Yann LeCun帶你一文看懂人工智能：原理、技術(shù)和未來(lái)

深入淺出的解釋什么是人工智能、人工智能如何影響我們的生活，以及在充滿(mǎn)人工智能的未來(lái)我們將如何學(xué)習、工作和生活。

星期二早上8:00。你已經(jīng)醒了，掃了一眼手機上的標題，回復了一個(gè)在線(xiàn)帖子，為你媽媽訂購了一件假日毛衣，鎖上屋子開(kāi)車(chē)上班，路上聽(tīng)一些好聽(tīng)的曲子。

在這個(gè)過(guò)程中，你已使用了人工智能（AI）十幾次——被鬧鈴喚醒、得到當地天氣報告、購買(mǎi)禮物、鎖上你的房子、得知提醒即將到來(lái)的交通堵塞，甚至識別一首不熟悉的歌曲。

AI已經(jīng)遍布我們的世界，它在日常生活中產(chǎn)生了巨大的變化。但這不是你在科幻電影中看到的AI，也沒(méi)有神經(jīng)緊繃的科學(xué)家猛擊鍵盤(pán)，試圖阻止機器摧毀世界。

您的智能手機、房子、銀行和汽車(chē)已經(jīng)每天都在使用AI。有時(shí)很明顯，就像當你讓Siri把你導向最近的加油站的，或者Facebook建議你提醒某個(gè)好友你在網(wǎng)上發(fā)布了一張圖片。有時(shí)候則幾乎看不出來(lái)，就像當你使用你的Amazon Echo用你的信用卡買(mǎi)一件平時(shí)不怎么購買(mǎi)的東西（比如一件花哨的假日毛衣），并且沒(méi)有從銀行得到欺詐短信提醒。

AI將通過(guò)推動(dòng)自動(dòng)駕駛汽車(chē)的發(fā)展、改善醫學(xué)圖像分析、促進(jìn)更好的醫療診斷和個(gè)性化醫療，從而帶來(lái)社會(huì )的重大轉變。AI也將是支撐未來(lái)許多最具創(chuàng )新應用和服務(wù)的基本架構。但對許多人來(lái)說(shuō)，AI仍然很神秘。

為了幫助你解開(kāi)這些謎題，Facebook正在創(chuàng )建一系列教育在線(xiàn)視頻，概述AI如何工作。我們希望這些簡(jiǎn)單扼要的介紹將幫助大家了解復雜的計算機科學(xué)領(lǐng)域是如何工作的。

不是魔法，只是代碼

首先，有一些重要的事要知道：AI是一門(mén)嚴謹的科學(xué)，專(zhuān)注于設計智能系統和智能機器，其中使用的算法技術(shù)在某些程度上借鑒了我們對大腦的了解。許多現代AI系統使用人工神經(jīng)網(wǎng)絡(luò )和計算機代碼，模擬非常簡(jiǎn)單的、通過(guò)互相連接的單元組成的網(wǎng)絡(luò )，有點(diǎn)像大腦中的神經(jīng)元。這些網(wǎng)絡(luò )可以通過(guò)修改單元之間的連接來(lái)學(xué)習經(jīng)驗，有點(diǎn)像人類(lèi)和動(dòng)物的大腦通過(guò)修改神經(jīng)元之間的連接進(jìn)行學(xué)習?，F代神經(jīng)網(wǎng)絡(luò )可以學(xué)習識別模式、翻譯語(yǔ)言、學(xué)習簡(jiǎn)單的邏輯推理，甚至創(chuàng )建圖像并且形成新的想法。其中，模式識別是一項特別重要的功能——AI十分擅于識別大量數據中的模式，而這對于人類(lèi)來(lái)說(shuō)則沒(méi)有那么容易。

所有這些都通過(guò)一組編碼程序以驚人的速度發(fā)生，運行這些程序的神經(jīng)網(wǎng)絡(luò )具有數百萬(wàn)單位和數十億的連接。智能就源于這些大量簡(jiǎn)單元素之間的交互。

人工智能不是魔術(shù)，但我們已經(jīng)看到它如何像魔法一樣大幅推進(jìn)科學(xué)研究，并在照片中識別物體、識別語(yǔ)音、駕駛汽車(chē)或將在線(xiàn)文章翻譯成幾十種語(yǔ)言的日常奇跡中扮演重要的角色。

在Facebook人工智能研究（FAIR）實(shí)驗室，我們正在努力使學(xué)習機器更好地工作。其中很大一部分是所謂的深度學(xué)習。使用深度學(xué)習，我們可以幫助AI學(xué)習世界的抽象表征。深度學(xué)習可以幫助改善語(yǔ)音和物體識別等問(wèn)題，并且有助于推進(jìn)物理學(xué)、工程學(xué)、生物學(xué)和醫學(xué)等領(lǐng)域的研究。

深度學(xué)習系統中一個(gè)特別有用的架構被稱(chēng)為卷積神經(jīng)網(wǎng)絡(luò )或ConvNet。 ConvNet是連接神經(jīng)網(wǎng)絡(luò )中單元的一種特定方式，受其他動(dòng)物和人類(lèi)視覺(jué)皮層體系結構的啟發(fā)構建而來(lái)?，F代 ConNet可以利用從7~100層的單元。在公園里，我們人類(lèi)看到大牧羊犬和奇瓦瓦，盡管它們的體型和體重都不同，但我們卻知道它們都是狗。對于計算機而言，圖像只是一串數組。在這串數組內，局部圖案，例如物體的邊緣，在第一層中能夠被輕易檢測出來(lái)。神經(jīng)網(wǎng)絡(luò )的下一層將檢測這些簡(jiǎn)單圖案的組合所形成簡(jiǎn)單形狀，比如汽車(chē)的輪子或人臉的眼睛。再下一層將檢測這些形狀組合所構成的物體的某些部分，例如人臉、腿部或飛機的機翼。神經(jīng)網(wǎng)絡(luò )的最后一層將檢測剛才那些部分的組合：一輛汽車(chē)、一架飛機、一個(gè)人、一只狗等等。神經(jīng)網(wǎng)絡(luò )的深度——具有多少層——使網(wǎng)絡(luò )能夠以這種分層次的方式識別復雜模式。

一旦經(jīng)過(guò)了大量樣本數據庫的訓練，ConvNet對于識別圖像、視頻、語(yǔ)音、音樂(lè )甚至文本等自然信號特別有用。為了很好地訓練網(wǎng)絡(luò )，我們需要提供給這些網(wǎng)絡(luò )被人標記的大量圖像數據。ConvNet會(huì )學(xué)習將每個(gè)圖像與其相應的標簽相互關(guān)聯(lián)起來(lái)。有趣的是，ConvNet還能將以前從未見(jiàn)過(guò)的圖像及其相應的標簽配對。由此我么就得到了一個(gè)系統，可以梳理各種各樣的圖像，并且識別照片中的元素。這些網(wǎng)絡(luò )在語(yǔ)音識別和文本識別中也非常有用，在自動(dòng)駕駛汽車(chē)和最新一代醫學(xué)圖像分析系統中也是關(guān)鍵組成部分。

什么是可以學(xué)習的

AI也解決了我們人類(lèi)所面臨的核心問(wèn)題之一：什么是智能（intelligence）？哲學(xué)家和科學(xué)家一直在努力解決這個(gè)問(wèn)題，而答案卻一直難以捉摸、飄忽不定，哪怕這個(gè)中心是我們能稱(chēng)之為人的根本屬性。

同時(shí)，AI也提出了大量的哲學(xué)和理論問(wèn)題：什么是可以學(xué)習的？數學(xué)定理告訴我們，單個(gè)能學(xué)習的機器不能有效地學(xué)會(huì )所有可能的任務(wù)，我們也由此得知什么是不可能學(xué)到的，不管你投入多少資源。

這樣，AI機器就像我們人類(lèi)一樣。在很多方面，我們人并不比會(huì )學(xué)習的機器優(yōu)秀。人類(lèi)大腦高度特化，盡管具有明顯的適應性。當前的AI系統仍然遠不具有人類(lèi)擁有的看似一般的智能。

在A(yíng)I中，我們通?？紤]三種類(lèi)型的學(xué)習：

強化學(xué)習 這是關(guān)于代理應該如何行動(dòng)以獲得最大化獎勵的問(wèn)題，它受行為心理學(xué)理論的啟發(fā)。在特定情況下，機器挑選一個(gè)動(dòng)作或一系列動(dòng)作并獲得獎勵。強化學(xué)習通常用于教機器玩游戲和贏(yíng)得比賽，比如國際象棋、西洋雙陸棋、圍棋或簡(jiǎn)單的視頻游戲。強化學(xué)習存在的問(wèn)題是，單純地強化學(xué)習需要海量的試錯才能學(xué)會(huì )簡(jiǎn)單的任務(wù)。

監督學(xué)習 基本上，監督學(xué)習就是我們告訴機器特定輸入的正確答案：這是一幅汽車(chē)的圖像，正確答案是“汽車(chē)”。它之所以被稱(chēng)為監督學(xué)習，是因為算法從帶標簽數據學(xué)習的過(guò)程類(lèi)似于向年幼的孩子展示圖畫(huà)書(shū)。成年人知道正確的答案，孩子根據前面的例子做出預測。這也是訓練神經(jīng)網(wǎng)絡(luò )和其他機器學(xué)習體系結構最常用的技術(shù)。舉個(gè)例子：給出你城市中大量房屋的描述及其價(jià)格，嘗試預測你自己家房子的售價(jià)。

無(wú)監督學(xué)習 人類(lèi)和大多數其他動(dòng)物學(xué)習，是在其生命的前幾個(gè)小時(shí)、幾天、幾個(gè)月和幾年，以沒(méi)有人監督的方式學(xué)習：我們通過(guò)觀(guān)察和得知我們行動(dòng)的結果了解世界如何運作。沒(méi)有人告訴我們所看到的每一個(gè)對象的名稱(chēng)和功能。我們學(xué)會(huì )非?；镜母拍?，比如世界是三維的，物體不會(huì )自行消失，沒(méi)有支撐的物體會(huì )往下落。當前我們還不知道如何在機器身上實(shí)現這一點(diǎn)，至少無(wú)法達到人類(lèi)和其他動(dòng)物的水平。缺乏用于無(wú)監督或預測學(xué)習的AI技術(shù)，是限制當前AI發(fā)展的原因之一。

這都是AI是經(jīng)常使用的方法，但是對于任何計算設備而言，都有很多從根本上無(wú)法解決的問(wèn)題。這就是為什么即使我們修建出了擁有超越人類(lèi)智慧的機器，這些機器仍然能力有限。這些機器可能在下國際象棋時(shí)打敗我們，但卻不知道在淋雨時(shí)躲進(jìn)屋里。

未來(lái)的工作

隨著(zhù)AI、機器學(xué)習和智能機器人變得越來(lái)越普遍，在這些機器人將在制造、培訓、銷(xiāo)售、維修和車(chē)隊管理方面擔任新的崗位。人工智能和機器人將能夠實(shí)現今天難以想象的新服務(wù)。但很顯然，醫療保健和交通運輸將是AI第一批顛覆的行業(yè)。

年輕人只要調整職業(yè)目標，就能夠享受AI提供的大量的機會(huì )。那么，我們如何為尚不存在的工作做好準備呢？

如果你是學(xué)生：

數學(xué)和物理是學(xué)習人工智能、機器學(xué)習、數據科學(xué)以及許多未來(lái)工作的基本方法的地方。選修所有你能夠選修的數學(xué)課程，包括Calc I，Calc II，Calc III，線(xiàn)性代數，概率論和統計學(xué)。計算機科學(xué)也是必不可少的，你需要學(xué)習如何編程。工程學(xué)、經(jīng)濟學(xué)和神經(jīng)科學(xué)也會(huì )有所幫助。你也可以考慮一些與哲學(xué)相關(guān)的領(lǐng)域，例如認識論——這門(mén)學(xué)習研究什么是知識、什么是科學(xué)理論，什么是學(xué)習。

選修這些課程的目標不是簡(jiǎn)單記憶。作為學(xué)生，你必須學(xué)會(huì )如何將數據轉化為知識。這包括基本的統計學(xué)，還包括如何收集和分析數據，注意可能出現的偏差，并小心因為這些偏差在處理數據時(shí)出現的誤差。

請教你學(xué)校的教授，他或她可以幫助你，使你的想法變得更加具體。如果他們的時(shí)間有限，你也可以請教高年級的博士生或博士后。

讀博士。不用管學(xué)校的“排名”，在那些從事你感興趣的研究中，找一位信譽(yù)良好的教授，或選擇一位寫(xiě)了你喜歡或敬佩的論文的人。申請這些教授所在的學(xué)校的一些博士課程，并在申請信中提到你愿意與這些教授合作，但同時(shí)也愿意與其他人合作。

參與研究你感興趣的與AI相關(guān)的問(wèn)題。開(kāi)始閱讀關(guān)于這個(gè)問(wèn)題的文獻，并嘗試用不同于以前的思路去解決它。在你畢業(yè)之前，嘗試寫(xiě)一篇研究論文，或者發(fā)布一個(gè)開(kāi)源代碼。

申請側重產(chǎn)業(yè)為的實(shí)習機會(huì )，獲得關(guān)于A(yíng)I在實(shí)踐中的工作經(jīng)驗。

如果你已經(jīng)就業(yè)，但想要轉向從事與AI有關(guān)的工作：

在網(wǎng)上有大量關(guān)于深度學(xué)習的資料，包括講座、在線(xiàn)教材、教程和機器學(xué)習相關(guān)課程。你可以報名Udacity或Coursera課程，閱讀Yoshua Bengio、Geoff Hinton和我合著(zhù)的Nature論文，還有剛剛出版的《深度學(xué)習》這本書(shū)，作者是 Goodfellow, Bengio and Courville，以及我最近在巴黎法蘭西學(xué)院的講座（有英語(yǔ)版本）。

當然，你也可以考慮重新回到學(xué)習，那么就參考我上面說(shuō)的內容。

展望未來(lái)

越來(lái)越多的人類(lèi)智力活動(dòng)將與智能機器一起進(jìn)行。我們的智慧是我們成為人的根本，AI則是這種屬性的延伸。

在通往打造真正智能機器的道路上，我們正在發(fā)現新的理論、新的原則、新的方法和新的算法，這些都將產(chǎn)生應用，并將改善我們今天、明天乃至明年的日常生活。許多這些技術(shù)很快被用于Facebook的產(chǎn)品和服務(wù)，比如圖像識別、自然語(yǔ)言理解等等。

當談到Facebook AI的時(shí)候，我們有一個(gè)長(cháng)期目標：了解智能并構建智能的機器。這不僅僅是一個(gè)技術(shù)挑戰，這是一個(gè)科學(xué)問(wèn)題。什么是智能，我們如何在機器中再現它？最終，這將是全人類(lèi)的問(wèn)題。這些問(wèn)題的答案將幫助我們不僅建立智能機器，還能更深入了解神秘的人類(lèi)思想和大腦的工作方式?？赡艿脑?huà)，這些答案也將幫助我們更好地了解人類(lèi)何以為人。

【經(jīng)典推薦】Facebook AI 系列視頻地址：https://code.facebook.com/pages/1902086376686983

【編者按】本文轉自新智元。來(lái)源：code.facebook.com，作者：Yann LeCun、Joaquin Quiñonero Candela，編譯：王楠。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！