【導讀】Yan Lecun 十月份在Google matrix: fundamentals, applications and beyond 研討會上做了《圖嵌入, 內容理解，自監督學習》的報告。 報告中回顧了各種監督方法在計算式視覺領域取得的重大突破，比如Mask-RCNN, 並強調了未來對非結構化數據比如Graph進行表示學習的重要性。
Yan Lecun還介紹了自己的幾項在內容理解上的最新工作，比如利用對抗學習的視頻預測。Yan Lecun在報告中指出自監督學習(Self-supervised learning)可以作爲強化學習的一種潛在解決方案，因爲自監督學習將輸入和輸出都當成完整系統的一部分，使得它在諸如圖像補全，圖像遷移，時間序列預測等任務上都非常有效。此外自監督模型的複雜度隨着額外反饋信息的加入而增加，可以在很大程度上減少計算過程中人爲的干預。
自監督學習部分可以閱讀專知以前的報道
Yan Lecun 自監督學習：機器能像人一樣學習嗎？ 110頁PPT+視頻
請關注專知公衆號（掃一掃最下面專知二維碼，或者點擊上方藍色專知）
- 後臺回覆“GECUSSL” 就可以獲取全文報告 PPT下載鏈接~
個人主頁：
http://yann.lecun.com
報告PPT
-END-