社交巨人Facebook上周公布了多項人工智能計劃。公司的人工智能實驗室負責人Yann LeCun介紹了這些技術能做哪些工作。

問：你現在面臨的最大挑戰(zhàn)是什么？

Yann LeCun：最大的挑戰(zhàn)是無監(jiān)督學習：機器具備的一種僅僅通過觀察世界就能獲取常識的能力。但我們目前還沒有擁有這種算法。

問：人工智能研究者為何會要關心常識和無監(jiān)督學習？

Yann LeCun：因為人類和動物使用的最多的就是這種學習方式。我們幾乎所有的學習方式都是無監(jiān)督的。我們通過觀察和親身體驗來了解這個世界的運作方式，而并不需要其他人我們每一件事物的名稱。因此，我們如何才能賦予機器那種像人類和動物一樣的無監(jiān)督學習方式?

問：上周，Facebook發(fā)布了一套能夠讀懂照片中發(fā)生的事情并回答簡單問題的系統。它是通過開發(fā)者添加的標簽來訓練的嗎？

Yann LeCun：它將人工注釋以及人工生成的問題和答案整合在了一起。圖片要么已經包含了圖片中所有物體的列表或是對于對圖片本身的各種描述。從這些列表和描述中，我們能夠產生出關于圖片中物體的問題和答案，然后當你詢問問題時，再用答案就訓練這個系統。這就是它全部的訓練原理。

問：你們的人工智能系統是否會被一些特定類型的問題所困擾？

問：這個系統可以被用于Facebook或者Instagram上來自動為圖片加上標題？

Yann LeCun：是的，如果你的問題都是一些概念性的東西，那這個系統的表現就不會很好。系統是被通過一些特定類型的問題來訓練的，比如說(圖片中)物體的存在與否、不同物體之間的關系，等等，但還有很多事情這個系統無法完成，它還不夠完美。

Yann LeCun：為圖片加標題需要的方法與這個有些細微差異，但它們是相似的。當然，這對于那些視力受損的Facebook用戶非常有用?；蛘哒f，當你在開車時收到你朋友發(fā)來的圖片，這時你不要低頭看手機，而只需要問一句“照片中有什么?”系統馬上就會告訴你這張照片的類型，是戶外還是室內，是否有落日等其他什么東西。然后系統會將它在照片中發(fā)現的東西做成一個列表給你，但這些都不成語句，只是一個多個單詞組成的列表。

問：系統能知道這些物體之間的關系嗎？

Yann LeCun：可以，我們一直在實驗室研發(fā)的下一代產品更像是“散文”(指能形成連貫語句，而非單純的詞匯列表)。

問：這些人工神經網絡還有什么其他潛在應用嗎？

Yann LeCun：它可以用在生物和基因領域，將會產生很多有趣的成果。例如，多倫多大學的Brendan Frey已經展示了，你可以訓練一個深度學習系統去模擬讀取DNA和合成蛋白質的生化機理。通過這種方式，你就能弄清楚一些基因改變和某些特定疾病之間的關聯。這種關聯很復雜，可能涉及不止一種基因突變，而是很多突變的集合。而擁有了這樣的技術則會有力地推進醫(yī)療行業(yè)的發(fā)展。

問：是否有些問題是深度學習或者你使用的卷積神經網絡所無法解決的？

Yann LeCun：如今雖然還有很多事情我們無法做到，但是對于日新月異的科技發(fā)展，誰又能說的準呢?比如，如果你在10年前問我，“我們可以將卷積神經網絡或者深度學習用于人臉識別嗎?”我當時的回復可能是，這根本就不可行。但后來它們在這方面表現的非常出色。

問：當時你為何認為神經網絡無法做到那一點（人臉識別）？

Yann LeCun：當時的神經網絡在識別普通類別方面非常擅長。比如說它知道這是一輛車，但它并不知道這個一輛什么車，或者它位于哪個位置?；蛘哒f有一把椅子，但這把椅子可以是任何一種形態(tài)，而那種神經網絡只擅長把椅子和汽車的關鍵特征提取出來，以判斷出這是一把椅子或者一輛車，完全不關心某些特定實例和它所在的位置。

但對于識別鳥的類別、狗的品種、植物種類和人臉，你就需要可以應對更加細密紋理的識別能力，你可能識別出幾百萬種類別，但不同類別之間的差異非常細微。所以，我當時可能會認為深度學習并非解決這類問題的最佳方法，或許其他方法會更加適合，但我錯了。我低估了我手中技術的實力。雖然今天有很多事情認為很難做到，但一旦出現突破，就會完成的很好。

問：在Facebook近期公布的一項實驗中，工程師將《指環(huán)王》中的一段話給到了計算機，然后讓他去回答關于這個故事的幾個問題。從這個例子中能夠代表“Facebook為機器設計的新一代智能測試”嗎？

Yann LeCun：它使用相同的技術作為它的基礎。研發(fā)團隊已經提出了一系列機器應該回答的問題。有個故事，請回答有關故事的問題。其中一些問題只是簡單的事實。如果我說“Ari拿起了他的手機。”然后問“Ari的手機在哪里?”該系統會說“它在Ari的手里。”但是如果故事里人們是如何移動的又該如何呢?我可以問“這兩個人在同一個地方嗎?”然后如果你想回答這個問題，你必須知道物理世界的樣子。例如，如果你想回答諸如“現在屋里有多少人?”這樣的問題，你必須記住一共有多少人進入了屋子。要想回答這些問題，你需要有推理能力。

問：在我們讓機器預測未來之前，我們需要教會機器常識嗎？

Yann LeCun：不，我們可以同時進行。如果我們能訓練系統進行預測，它通過預測就能從本質上推斷出它所看到的世界的結構。擁有這種酷炫能力的具身化能力的是一個叫“Eyescream”的東西。它是一個神經網絡，你輸入隨機的數字，它就會輸出自然的圖片。你能讓它畫一個飛機或者教堂塔以及訓練過的事物，它就能產生令人滿意的圖片。

因此能生產圖片是完成拼圖的重要一塊，因為如果你想預測視頻中接下來會發(fā)生什么，你必須首先擁有一個能生產圖片的模型。

問：模型能預測什么樣的事情？

如果你讓系統看一段視頻并問“下一幀會發(fā)生什么?”這并不復雜。有幾件事會發(fā)生，但是移動的物體還是會在原方向上移動。但是如果你問下一秒會發(fā)生什么，就有可能發(fā)生很多事情而無法預測，因此系統將會努力做出好的預測。這是我們所面臨的問題，而且我們還不知道怎么解決。

如果你在看希區(qū)柯克的電影(以懸疑著稱)然后我問“十五分鐘后將會發(fā)生什么?”你必須指出誰是兇手。完全解決這個問題需要了解世界和人性的方方面面。這就是其有趣之處。

問：從現在起五年，深度學習將如何改變我們的生活？

我們在探索的一件事是人類的個人管家。數碼管家。這還沒有一個名字，但是在Facebook，它叫M項目。M的形象就像科幻電影《她》中數碼管家的形象一樣。