Facebook 人工智慧研究院長來台演講，來看 AI 是怎麼驅動社交平台上可怕的功能

AI 是相當熱門的話題，各大科技廠無不投入資源進來，想要靠 AI 幫助他們的業務，像是機器學習教程序分辨物品。而6月29日 Facebook 人工智慧研究院 (Facebook Artifact Research, FAIR) 院長 Yann LeCun 博士在台大進行專題演講，題目是 Deep Learning and the Path to AI，對象為學院中的人談的是領域內常用的技術，竟然場地爆滿，而且開 Facebook 直播時人數破千。

LeCun 從最基本的部分，解釋學界常用的機器學習技術，像是監督式學習 (supervised learning)。除了 AI 用到的技術之外，LeCun 講到 Facebook 研發的技術，就真的實際用到網站上了，如用戶上傳照片後，識別裡面的人物，甚至猜測裡面的人是誰。其猜測的結果精確度相當高，往往還會建議用戶朋友貼標籤，這幾年的訓練成果，看來讓不少使用者會嚇一大跳，看到辨識的成功機率相當高。

以 Facebook 用戶的活躍程度，每天平台上會出現 10 億到 15 億之間的照片量，如何分類就是門學問了。前面提到識別照片中用戶之外，AI 也得辨識照片中出現的物品。其實每當用戶上傳照片，AI 都會運作把照片中辨識出來的物品或人標示在相片上面。

Facebook 不只辨識人物加上建議標籤，連照片中的物品也會辨識歸類。

而在 AI 玩圍棋的話題以 AI 戰勝人類作結之後，電腦遊戲成為 AI 新的挑戰目標。目前有用 Torch libray 驅動的 TorchCraft 嘗試用 AI 玩即時戰略遊戲星海爭霸，但其成績還需要再努力訓練。

挑戰圍棋之後，玩遊戲成為 AI 新的挑戰，不過目前還在初步的階段。

機器跟人之間最大差是機器沒有常識，因此需要花費大量資源進去，訓練機器學會人們習以為常的概念。LeCun 認為 AI 要能夠有突破性發展，就得靠非監督式學習 (unsupervised learning)，又稱為預測式學習 (predictive learning)。LeCun 以蛋糕比喻的話，他將目前機器學習的主流方法如增強式、監督式和非監督式，分別對應櫻桃、糖霜和蛋糕。用增強式辨識如櫻桃之類的物品不需要太多資料就可以做到，但是糖霜監督式學習需要多一些資料，而蛋糕也就是非監督式學習則需要最大量的資料。但這不意味只需要非監督式學習，而要有增強式和監督式學習才能完整辨識出物品。

LeCun 以蛋糕和蛋糕上不同部分，比喻不同的機器學習方法，指出要辨識全體各種方法缺一不可。

台大資工系教授洪士灝則評論訓練 AI 必須有大量運算資源，須下重本下去。Facebook 在訓練 AI 是用 256 顆 GPU 下去跑，最後用一小時時間跑出結果。如果用一顆 DGX-1 有 8 顆 GPU，仍需要 30 小時。而其他家想進來玩機器學習的人，要用多少資源下去，要怎麼跟 Facebook 這類有資源的公司競爭呢？

Facebook 用大量 GPU 來將訓練 AI 的過程縮短到 1 小時的時間。

Facebook 也有將相關的 library 放出來，放在 Facebook Research 的 Github 頁面，有興趣的人可以上去自行研究和布署。

如需獲取更多資訊，請關注微信公眾賬號：Technews科技新報

Technews 副主編，關心開放的議題，如開放內容平台維基百科、開放街圖，與軟體相關的開放源代碼，與學術相關的開放近用，以及最近火紅的開放資料。

未經許可，任何媒體、網站或個人不得複製、轉載、或以其他方式使用本網站的內容，違者必究。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！