Yann LeCun是人工智能領(lǐng)域最有發(fā)言權(quán)的人之一，所以當他說，“即使是這一領(lǐng)域最先進的技術(shù)也沒有讓我們更接近超級智能機器”，你就需要注意了。
Yann LeCun已經(jīng)在人工智能領(lǐng)域工作了幾十年，并且是卷積神經(jīng)網(wǎng)絡(luò)的聯(lián)合創(chuàng)始人之一。這一程序被證明特別擅長分析視覺數(shù)據(jù)，并且能夠支持從自動駕駛汽車到面部識別等各種功能。現(xiàn)在，作為Facebook人工智能研究中心（“FAIR”）的負責人，他推動了人工智能從實驗室走向現(xiàn)實世界。他的團隊所設(shè)計的軟件會自動為盲人用戶提供圖片說明，并且能夠在一天內(nèi)完成45億份人工智能翻譯。
“我們對產(chǎn)品的影響超過了馬克?扎克伯格的預期，”揚·勒丘恩最近通過Skype接受美國科技媒體采訪時表示。但是，正如他在采訪中解釋的那樣，他很清楚，人工智能還有很長很長的路要走，才能接近嬰兒的智力，甚至是動物的智力。哦，如果你不介意的話，順便提一句，他表示，如果我們在人工智能文章中停止使用“終結(jié)者”影片中的照片，他會因此非常高興。
為了信息的清晰明了，下面的采訪內(nèi)容經(jīng)過了簡單的編輯：
關(guān)于Facebook人工智能發(fā)展的最新報道之一是關(guān)于你所稱的“人工智能機器人”的研究工作。這些人工智能機器人在發(fā)明了自己的語言后被“停止”。有很多報道嚴重歪曲了研究結(jié)果，但你和你的同事對這類報道應該作何回應？
事實上，第一次看到這些報道的時候，我們就只是一笑而過。之后這就取決于這些報道造成的影響。這里要特別提的是，曾經(jīng)有一篇報道，一經(jīng)報出就引起軒然大波，然后這非常令人苦惱，就像被扯頭發(fā)一樣。“在報道里，他們完全錯了！”這對我們來說很有啟發(fā)意義，因為它讓我們了解了媒體是如何運作的，我們也因此作了一些回應。我在臉書上發(fā)布了一個簡短的帖子，說這篇報道很荒謬，試圖先以一種幽默的方式回應，直到我們不得不以嚴肅的態(tài)度回應。我們一方面與一群想要了解真實情況的記者交流，另一方面寫一些文章強調(diào)某些報道完全是錯誤的。
在過去的幾年中，你認為我們看到的這類報道是多還是少？
事實上是少的，從某種意義上說媒體和公眾似乎對這些報道只是稍微了解一點點。過去的情況是，你在媒體上看到的關(guān)于人工智能的文章，其中的配圖無不是關(guān)于《終結(jié)者》的。現(xiàn)在你看得更少了，這是一件好事。盡管你偶爾還是會看到某些媒體會以一種對所發(fā)生的事情完全誤解的方式提出問題。
當你看到這樣的報道時，你希望人們能從中獲得的信息是什么？你對他們說些什么？
每當我與公眾交談時，我都會不斷重復這一說法：我們距離創(chuàng)造出真正的智能機器還很遠。你現(xiàn)在所看到的一切，所有這些人工智能的壯舉，比如自動駕駛汽車，解讀醫(yī)學圖像，打敗世界冠軍等等都是非常狹隘的智力，它們真的只是為了特定目的而被訓練的。因為在這些情況下，我們可以收集到大量的數(shù)據(jù)。
舉個例子，雖然我并不想輕描淡寫DeepMind的朋友們對AlphaGo（阿爾法狗）的工程和研究工作所作出努力，但是當人們把AlphaGo的發(fā)展解讀為對一般智力的重大進程時，這其實是錯誤的。這兩者不存在直接的關(guān)聯(lián)。并不是因為有一臺機器可以在圍棋領(lǐng)域打敗人們，就會有很多智能機器人在街道上跑來跑去。在某一領(lǐng)域打敗人類甚至沒有幫助解決智力突破問題，它其實是完全獨立的。其他人可能不這么認為，但這是我個人的觀點。
我們離擁有能夠以人類和動物的方式學習世界上最基本的東西的機器還有很遠。事實上，在某些領(lǐng)域，機器的確具有超人的性能，但就一般智力而言，我們得研究成果甚至都不接近老鼠。這就使得人們過早問自己的很多不必要的問題。這并不是說我們不應該去想它們，但是在短期甚至中期內(nèi)他們并不會給我們造成威脅。在人工智能領(lǐng)域的確存在一些危險，真正的風險，但它們并不是《終結(jié)者》中所展現(xiàn)的那樣。
DeepMind在AlphaGo的研究過程中所強調(diào)的的一件事是，它所創(chuàng)造的算法將對科學研究、蛋白質(zhì)折疊和藥物研究等領(lǐng)域有用。你認為把這種研究應用到世界其他領(lǐng)域會有多容易？
什么是強化學習？
強化學習是一種機器學習。在這種機器學習中，計算機通過反復試驗總結(jié)錯誤，不斷學習。一個軟件代理通常被放置在一個模擬環(huán)境中，并且只被提供很少的指令。然后它會學習如何通過嘗試、失敗和再次嘗試來完成一個目標。例如，谷歌的DeepMind利用“強化學習”技術(shù)創(chuàng)建了一個可以玩Atari游戲的人工智能。
因此，AlphaGo正是使用了強化學習這一技術(shù)。強化學習也適用于游戲；它適用于你有少量離散行為的情況。它能起作用是因為它憑借很多很多的試驗來運行任何復雜的東西。AlphaGo的最新版本AlphaGo Zero在幾天或幾周的時間里玩了數(shù)百萬場游戲，這可能比人類在幾千年前發(fā)明圍棋以來的所有大師級水平棋手玩得還要多。這是有可能的，因為圍棋是一個非常簡單的環(huán)境，你可以在多臺電腦上以每秒數(shù)千幀的速度模擬它。但這在現(xiàn)實世界是行不通的，因為你不可能比實時的時間更快地運行真實世界。要擺脫這種狀況，唯一的辦法是讓機器能夠通過學習，建立自己的世界內(nèi)部模型，這樣它們就能以比實時更快的速度模擬世界。我們不具備的關(guān)鍵技術(shù)是如何讓機器來建造世界模型。
我舉的例子是，當一個人學習駕駛時，他們有一個世界模型，讓他們意識到，如果他們離開了公路，或者撞上了一棵樹，就會有不好的事情發(fā)生，這顯然不是一個好主意。我們有一個足夠好的整個系統(tǒng)的模型，在這個模型里，當我們開始開車的時候，我們知道我們需要把車停在街道上，而不是跑到懸崖上，或者撞到樹上。但如果你使用純強化學習技術(shù)，并訓練一個系統(tǒng)用模擬器驅(qū)動汽車，它將不得不撞到一棵樹上4萬次才會發(fā)現(xiàn)這是個壞主意。因此，宣稱“強化學習”將是智力的關(guān)鍵，這是錯誤的。
那么，你是否認為人工智能還缺少一些基本的工具才能突破目前的局限？
人工智能先驅(qū)Geoffrey Hinton最近談到了這一點，他說這個領(lǐng)域過于依賴于“扔掉一切然后重新開始”這一需要。我認為他的說法有些過度解讀，但我完全同意我們需要更多的基礎(chǔ)人工智能研究。舉個例子，Hinton喜歡的一個模型是他在1985年提出的一個叫做“玻爾茲曼”（Boltzmann）的機器。對他來說，這是一個很漂亮的算法，但在實踐中，它并不是很好。我們想要找到的是一種在本質(zhì)上具備玻爾茲曼機器的美和簡單，但同時也有反向傳播的效率（這個計算被用來優(yōu)化人工智能系統(tǒng)）。這就是我們許多人，包括Yoshua Bengio、Geoff和我在21世紀初重新開始深度學習以來一直在做的事情。讓我們感到有點意外的是，最終在實踐中，工作的結(jié)果是支持非常深入的網(wǎng)絡(luò)。
因此，鑒于人工智能領(lǐng)域的巨大變化發(fā)生在更大的層面上，你認為在短期內(nèi)對消費者最有用的是什么？Facebook在這方面的規(guī)劃是什么？
我認為虛擬助手將會是今后發(fā)展之重。目前的助手都是完全按照腳本編寫運行的，他們可以告訴你一些可能的事情。因此，這使得機器人的創(chuàng)建非常乏味、昂貴和脆弱，盡管它們?nèi)匀辉谀承┣闆r下發(fā)揮作用，比如客戶關(guān)懷。下一步將是研發(fā)一些擁有一定學習能力的系統(tǒng)，這是我們在Facebook上正在做的事情之一。如果你有一臺機器，它會讀取一個長文本，然后回答與之相關(guān)的任何問題，這將是一個有用的功能。
除此之外，當機器具有與人相同的背景知識時，這是常識。但是，除非我們能找到某種方法讓機器通過觀察來了解這個世界是如何運轉(zhuǎn)的，否則我們是不會得到它的。你知道，只是看視頻或者看書。這是未來幾年關(guān)鍵的科學技術(shù)挑戰(zhàn)。我把它叫做預測學習，有些人稱之為無監(jiān)督學習。
在接下來的幾年中，隨著虛擬助手變得越來越有用，與之交談變得不那么令人沮喪，這些任務將會不斷取得進展。他們將擁有更多的背景知識，并能夠不完全依照設(shè)計師所編寫的腳本為人們做更多的事情，這也是Facebook非常感興趣的事情。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
