【AI科技大本營導讀】今天是 GMIC Beijing 2018 大會第一天，首個演講者是 Facebook 首席 AI 科學家 Yann LeCun。他講述了關於深度學習的最新研究成果，同時也描述了深度學習的未來，以及機器智能所要面臨的的挑戰。
▌監督學習無可替代
如今的 AI 系統都是使用的監督學習，所有的 AI 應用，不管是圖像識別、聲音識別還是人臉識別，或者機器翻譯等等，這些都是監督學習的應用。訓練監督學習模型需要向它展示各種例子，並告訴它正確答案，如果你想讓機器學會將汽車和飛機區分開來，比如你給它展示一輛車的圖像，它說這不是一輛車，然後你可以對參數進行調整，下次再向機器展示同一張圖像的話，你就會得到接近正確的答案。
我們可以對機器進行端到端的訓練，來完成特定的任務，feeding 原始的 inputs，就會自動給出 outputs。機器學習這個任務的過程是端到端的學習過程。通過這種方式機器，計算機能更好地瞭解這個世界。
比如卷積網絡，實際上這個想法是可以回溯到上個世紀八十年代。它可識別圖像，同時也有很多其他的應用，比如說可以用於語言處理、語言識別和其他很多的應用。我們知道對於神經網絡是非常大的，只有在非常強大的計算機上才可以運用，需要有 GPU 加以輔助。
在深度學習變得比較普遍之前，我們首先要確保這樣的一些系統可以用於這些情況，比如一個例子是我們在 2009 年、2010 年在紐約大學合作的一個實驗，可以看到它可以識別馬路上的建築、天空以及路上的車和人等等，這個在當時並沒有被稱為最好的系統。再過幾年之後，越來越多人相信深度學習是可以奏效的，可以發揮作用的。
在這裡大家可以看到在網絡當中使用的幾個層，比如說有 100 層或者 180 層的一些人工神經網絡，在 Facebook 當中我們就會廣泛使用。這上面大家可以看到錯誤率是在不斷下降的，有的時候表現的甚至要比人還要好。它的性能非常好，已經成為了一種標杆。
這是 Facebook 人工智能部門所做的研究，叫做 Mask R-CNN，可以看到它的結果，它可以標記這樣的圖像，就像我剛才給大家展示的例子，展示出非常好的性能。它不僅僅可以識別出每個人，同時它會為每個人加一個標記，所以可以很容易區分出是一個人還是一隻狗。
在這裡大家可以看到這個系統可以識別電腦、酒杯、人、桌子，也可以數出來到底有多少，而且也可以識別出道路、汽車。如果五年之前問系統這些問題的話，我們當時可能認為需要 10-20 年時間才能達到今天呈現的效果。
這也是 Facebook 所做的一些研究，叫做 Detectron。大家可以下載上面的代碼，它可以探測 200 多種不同的類別，這也是 Facebook 在 AI 方面的一些研究，我們不僅僅發佈了一些論文，同時連代碼也都發布出來了，這樣的話世界各地都可以更好的熟知這種技術。
當然還包括其他很多項目，在 Facebook 我們利用 DensePose 這樣的技術，預測人類的行為。我們現在有一個系統能夠實時的運行，在一個單一的 GPU 上運行。它可以跟蹤很多人的行為，生成視頻，非常的準確，可以實時地生成一些相應的數據和信息，並且相應的代碼也是可以用的，這些都是一些最新的應用。
當然利用的這樣的技術不僅僅可以進行識別圖像，面部識別，也可以識別人的行動，也可以用來翻譯，這是 Facebook 在加州所做的研究（FairSeq）。我們可以用這個系統進來行翻譯的工作。
我覺得對於行業說進行這樣的開發研究將是會是一個非常有用的過程，同時我們也希望自己所開發的技術能夠引導整個社區，解決我們所感興趣的問題。我們認為 AI 不僅僅會幫助我們解決問題，同時還會幫助我們解決很多人類自己無法解決的挑戰，所以我們會與科學團隊一起朝這方面努力。
這裡是在過去的幾年裡，FAIR 所發佈的一些開源項目，包括像深度學習網絡，還有深度學習框架等等。
我剛才講到每天都會有一些新的應用發佈，而深度學習的廣泛應用也進一步推動科學方面的研究。在接下來幾年裡深度學習會發生更大的革命。
接下來為大家舉一個例子，這段視頻表現出來的是一種加速過程，它可以訓練車去進行駕駛，而且可以調整車輪的方向。這樣可以讓車自己去進行駕駛，而不需要有人去進行校正。
▌可微分編程
接下來我們再來看一下可微分編程，這個編程可以用人工神經網絡解釋。
編者注：程序員不寫代碼，或者僅寫出少量 high-level 的代碼，但是提供大量輸入數據 X 與對應運算結果 Y 的例子。神經網絡根據提供的數據集，自動學出從輸入數據X到最終運算結果 Y 的映射（既整個程序）；或者結合程序員提供的 high-level 的代碼，用神經網絡作為中間函數，補全得到整個程序。
（https://www.zhihu.com/question/265173352/answer/291994649）
我們通過研究可以實現這樣的一種編程，可以利用這樣的系統或者培訓系統，來完成某一個具體的任務。
這是幾年前所開展的工作，是由 Facebook 和紐約大學一起合作做的項目。這個項目是訓練模型，讓它能夠回答相關的問題。在自然語言處理過程中，也可以看到人工神經網絡是動態的，在不斷變化的。
這是另外一個例子，如果你要建立一個能夠回答複雜問題的系統，比如說關於圖像的複雜問題等。為了回答這個圖片是不是有更多的立體形狀，之後我們就會讓系統來進行計算。比如說這裡有多少是方形體，或者有多少顏色，最後告訴你具體的答案是什麼。通過這麼做我們可以建立起一個端到端的解答的途徑，而且也允許你提出更多新的問題。根據你輸入的數據不同，它會有所變化。
大家看到這裡是我們最近開發所得到的一些深度學習最新的成就，之後我們來看一下關於 AI 有沒有我們觸及到的。
▌機器學習需要常識
對於新技術，我覺得可以進入到更多的領域，比如進行更多的影像分析。在一定程度上，我們覺得機器可能確實擁有一定的人工智能，但具體細節上，我們還需要進行更多探討。
比如在機器學習方面，我們怎麼做呢？在這兒可以看到有一些具體的圖像，我們有些新的方法。在實際的生活當中其實這種方式不太成功，因為關於深度學習方面我們要進行深入的挖掘，因為對於機器本身它會有不同的解決方案，比如在實際生活中是不能夠去實施的。
有時候讓機器學習很長時間才能玩遊戲。所以在核心功能方面，現在確實還沒有觸及到。但這些機器是能做到的，只是我們還沒有挖掘出來。我們也可以對機器本身進行更深入的訓練，比如我們要讓系統進行成千上萬次的訓練之後，它們才能夠進行學習。
有些學習它是與力學相關的，但是在實際的生活當中不可能實時進行，所以我們只能夠進行模擬，但它也需要我們進行很多的嘗試才能夠讓機器學到。
嬰兒們是怎麼學習的呢？比如就像右下角這幅圖向他們所展示的，六個月以下的嬰兒可能不太瞭解物理運動，可當他們滿了八個月之後，他們已經知道自由落體這個動作了。
所以像右下角的這個小女孩非常了不起，我的一位朋友她給我們展示了嬰兒怎麼學會一些概念，而且他們也能夠了解一些最基本的物理原理，這是他們在生活中最初學到的一些概念，這是憑藉人們常識獲得的，嬰兒們所學會的是就是一些常識。
另外我們向動物展示這樣的情景，比如大家看一下這個大猩猩，它們在幼年的時候由培訓員給它們進行展示一些東西，所以大猩猩面對這樣的魔術會笑出來，而人們會把這當做世界最初的原型。
但我們希望機器能夠建立一些樣本，使得系統運行，最終機器就能進行一些預測，像人一樣有效運行。我們有這樣的監督或者學習就能夠使得機器得到訓練和規劃，這是我們所需要建立的一個系統。
不管下次的變革出現在哪裡，我覺得它們應該是自我監督或者無監督學習，而且在這樣的變革當中也會出現一些常識性的學習。
我總結一下，這是我們最近做的一些非常有意義的事情，這是一些預測性的模型，來由機器進行規劃，根據它們的嘗試進行預測。
我們進行了對抗性訓練，比如說我們可以訓練機器來了解哪個分項是更可能的，或者在實際生活中會產生什麼樣的結果。對於發生的可能性它也會來做出預測，可能有的時候有的結果是虛假的，不是真實的。通過這麼做我們就能夠得到不同機器產生的結果，之後得到了很多的影像和圖片。
我們的系統在進行訓練之後，生成了一系列的人臉，大家看看這些名人的面孔，裡面有一些是假的圖像，是由機器生成的，但看起來是真實的。
我們將在下週會議上向大家展示最新的結果，得到的成果非常好。總之，我們希望把這個工具之後能夠融入到我們的機器學習當中。
最後，我想做一下總結，我覺得監督學習是不能夠被替代的，不管是無監督學習還是其他的學習方式都不能夠替代它，這點已經引起了很多人的興趣，我們也要進行更多嘗試。還有一點我需要強調的是，我們要讓機器能夠推理，來看深深度學習能帶給我們什麼樣的推理能力，同時也要了解在AI時代，機器的推理能力有多高，邏輯性有多強。
接下來我們也要來朝著可微分編程的智能學習的方向持續發展，這就需要進行做更多對抗性訓練的研究。當然，還會出現更多的有關深度學習的變革，比如一些多渠道發展或者是複雜的架構，在這個領域也會出現更多的理論。
關於技術監督的趨勢很顯然是不斷的弱化，甚至監督會消失，這就會導致出現一些新理論的產生，比如新語言，或者是一些新的並行文本，我相信之後應該有多維度的可能性。可能會出現一些新框架，包括了一些動態影像。我們會和微軟，和亞馬遜會進行更多合作，我們也會不斷進行開源。
當然，現在我們的工作量很大，但是關於我們的移動工具和其他工具越來越流行了，Facebook 的用戶他們每天能夠推出大概 20 億張不同的影像，所以我們希望能充分發揮這方面的能力，它可能是一種很強的驅動力。另外，我們也要不斷強化硬件，以使用戶需求能夠得到專業化的處理。
閱讀更多 AI科技大本營 的文章
