法国极客Yann LeCun：掌舵Facebook人工智能

原标题：法国极客Yann LeCun：掌舵Facebook人工智能

Facebook人工智能研究部门(FAIR)负责人Yann LeCun

当今世界人工智能领域，有三位顶级专家被业内奉为“神一样的人物”，其中两位来自加拿大，一位来自法国。他们分别是加拿大多伦多大学的Geoffrey Hinton和蒙特利尔大学的终身教授Yoshua Bengio，以及Facebook人工智能研究部门(FAIR)负责人Yann LeCun(下称“LeCun”)——这位来自巴黎的学者目前担任纽约大学终身教授，他还是纽约大学数据科学中心的创始人。

Yann LeCun在今年3月走进中国的大学，在清华大学和上海纽约大学分别进行了两场人工智能的顶尖对话，并接受了第一财经记者的独家专访。

让机器拥有常识

LeCun是法国学界非常引以为豪的科学家，也是在美国科技巨头公司中担任要职的为数不多的法国人。虽然同为“极客”，但法国人独特的气质让LeCun和很多美国科学家相比，看起来更加随意、富有亲和力。

1987年LeCun从巴黎第六代大学的计算机系毕业后，就去了多伦多大学读博士后，师从“神经网络之父”GeoffreyHinton，Hinton也是将深度学习技术带入谷歌的人。博士后研究结束后，LeCun就一直工作生活在美国，先后任职于贝尔实验室、AT&T等大公司。2008年他创立了一家从事大数据挖掘的咨询公司YLC，直到目前，他还担任他所创立的另一家从事音乐制作和教育公司的首席科学官。

目前LeCun领导着Facebook人工智能研究部门近百人的团队。他的工作是推进人工智能的基础科学与技术研究;通过实验来发展人工智能技术在各个领域中的实际应用，如计算机视觉、人机对话系统、虚拟助手、语音识别和自然语言处理(NLP)等。

“人工智能的背后存在很多基础科学，它们也许并不面向应用，你的研究可能只是通向对智能和人工智能的理解。”LeCun对第一财经记者表示。

LeCun开辟了将神经网络运用于机器视觉的先例。五年前，其带领研究人员在图像识别的准确性上，取得了巨大的突破，这背后的技术——人工神经网络，促成了近年来人工智能的繁荣，也使得谷歌和Facebook得以让人们在自己的相册中使用搜索功能，并促成了一批使用面部识别的应用程序问世。

训练机器如何学习是LeCun的团队最重要的工作。过去很长一段时间，他们给机器“喂”了成千上万张图片，来教会机器区分诸如“汽车”和“小狗”。不过LeCun在这个过程中也抛出了新的问题：当有大量可用样本(比如桌椅、猫狗和人)时，训练机器没有问题;但如果机器从来没有见过这些实物，它还能识别出样本吗?

LeCun表示，人工智能发展的一大难题就是怎么样才能让机器掌握人类常识，这是让机器和人类自然互动的关键。想要做到这一点，它需要拥有一个内在模型，以具备预测的能力。LeCun用一个公式简洁地概括了这种人工智能系统：预测+规划=推理。而研究人员现在要做的，就是不需依赖人类训练，让机器学会自己构建这个内在模型。

“人们花了很多年来研究如何给图片和视频自动加入字幕或描述，从目前的技术来看，确实也已经出现了令人印象深刻的实现方式。”LeCun对第一财经记者表示，“但实际上，它们并没有看起来的那么令人惊艳，那些机器的专业上很大程度受限于人们训练它的环境。你如果向机器展现非常规的情况，大多数机器就会不知所措，因为它们不具备常识。”

LeCun认为，在机器视觉领域还有很大的进步空间，机器视觉的下一个突破将会是以自主观察世界的方式进行学习，比如通过观看视频来进行学习。这也意味着未来计算机可能会像婴儿学习那样掌握常识性的知识。

关于机器视觉如何与常识相联系，LeCun说，就连Facebook内部也有很大分歧。“一些人认为可以与智能系统只进行语言交流，但是语言是一个相当低带宽(lowbandwidth)的渠道，信息密度很低。语言之所以能承载很多信息，是因为人们拥有大量的背景知识，也就是常识，来帮助他们理解这些信息。”LeCun解释道。

一些人工智能科学家认为，给人工智能系统提供足够信息的唯一方式是加入视觉认知，因为影像会比语言的信息密度高得多。比如，你告诉机器“这是一部智能手机”，“这是一辆压路机”，“有些东西你可以推动它而有些不可以”等等，也许机器能够学会这个世界的基础运作原理。对此，LeCun表示：“这跟婴儿的学习方式类似。然而，幼儿在学习很多事情的时候并不需要明确的指示。”LeCun认为在没有指导的过程中的学习才是他想要达到的。

他表示，Facebook很想做到的一点是，让机器通过观看视频或观察其他东西来认识现实世界中的很多局限性，这最终会让它们建立起常识。“目前机器还十分好骗，那是因为它们对这个世界缺乏基本理解。”LeCun说，“比如将来你给机器看一小段视频，然后机器就能预测接下来会发生什么。如果我们能训练系统做到这一点，那么我们就已经创造了无监管指导的机器学习的核心技术。这是我们人工智能宏图的重要组成部分。”