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。
相關文章
熱門資訊
精彩導讀
關注我們
