《从机器学习到自主智能》，图灵奖得主Yann LeCun最新报告，附192页ppt与视频

最近，在EPFL的机器学习夏令营上，图灵奖得主Yann LeCun最新报告《从机器学习到自主智能》，详细阐述了最近关于自主智能的具体概念，非常值得关注！

随着机器学习的不断发展，领域内的研究者开始思考一个问题：我们离通用人工智能（AGI）还有多远？ 要实现 AGI，最关键的一点是让机器了解世界是如何运转的，掌握广泛的现实知识。 这也是图灵奖得主 LeCun 近期在探索的问题。他曾表示：让机器像人或动物一样行动一直是他一生的追求。 LeCun 认为动物大脑的运行可以看作是对现实世界的模拟，他称之为世界模型。LeCun 表示，婴儿在出生后的头几个月通过观察世界来学习基础知识。观察一个小球掉几百次，普通婴儿就算不了解物理，也会对重力的存在与运作有基础认知。 不久之前，LeCun 表示他已经建立了世界模型的早期版本，可以进行基本的物体识别，他现在正致力于训练它做出预测。在昨天公布的一篇论文中，LeCun 详细地描述了这一愿景。

AI / ML / DL在当今的应用

很大程度上依赖于监督式深度学习。在Deep RL上有一些。 * 越来越依赖训练前的自监督学习

与人类和动物相比，现在的ML/DL很糟糕

人类和动物学习世界的模型

Self-Supervised学习

主要问题:表示不确定性，学习抽象。

基于能量的模型

对比学习方法样本 * Non-contrastive学习方法

深度SSL是下一场AI革命的促成因素

我会试着说服你:

放弃监督和强化学习

嗯，不完全是，但是尽可能多。

放弃概率模型

使用基于能量的框架来代替 放弃生成模型 使用联合嵌入架构代替 使用分层的基于潜在变量的能量模型 使机器能够推理和计划。 参见论文稿:“通向自主机器智能的道路” https://openreview.net/forum?id=BZ5a1r-kVsf