演讲 | Yann LeCun 现身上海交大,对话中国人工智能科技新锐

机器之心报道

参与:高静宜

7 月初,Facebook 人工智能研究院院长、纽约大学终身教授 Yann LeCun 受邀现身上海交通大学闵行校区,围绕 Deep Learning and AI:Past, Present, and Future 发表主题学术报告。随后,第四范式联合创始人兼首席研究科学家陈雨强、思必驰首席科学家俞凯、360 人工智能研究院院长颜水成、今日头条实验室总监李磊等八位中国人工智能科技领域新锐对话 Yann LeCun 教授,共同探索人工智能的未来。

Yann LeCun 是深度学习运动的领军人物,也是卷积神经网络的发明人,与 Geoffrey Hinton 及 Yoshua Bengio 比肩,被公认为是人工智能领域的三巨头之一。他创建的卷积网络模型被广泛应用于计算机视觉及语音识别应用中,曾在神经网络、图像压缩、人工智能专用硬件等相关领域内发表 190 余篇学术论文,其学术影响力及业内地位举足轻重。目前研究方向包括人工智能、机器学习、计算机视觉、机器人,以及计算机神经学等。

在演讲中,Yann LeCun 教授详尽介绍了深度学习领域的发展历程、技术原理、研究现状及最新成果,同时分析了现阶段人工智能发展存在的阻碍和具有研究潜力的课题方向以,并对未来人工智能技术的发展趋势做出前沿预测。(详情可见:演讲 | Yann LeCun 清华演讲:深度学习与人工智能的未来

首先,Yann LeCun 对传统模式识别、主流现代模式识别以及深度学习特征提取方式加以比对;之后,对多层神经网络、反向传播算法、卷积神经网络结构(归一化——滤波器组——非线性计算——池化)等算法概念进行详细解析。

卷积神经网络也曾遭遇瓶颈,不过,在得到人们的认可后,深度卷积网络开始用于解决各类计算机视觉问题并大放异彩,如目标识别。随着网络深度的不断增加,产生了深度卷积神经网络结构,如 VGG,GoogLeNet,ResNet,它们可以用于图像识别、语义分割、ADAS 等众多场景。

这里,Yann LeCun 特别提到了 Facebook 提出的通用目标分割框架 Mask R-CNN,并展示了它在 COCO 数据集上的结果。(详情可见:学界 | Facebook 新论文提出通用目标分割框架 Mask R-CNN:更简单更灵活表现更好

在为在场观众带来全新、深入的深度学习技术解析后,Yann LeCun 又探讨了人工智能领域存在的一个障碍和难点——怎样使机器获得「常识」呢?

在人工智能领域,机器是如何跨越这种本质的障碍呢?Yann LeCun 给出了答案,即机器不仅需要学习、理解这个世界,学习大量的背景知识,还需要感知世界的状态,更新、记忆并评估世界的状态,而且还要有推理和计划的能力。这也就是所谓的「智力+常识=感知+预测模型+记忆+推理和计划」。

人们由于了解这个世界运作原理,所以会拥有常识,可是对于机器呢?他们能否具备所谓的「常识」呢?

机器是无法凭空具备常识的,它需要一些已知的信息,比如从过去和现在推断未来;从现在的状态推断过去的事件。那么,这个过程就涉及预测学习这一个概念。

由此看见,无监督学习和预测学习是十分必要的,也是未来几年深度学习型领域的巨大挑战。通常,需要拿来去训练一个大型学习机器的样本数量取决于我们要求机器所预测的信息量。

Sutton 所提出的 Dyna 结构,这是一种集学习、计划、反应于一身的集成架构,即可以完成「在行动之前实现对脑内设想的尝试」。

而经典的基于模型的最优化控制过程则可以利用初始控制序列对世界进行仿真,调整控制序列利用梯度下降法对目标进行最优化,再进行时序反向传播。

Yann LeCun 介绍了人工智能系统的架构包括感知器、代理、目标、环境,并用一个公式概括人工智能系统,即:预测+计划=推理。最终得出结论:我们需要基于模型的强化学习。

接下来的《对话中国人工智能科技新锐》主题圆桌论坛中,国内八位人工智能领域科学家、学者从 AI 技术落地方向、应用案例、未来发展走势及业内的竞争等角度向 Yann LeCun 教授连番发问。Yann LeCun 在讨论中表示,人工智能技术正在逐步走向通用的道路,这项技术的出现对某些领域有所帮助进而引发变革,但是在某些领域并未引起波澜。面对巨头公司在竞争中占据天然优势的情况下,AI 创业公司如何找到自身定位这一问题,现场嘉宾的一致观点是,找到一个人工智能技术能够解决的问题,并专注于这个垂直领域。只有做出产品,才能掌握相关数据,之后才能构建数据自我驱动的技术算法,进而形成一个良性循环。

除此之外,Yann LeCun 还就嘉宾对 Facebook 人工智能领域的相关问题一一作答。这次交流活动加深了领域内顶级科学家之间的沟通交流,同时促进了参与者对于前沿技术及行业动向的理解。

本文为机器之心原创,转载请联系本公众号获得授权。

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2017-07-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能快报

全球顶尖人工智能科学家回答网友提问

2016年1月20日,全球最顶尖的人工智能科学家之一、加拿大蒙特利尔大学教授Yoshua Bengio在知名问答社区Quora针对网友的提问给出了自己的一些见解...

40770
来自专栏AI科技大本营的专栏

【人工智能工程师】掌握这10个项目,秒杀90%面试者!

2017年人工智能给了我们太多的惊喜和变化,从今年开始,国际巨头们纷纷开始大踏步地战略转向——从移动优先转向AI优先:3月份的微软、4月份的Facebook、5...

35250
来自专栏IT派

深度学习框架排名:TensorFlow第一,PyTorch第二

上周,Keras作者、谷歌研究科学家François Chollet晒出一张图,他使用Google Search Index,展示了过去三个月,ArXiv上提到...

53740
来自专栏机器学习算法与Python学习

如何准备机器学习工程师的面试?

我之前面试一些公司的机器学习或者数据挖掘工程师的职位。感觉自己准备的不够充分。想了解下一般会问哪些问题,考察哪些方面的东西?? 周开拓 ~~~~~~~~~~~~...

28570
来自专栏华章科技

人工智能大拿解答机器学习30个问答

这次参加的是 Yoshua Bengio,计算机科学家,毕业于麦吉尔大学,在MIT和AT&T贝尔实验室做过博士后研究员,自1993年之后就是蒙特利尔大学任教,与...

8610
来自专栏新智元

两年半努力,Yoshua Bengio 团队重磅新作《深度学习》

《深度学习》经过两年半的努力,由谷歌大脑团队科学家 Ian Goodfellow, Yoshua Bengio 和 Aaron Courville 撰写,麻省理...

36950
来自专栏机器之心

机器学习中的数学,这是一份新鲜出炉的热门草稿

作者:Marc Peter Deisenroth、A Aldo Faisal、Cheng Soon Ong

14340
来自专栏腾讯大讲堂的专栏

深度学习重构视觉计算

视频AI不仅需要建模图像的空间域信息,还需要建模视频帧之间的时间域信息。

60950
来自专栏IT派

爆料 | 解析阿里妈妈如何将深度学习应用在广告、推荐及搜索业务

非常高兴与大家进行“深度学习演进之路”的交流,阿里妈妈是阿里巴巴集团下的大数据营销平台,是负责阿里巴巴变现的一个事业部。我研究的方向是机器学习、计算机视觉、推荐...

14620
来自专栏新智元

迁移学习进展:单次学习能力达人类水平(附论文)

【新智元导读】 本文的作者开发了一种使用贝叶斯程序学习(BPL)的算法,该算法将概念表示为简单随机程序,也就是结构化过程,在执行时生成概念的新示例。这些程序让模...

352100

扫码关注云+社区

领取腾讯云代金券