品玩6月9日訊，在6月9日的北京智源大會上，Yann LeCun教授發(fā)表了題為“走向能夠?qū)W習(xí)、推理和規(guī)劃的機器”的演講。LeCun教授是一位著名的計算機科學(xué)家，以其在人工智能領(lǐng)域，特別是深度學(xué)習(xí)和卷積網(wǎng)絡(luò)方面的開創(chuàng)性工作而聞名。他被認為是現(xiàn)代深度學(xué)習(xí)技術(shù)的奠基人之一，他所做的開創(chuàng)性貢獻繼續(xù)塑造著人工智能研究和創(chuàng)新的格局。
在演講中，LeCun教授談到了人工智能的未來。他認為，要彌補人類和動物與目前我們能夠生產(chǎn)的人工智能之間的差距，我們需要不僅僅是學(xué)習(xí)，還需要推理和規(guī)劃。他談到了一些初步的結(jié)果，但并沒有完整的系統(tǒng)。
LeCun教授指出，與人類和動物相比，機器學(xué)習(xí)并不是特別出色。幾十年來，我們一直在使用監(jiān)督學(xué)習(xí)，這需要太多的標簽。強化學(xué)習(xí)效果很好，但需要大量的試驗才能學(xué)到任何東西。當然，在最近幾年我們一直在使用大量的自監(jiān)督學(xué)習(xí)。但結(jié)果是這些系統(tǒng)有些專門化和脆弱，它們會犯愚蠢的錯誤，它們并不真正推理或計劃，它們只是快速反應(yīng)。
因此，LeCun教授認為，當前機器學(xué)習(xí)系統(tǒng)在輸入和輸出之間基本上只有固定數(shù)量的計算步驟。這就是為什么它們不能像人類和某些動物那樣進行推理和規(guī)劃。那么，如何讓機器理解世界是如何運作的，并預(yù)測它們行動的后果，就像動物和人類能夠做到的那樣？如何讓機器執(zhí)行無限步驟的推理鏈？如何通過將復(fù)雜任務(wù)分解為子任務(wù)序列來規(guī)劃復(fù)雜任務(wù)？
在接下來的十年左右時間里，AI研究將朝著這個方向發(fā)展。此外，在演講中他還談到了自監(jiān)督學(xué)習(xí)及其在過去幾年中在機器學(xué)習(xí)領(lǐng)域取得巨大成功的事實。自監(jiān)督學(xué)習(xí)已經(jīng)被提倡了七八年，并且真正發(fā)生了，并且我們今天看到的許多機器學(xué)習(xí)成果都歸功于自監(jiān)督學(xué)習(xí)，特別是在自然語言處理和文本理解與生成方面。
在北京智源大會上，Yann LeCun教授分享了他對人工智能未來發(fā)展方向的看法，并強調(diào)了推理和規(guī)劃在人工智能系統(tǒng)中的重要性。
