| 導讀 | Facebook人工智能研究院院長Yann LeCun教授今天下午在清華大學舉辦了一場主題爲“深度學習與人工智能的未來”的講座，談論了深度學習與人工智能的歷史、現狀與挑戰。 |
Yann LeCun教授是Facebook人工智能研究院院長，紐約大學教授。他最著名的是在深度學習和神經網絡方面作出的傑出貢獻，特別是他創立的卷積網絡模型，被廣泛地應用於計算機視覺和語音識別應用裏，也因此他被稱爲卷積網絡之父。本次講座是由清華大學經濟管理學院發起，清華x-lab與Facebook公司聯合設計並推出的《創新與創業：硅谷洞察》學分課程中的一節公開課。這也是清華大學首次和跨國企業聯合進行課程講授。
在講座中，LeCun教授首先講述了人工智能的發展史。他提到，人工智能的研究首先是從機器學習中的監督學習開始，研究人員將訓練實例輸入機器，讓機器辨別簡單的物體；到了上個世紀50年代，研究人員提出了“認知機”（perceptron）概念。而後來研究人員又建立了多層神經網絡理論，並最終建立深度學習概念。
LeCun教授重點談論了他參與的卷積神經網絡（CNN）研究：他當時將CNN用於辨別支票上的手寫數字，識別率達50%，識別錯誤率僅爲1%，這是CNN第一次解決實際問題；但當時不少研究者認爲CNN並無實際意義，爲此他的同事之間還有一場賭約，最後輸贏各半，因爲直至今日研究者也無法讓CNN更好的用於實際中，但它在多個領域仍有應用。
LeCun教授認爲，深度學習的作用一是爲現有的事物分類，二是表達世界上的事物。時至今日，卷積神經網絡的層級越來越多，使得人工智能在人臉識別，無人駕駛和圖像識別方面都有廣泛應用。
人工智能最終的發展方向是讓它成爲“有常識的機器”，能模擬大腦的認識、預測和記憶功能，但人工智能面臨的障礙中，最主要的是讓人工智能擁有更好的預測功能，因此能夠培訓人工智能預測功能的無監督學習開始流行。
LeCun教授在講座中重點介紹了對抗訓練，可以預測不確定的事件，進而可以預測圖片中未顯示的部分、或是視頻的後幾幀畫面，這種訓練對未來無人駕駛中預測物體移動方向很有用處。
最後在回答聽衆的提問中，LeCun認爲人工智能研究界的溝通交流在推動人工智能發展方面有重要作用，他倡導開放性研究。
在回答人工智能的未來作用相關問題時，LeCun教授談到了人工智能在未來的交通、製造、城市規劃和醫療領域都將起重大作用，而對於Facebook來說，人工智能研究在翻譯、壓縮圖片和個性化溝通領域也將有貢獻，會更好的完成Facebook“連接全世界”的願景。
有聽衆提問人工智能是否會佔領世界，LeCun教授說，人工智能最終的目的是讓人工智能向大腦一樣有記憶功能、能影響人的行爲，但只要人類不給它灌輸“佔領世界是好的”價值觀，他不認爲人工智能將會佔領世界。
還有聽衆提問人類的生活有哪些部分會被人工智能取代，LeCun教授說，現在出現了以人工智能爲基礎的虛擬助手，可以幫助人類的生活；此外，翻譯也是一個容易被人工智能取代的職業。
最後，清華大學經濟管理學院錢穎一院長爲Yann LeCun教授頒發了授課嘉賓證書。
本文轉載自：http://www.linuxprobe.com/ai-replace-humans.html
免費提供最新Linux技術教程書籍，爲開源技術愛好者努力做得更多更好：http://www.linuxprobe.com/