“Ari的手機在哪里?”該系統(tǒng)會說“它在Ari的手里。”
   但是如果故事里人們是如何移動的又該如何呢?我可以問“這兩個人在同一個地方嗎?”然后如果你想回答這個問題,你必須知道物理世界的樣子。例如,如果你想回答諸如“現(xiàn)在屋里有多少人?”這樣的問題,你必須記住一共有多少人進入了屋子。要想回答這些問題,你需要有推理能力。
  問:在我們讓機器預測未來之前,我們需要教會機器常識嗎?
  Yann LeCun:不,我們可以同時進行。如果我們能訓練系統(tǒng)進行預測,它通過預測就能從本質(zhì)上推斷出它所看到的世界的結(jié)構(gòu)。擁有這種酷炫能力的具身化能力的是一個叫“Eyescream”的東西。它是一個神經(jīng)網(wǎng)絡,你輸入隨機的數(shù)字,它就會輸出自然的圖片。你能讓它畫一個飛機或者教堂塔以及訓練過的事物,它就能產(chǎn)生令人滿意的圖片。
  因此能生產(chǎn)圖片是完成拼圖的重要一塊,因為如果你想預測視頻中接下來會發(fā)生什么,你必須首先擁有一個能生產(chǎn)圖片的模型。
  問:模型能預測什么樣的事情?
  如果你讓系統(tǒng)看一段視頻并問“下一幀會發(fā)生什么?”這并不復雜。有幾件事會發(fā)生,但是移動的物體還是會在原方向上移動。但是如果你問下一秒會發(fā)生什么,就有可能發(fā)生很多事情而無法預測,因此系統(tǒng)將會努力做出好的預測。這是我們所面臨的問題,而且我們還不知道怎么解決。
  如果你在看希區(qū)柯克的電影(以懸疑著稱)然后我問“十五分鐘后將會發(fā)生什么?”你必須指出誰是兇手。完全解決這個問題需要了解世界和人性的方方面面。這就是其有趣之處。
  問:從現(xiàn)在起五年,深度學習將如何改變我們的生活?
  我們在探索的一件事是人類的個人管家。數(shù)碼管家。這還沒有一個名字,但是在Facebook,它叫M項目。M的形象就像科幻電影《她》中數(shù)碼管家的形象一樣。
 

轉(zhuǎn)載請注明出處。

機器人人工智能Facebook
免責聲明

① 凡本網(wǎng)未注明其他出處的作品,版權(quán)均屬于激光制造網(wǎng),未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用。獲本網(wǎng)授權(quán)使用作品的,應在授權(quán)范圍內(nèi)使 用,并注明"來源:激光制造網(wǎng)”。違反上述聲明者,本網(wǎng)將追究其相關責任。
② 凡本網(wǎng)注明其他來源的作品及圖片,均轉(zhuǎn)載自其它媒體,轉(zhuǎn)載目的在于傳遞更多信息,并不代表本媒贊同其觀點和對其真實性負責,版權(quán)歸原作者所有,如有侵權(quán)請聯(lián)系我們刪除。
③ 任何單位或個人認為本網(wǎng)內(nèi)容可能涉嫌侵犯其合法權(quán)益,請及時向本網(wǎng)提出書面權(quán)利通知,并提供身份證明、權(quán)屬證明、具體鏈接(URL)及詳細侵權(quán)情況證明。本網(wǎng)在收到上述法律文件后,將會依法盡快移除相關涉嫌侵權(quán)的內(nèi)容。

網(wǎng)友點評
0相關評論
精彩導讀