Yann LeCun是人工智能領(lǐng)域最有發(fā)言權(quán)的人之一，所以當(dāng)他說，“即使是這一領(lǐng)域最先進(jìn)的技術(shù)也沒有讓我們更接近超級智能機(jī)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(fù)責(zé)人，他推動了人工智能從實驗室走向現(xiàn)實世界。他的團(tuán)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(yù)期，”揚(yáng)·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(jī)器人”的研究工作。這些人工智能機(jī)器人在發(fā)明了自己的語言后被“停止”。有很多報道嚴(yán)重歪曲了研究結(jié)果，但你和你的同事對這類報道應(yīng)該作何回應(yīng)？
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(yùn)作的，我們也因此作了一些回應(yīng)。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(yīng)，直到我們不得不以嚴(yán)肅的態(tài)度回應(yīng)。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(qiáng)調(diào)某些報道完全是錯誤的。
在過去的幾年中，你認(rèn)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(dāng)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(dāng)我與公眾交談時，我都會不斷重復(fù)這一說法：我們距離創(chuàng)造出真正的智能機(jī)器還很遠(yuǎn)。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(xué)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(xùn)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(dāng)人們把AlphaGo的發(fā)展解讀為對一般智力的重大進(jìn)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(jī)器可以在圍棋領(lǐng)域打敗人們，就會有很多智能機(jī)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(rèn)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(xué)習(xí)世界上最基本的東西的機(jī)器還有很遠(yuǎn)。事實上，在某些領(lǐng)域，機(jī)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(yīng)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(fēng)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(qiáng)調(diào)的的一件事是，它所創(chuàng)造的算法將對科學(xué)研究、蛋白質(zhì)折疊和藥物研究等領(lǐng)域有用。你認(rèn)為把這種研究應(yīng)用到世界其他領(lǐng)域會有多容易？
什么是強(qiáng)化學(xué)習(xí)？
強(qiáng)化學(xué)習(xí)是一種機(jī)器學(xué)習(xí)。在這種機(jī)器學(xué)習(xí)中，計算機(jī)通過反復(fù)試驗總結(jié)錯誤，不斷學(xué)習(xí)。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(xué)習(xí)如何通過嘗試、失敗和再次嘗試來完成一個目標(biāo)。例如，谷歌的DeepMind利用“強(qiáng)化學(xué)習(xí)”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(qiáng)化學(xué)習(xí)這一技術(shù)。強(qiáng)化學(xué)習(xí)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(yùn)行任何復(fù)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(yùn)行真實世界。要擺脫這種狀況，唯一的辦法是讓機(jī)器能夠通過學(xué)習(xí)，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(jī)器來建造世界模型。
我舉的例子是，當(dāng)一個人學(xué)習(xí)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(dāng)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(qiáng)化學(xué)習(xí)技術(shù)，并訓(xùn)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(qiáng)化學(xué)習(xí)”將是智力的關(guān)鍵，這是錯誤的。
那么，你是否認(rèn)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(rèn)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(jī)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(jī)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(jì)初重新開始深度學(xué)習(xí)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(rèn)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(rèn)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(yùn)行的，他們可以告訴你一些可能的事情。因此，這使得機(jī)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(xué)習(xí)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(jī)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(dāng)機(jī)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(jī)器通過觀察來了解這個世界是如何運(yùn)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(xué)技術(shù)挑戰(zhàn)。我把它叫做預(yù)測學(xué)習(xí)，有些人稱之為無監(jiān)督學(xué)習(xí)。
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(wù)將會不斷取得進(jìn)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(zé)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)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(yīng)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(xì)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。 ）
