图灵奖得主Yann LeCun最新访谈:人工智能面临的三大挑战

2022 年 1 月 30 日 机器之心
机器之心报道
编辑:泽南、小舟
在最近一次访谈中,Meta AI 人工智能先驱 Yann LeCun 点出了下一代人工智能技术的三大主要挑战。
Yann LeCun(杨立昆)出生于 1960 年,他一直被认为是世界上最重要的人工智能研究者之一。20 世纪 80 年代,LeCun 参与了卷积神经网络的发明,在 AI 领域低潮时期坚持了这一方向,并贡献了工程实践成果,推动了人工智能图像分析技术的突破。

2018 年,LeCun 因深度学习的研究贡献,与 Yoshua Bengio、Geoffrey Hinton 共同获得了计算机科学最高荣誉图灵奖。

Yann LeCun、Geoffrey Hinton 和 Yoshua Bengio。

2013 年,马克 · 扎克伯格聘请 Yann LeCun 为 Facebook 人工智能研究员,后者帮助建立了 Facebook 人工智能研究实验室 FAIR(现 Meta AI)。LeCun 今天仍在担任该公司首席人工智能科学家和副总裁。

作为人工智能业界的领军人物,Yann LeCun 对于技术的发展经常给出自己的看法,他在 2018 年左右的一次演讲中曾透露,尽管人工智能研究取得了近期所有这些成功,人工智能甚至还无法达到家猫的认知水平。LeCun 认为,机器学习缺乏对于世界的基本了解。

自监督学习是人工智能理解世界的关键

现在是 2022 年 1 月,LeCun 表示自己仍然没有看到猫级别的人工智能。他表示,尽管「只有」8 亿个神经元,但猫脑远远领先于任何巨大的人工神经网络。因此乍一看,关于通往高度发展的认知能力和人类智能长期规划途径的推测似乎毫无意义。

猫和人类智能的共同基础是对于世界的高度理解,基于对环境的抽象表示以形成的模型,擅长于预测行动及其后果。LeCun 认为,学习这种环境模型的能力是构建思考机器的关键。

在对目前行业和科研进展的分析后,LeCun 得出了 AI 研究面临的三大挑战:

  • AI 必须学会对于世界的表征;

  • AI 必须能以和基于梯度的学习兼容的方式,进行思考和规划;

  • AI 必须学习行动规划的分层表征。


LeCun 在自监督学习中找到了第一个挑战的解决方案,该方法已被用于训练语言模型、图像分析系统等。

他认为这些系统的成功表明人工智能能够创建复杂的世界模型。然而,下一代人工智能预计将直接从视频中学习,而不是使用语言或图像。Meta 目前正在为新一代 AI 收集第一人称视频数据,这一工作成本很高。

LeCun 的蛋糕强调了无监督的重要性,他认为这可以突破当前 AI 技术的局限性。今天的 AI 可以轻松对图像进行分类并识别声音,但不能执行诸如推理不同对象之间的关系或预测人类运动等任务。这是无监督学习可以填补空白的地方。正如 LeCun 所说:「预测是智力的本质。」

LeCun 表示,人工智能系统可以从这些视频中理解世界的物理基础。它们的理解反过来将让系统具备多种能力(例如抓取物体或自动驾驶)的基础,。

人工智能应该学会思考和行动

解决第一个挑战为解决第二个挑战奠定了基础。与人工智能最初的研究不同的是:思维系统不应再由根据逻辑规则运行的符号系统和手动编程的世界知识组成。相反,必须使用和深度学习类似的方法让机器学会思考和规划。

LeCun 还没有解决第三个挑战的方法。他说:「要在现实世界中行动的人工智能系统,无论是机器人还是自动驾驶汽车,必须要能够预测每种行动的后果并选择最佳行动。在一些情况下,例如移动机械臂或控制火箭的任务上,我们已经实现了模型预测控制(MPC)。」

但他表示,未来我们还需要能够处理所有情况的系统。「通过认真细致的数学建模,未来的系统将关注我们在世界上所观察到的一切:包括人类的行为和各种物理系统,它们是人类可以轻松抽象表征并建模的内容,」LeCun 说道。

视频——图灵奖得主 Yann LeCun 访谈,人工智能的三大挑战:


LeCun 用一个问题总结了未来十年人工智能研究面临的巨大挑战:「我们应该如何让机器学习处理具有不确定性的模型,并捕获现实世界的所有复杂性?」

对于 LeCun 来说,答案从自监督学习开始。

参考内容:
https://mixed-news.com/en/metas-ai-chief-three-major-challenges-of-artificial-intelligence/

新的一年你能有多「虎」
机器之心联合千寻位置
邀请大家一起来测虎力造北斗
元气满满迎新春
转发游戏结束后的虎力值海报到机器之心公众号后台
即有机会赢取限量版 「虎力全开」新年礼盒
截至2022年1月30日
赶紧扫码玩起来

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com

登录查看更多
0

相关内容

杨立昆(法语:Yann Le Cun,英语:Yann LeCun,1960年7月8日-)(原中文译名:扬·勒丘恩)是一位计算机科学家,他在机器学习、计算机视觉、移动机器人和计算神经科学等领域都有很多贡献。他最著名的工作是在光学字符识别和计算机视觉上使用卷积神经网络 (CNN),他也被称为卷积网络之父。他同Léon Bottou和Patrick Haffner等人一起创建了DjVu图像压缩技术。他同Léon Bottou一起开发了Lush语言。
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020)PPT
专知会员服务
179+阅读 · 2020年3月16日
最新!Yann Lecun 纽约大学Spring2020深度学习课程,附PPT下载
【干货】Yann Lecun自监督学习指南(附114页Slides全文)
GAN生成式对抗网络
93+阅读 · 2018年12月19日
国家自然科学基金
289+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
12+阅读 · 2022年4月12日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
10+阅读 · 2021年11月10日
Arxiv
10+阅读 · 2021年2月18日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
17+阅读 · 2018年4月2日
VIP会员
相关基金
国家自然科学基金
289+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
12+阅读 · 2022年4月12日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
10+阅读 · 2021年11月10日
Arxiv
10+阅读 · 2021年2月18日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
17+阅读 · 2018年4月2日
Top
微信扫码咨询专知VIP会员