從虛擬助手到巨大的商業(yè)效益，人工智能正在重塑信息時代，作為著名的人工智能先驅(qū)者之一，Yann LeCun又是怎么看待這一領(lǐng)域的發(fā)展、近期的變化和潛力的呢？

20世紀(jì)80年代中期，人工智能的研究陷入了完全停滯的狀態(tài)。首先，計算機缺乏將事情促成的處理能力，與現(xiàn)代智能手機相比，軟盤驅(qū)動設(shè)備在先進(jìn)程度上相形見絀，直到1989年，計算機芯片才能夠容納100萬個元件，相比之下，現(xiàn)代的高端計算機芯片則能夠容納80億個元件。

另一個障礙也阻礙了人工智能的成形，1984年，美國人工智能協(xié)會召開了一次重大會議，行業(yè)先驅(qū)馬文·明斯基(Marvin Minsky)在會上警告商界，投資者對人工智能的熱情最終將會變成大失所望，果然，人工智能領(lǐng)域的投資開始劇降。

那時候，像Yann LeCun這樣的夢想家選擇了不去過多關(guān)注那些負(fù)面的東西，這是一件好事，當(dāng)這位法國人加入位于新澤西的AT&T貝爾實驗室適應(yīng)性系統(tǒng)研究部門時，他還不到30歲，在那里，他對人工智能充滿著熱情。在貝爾實驗室，LeCun開發(fā)了許多新的機器學(xué)習(xí)方法，包括模仿動物視覺皮層的卷積神經(jīng)網(wǎng)絡(luò)，LeCun的研究也促進(jìn)了圖像和視頻識別以及自然語言處理的發(fā)展。

“整個人工智能背景下的統(tǒng)計學(xué)習(xí)概念在1960年代末似乎消失不見了。”LeCun回憶道，“人們或多或少拋棄了它，然后在80年代末，神經(jīng)網(wǎng)絡(luò)又重新成為人們關(guān)注的焦點。因此，當(dāng)訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法在80年代中期出現(xiàn)時，它引起了人們的興趣?！?/p>

在捕捉這場革命的過程中，LeCun一直都極其謙遜，甚至謙遜過頭了，他的發(fā)現(xiàn)創(chuàng)造了歷史，但他卻很少提及自己的名字或成就，他不會自視非凡，事實上，他的個人網(wǎng)站上有一整個區(qū)域都是關(guān)于雙關(guān)語的，其中有這樣的自我告誡：“禁止酷刑的日內(nèi)瓦公約以及禁止施加殘酷和非常懲罰的美國憲法，禁止我連續(xù)寫出三個以上兇殘狠毒的雙關(guān)語?！?/p>

LeCun也不愿滿足于他在計算機科學(xué)上取得的任何應(yīng)得的榮譽，如今，他擔(dān)任Facebook的首席人工智能科學(xué)家，在那里他孜孜不倦地努力實現(xiàn)新的突破，而今天，他帶領(lǐng)我們進(jìn)行一次特權(quán)之旅——比坐在前排看明星表演還要過癮，因為他就是這場秀的明星主角——洞悉人工智能的發(fā)展、近期的變化和潛力。

關(guān)于Yann LeCun，他在人工智能研究領(lǐng)域，Yann LeCun、Geoffrey Hinton 和 Yoshua Bengio一直被公認(rèn)為深度學(xué)習(xí)三巨頭，他是計算機科學(xué)家，被譽為“卷積網(wǎng)絡(luò)之父”，為卷積神經(jīng)網(wǎng)絡(luò)（CNN，Convolutional Neural Networks）和圖像識別領(lǐng)域做出了重要貢獻(xiàn)，以手寫字體識別、圖像壓縮和人工智能硬件等主題發(fā)表過190多份論文，研發(fā)了很多關(guān)于深度學(xué)習(xí)的項目，并且擁有14項相關(guān)的美國專利。

“人工智能”的開端

Yann LeCun和反向傳播算法

數(shù)據(jù)、人工智能和商業(yè)：天空與極限

這一點在學(xué)術(shù)界尤為明顯。在學(xué)術(shù)界，關(guān)鍵的任務(wù)不是分析處理海量的數(shù)據(jù)，而是充當(dāng)LeCun所說的“新思想的先鋒”。與此同時，在尋找解決方案之前，建立人工智能戰(zhàn)略的企業(yè)需要自我評估。“這取決于人工智能對你的操作有多重要，”LeCun指出?！叭绻阒皇窍霊?yīng)用現(xiàn)有的人工智能方法，你可以使用許多公司提供的云服務(wù)。”這是相對容易的。“一些企業(yè)和出租技術(shù)可以幫助人工智能的部署；LeCun以蒙特利爾的AI元素為例。

對于企業(yè)來說，最大的挑戰(zhàn)是建立自己的工程團(tuán)隊。“基本上，人工智能工程師和科學(xué)家現(xiàn)在需求量很大，所以你得高薪聘請他們。他們不便宜，因為他們很稀有。”

兩種學(xué)習(xí)方式，一種光明的未來

LeCun概述了構(gòu)成當(dāng)今人工智能基礎(chǔ)的兩種不同類型的學(xué)習(xí)方式：監(jiān)督式學(xué)習(xí)和非監(jiān)督式學(xué)習(xí)。在監(jiān)督式學(xué)習(xí)中——適用于超過95%的機器學(xué)習(xí)應(yīng)用——人類操作員訓(xùn)練機器來逐漸提升對圖像或其他形式的輸入的識別能力。打個比方，把它看作你可以無意識地調(diào)整的旋鈕，越是調(diào)整，機器就會越接近產(chǎn)生你想要的那個輸出結(jié)果。

非監(jiān)督式學(xué)習(xí)（或者說“自我監(jiān)督式學(xué)習(xí)”）擁有著巨大的潛力，盡管它在今天的機器學(xué)習(xí)中所占的比例要小得多?！八举|(zhì)上是根據(jù)我們從世界上的其他事物中感知到的東西來預(yù)測一切?！盠eCun說。他以“視頻預(yù)測”為例：“給機器播放一小段視頻，然后讓它預(yù)測接下來會發(fā)生什么?！?/p>

現(xiàn)在的情況有點像是在預(yù)測接下來會發(fā)生什么，從而實現(xiàn)這種特殊的突破。但可以肯定的是，對于科學(xué)家、學(xué)者和高科技巨頭來說，追求非監(jiān)督式學(xué)習(xí)有著十分巨大的吸引力。非監(jiān)督式學(xué)習(xí)的好處在于，能夠完成我們目前無法完成的所有應(yīng)用。”LeCun說道，“我們想要擁有智能的虛擬助手，你可以和它們交談，它們可以理解你所說的一切。它們會有足夠的背景知識來在日常生活中給你提供幫助?！?/p>

他停頓了一下?！斑@有點像電影《她》（Her）。你看過那部電影嗎？”簡單介紹一下：在斯派克·瓊斯(Spike Jonze)2013年執(zhí)導(dǎo)的這部電影里，華金·菲尼克斯(Joaquin Phoenix)飾演一個孤獨的作家，愛上了他的虛擬助手，該助手由斯嘉麗·約翰遜(Scarlett Johansson)配音。原來LeCun很喜歡這部電影。

“它對人們和變得智能的虛擬助手之間可能會發(fā)生的互動刻畫得不差。”LeCun表示，“我們還遠(yuǎn)沒有那樣的人工智能技術(shù)能讓我們制造出那樣的機器。這主要是因為現(xiàn)在的機器不具備常識。”

常識？但機器不是很多時候都比人類更善于做決定嗎？機器必須要有常識——它們有嗎？LeCun解釋了它們?yōu)槭裁礇]有常識：“我們沒有能力讓機器去學(xué)習(xí)龐大的背景知識：我們在出生以后的最初幾周和幾個月里所獲得的關(guān)于這個世界的龐大背景知識——很多動物也獲得了這種背景知識?！?/p>

正因為如此，我們對機器人的一些最簡單的假設(shè)就站不住腳?！拔覀儾豢赡苡徐`巧的機器人?！盠eCun說道，“我們不可能有能夠把我們的洗碗機裝滿然后清空的家用機器人。這超出了當(dāng)今機器人技術(shù)的水平，這并不是因為我們不能制造機器人。而是因為我們不知道如何給它們制造大腦。我們不知道如何訓(xùn)練它們，讓它們知道該如何握住東西，如何繞過障礙物，如何裝載東西?！彼a充說：“家貓都比最聰明的機器有常識得多?！?/p>

鑒于LeCun在將人工智能帶入生活中所扮演的重要角色，這聽起來或許有些輕率。但當(dāng)他想到一個光明的人工智能未來在醫(yī)學(xué)等領(lǐng)域正以閃電般的速度逼近時，他也表現(xiàn)出了極大的熱情——甚至驚奇。

“對于醫(yī)學(xué)圖像分析，我們能夠訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來從CT掃描圖或MRI（核磁共振成像）圖像檢測腫瘤，或者從皮膚圖像檢測黑色素瘤。”他稱，“我認(rèn)為這將會對放射學(xué)產(chǎn)生深遠(yuǎn)的影響?！?/p>

不管持有什么樣的觀點，LeCun都一直充滿著樂趣，一如當(dāng)初第一天到貝爾實驗室工作的的那個二十來歲小伙。

7月8日是LeCun 58歲生日那天，他發(fā)布推文說：“深度神經(jīng)網(wǎng)絡(luò)既漂亮，又光亮透明?！?/p>