Facebook首席AI科學家：深度學習「大革命」將至

4月26日，GMIC大會在北京國家會議中心召開。本屆大會主題為「AI」生萬物，邀請政府官員、人工智慧領域科學家、企業家、投資人等各界人士共同探討最新趨勢。全球人工智慧領袖峰會作為GMIC大會的首場峰會，旨在探討在基礎硬體、大數據與開源平台、深度學習為代表的演算法等人工智慧領域的深度洞見。

會上，Facebook人工智慧團隊首席AI科學家楊立昆進行了主題演講。他提到，未來還會出現更多的有關深度學習的變革，比如說多渠道的發展或者是複雜的架構，同時也會出現更多的理論。這也使得我們要不斷地強化硬體，以便使得用戶的需求能夠得到專業化的處理。

以下為楊立昆的主題演講實錄，由品途商業評論（ID：pintu360）精編整理，有刪減：

今天我想講一下關於深度學習的一些情況，同時也會講一下深度學習的未來，以及我們所面臨的關於深度學習方面的挑戰，比如如何讓機器變得更加智能。  

深度學習中，機器會學習整個過程，這是端到端的一個學習過程。通過這種方式，計算機會更好地了解我們的世界。比如像一個架構，可以看到實際上這個想法是可以回溯到上個世紀八十年代的時候。它可識別圖像，同時也有很多其他的應用，比如說可以用於語言處理和語言識別和其他很多方面。

在這裡大家可以看到在網路當中使用的幾個層，像在Facebook當中我們就會廣泛使用。因為有了這樣的一些應用，可以看到事物錯誤率是在不斷下降。這上面大家可以看到這方面的故障率是在不斷下降的。有的時候表現的甚至要比人還要好。它的性能非常好，已經成為了一種標杆。

另外，它實際上比CPU識別圖像或者對象要更加複雜一些。它不僅僅能夠識別對象，同時能夠進行本地化處理。這個是在Facebook人工智慧部門我們所做的研究。在Facebook我們利用這樣的技術，可以預測人類的行為。  

對於行業來說，進行這樣的開發研究將是會是一個非常有用的過程。對於我們研究團隊來說，不僅僅要開發對我們公司來說非常有用的技術，同時我們也希望所開發的技術能夠引導整個社區，能夠解決我們所感興趣的應用。我們認為AI不僅僅會幫助我們解決問題，同時還會幫助我們解決很多人類自己無法解決的挑戰，所以我們會與我們的科學團隊一起朝這方面努力。這裡是在過去的幾年裡，IFRR所發布的一些開源項目，包括像深度學習網路，還有深度學習框架，這是關於深度學習的應用。

我剛才講到每天都會一些新的應用發布，也可以進行語言的翻譯、診斷，以及面部識別等等。另外在科學方面可以看到深度學習也廣泛的應用來進一步推動科學方面的研究。我們會看到在接下來幾年裡深度學習會發生更大的革命。

不管下次的變革在哪個點，我覺得它們應該是無監督的學習，我覺得這樣的一個變革，它應該是自我監督或者無監督的一種學習。而且也會在這樣的變革當中出現一些常識性的學習。  

這是我們最近做的一些非常有意義的事情，這是對於一些預測性的模型，來由機器進行規劃，根據它們的嘗試進行預測。所以這裡的理念在於我們有一些人工智慧的元素，它會對一個民眾社會進行預測，在它們實際參與，之前它們會預測有一些什麼樣的反應。所以大家會看到在整個的過程當中，它並不太多涉及到機器學習。我們認為在一個民眾社會當中我們希望機器應該基於自己的行動進行預測，之後得到一些模型，來進行設計。  

關於具體的細節，有的人他們已經就這方面的培訓進行了工作，他們接受教育，比如機器在一些簡單情景當中怎麼來做。比如說我們對機器來看一下，有哪些物體有可能會跌落下來，有什麼樣的預測性，它的大概概率有多少，都可以使得機器做出一些預測。在最近的幾年當中大家非常的興奮，因為我們找到了一個的理念，現在我們對於問題要就它的確定性進行預測，我們要根據我們的輸入進行概率的培訓和預測。我們通過對機器進行一些深入的學習，可以使得它預測一些結果。而且它可能會根據不同的場景，可能跌落，有可能不跌落等等，能夠對一些可能性結果進行預測。這裡的結果不僅僅是唯一正確的，海可能有多種的結果。  

大家看一下這個教授在進行培訓，其實我們進行了對抗性的培訓，比如說我們可以培訓每個分項是看起來不錯的，更可能的，或者在實際的生活當中會發生什麼樣的結果。而且對於培訓者他也會告訴機器，在實際的社會當中又有什麼樣的結果。對於發生性它也會來做出預測，可能有的時候有的結果是虛假的，不是真實的。通過這麼做我們就能夠得到不同機器產生的結果，之後得到了很多的影像和圖片。  

我們再回顧幾年之前，大家看到這是Facebook，在這幅圖上大家可能也相信，通過機器學習確實是奏效的。但是這裡有一些是虛假的圖像，之後大家由機器所得出來的這樣的圖像，它們看起來是真實的，但是其實只是一些虛像，一些幻景，所以我們現在也以我們的系統進行了培訓之後，產生出了一系列的人臉。大家看到這是一些名人他們的面孔，大家看到它逐一的排列出來，而且我們在下周會議上會向大家展示最新的結果，得到的成果非常的好。總之，我們希望把這個工具之後能夠融入到我們機器學習當中。        

最後我想做一下總結，我覺得在我們當中接下來最新的趨勢應該是關於監督學習方面，我覺得它可能是不能夠被替代的。不管是無監督的學習還是其他的學習方式都不能夠替代。所以這點已經引起了很多人的興趣，就是接下來幾年還會持續的發展。我相信這也會使得我們進行不斷的更多的實施。我們也要根據更多的嘗試。還有一點我也不斷的重複給大家，這就是說我們要使得機器能夠推理，來看一下深入學習能給我們什麼樣的推理能力，也要來回顧一下在AI的時代機器它的推理能力有多高，它的邏輯性有多強。  

接下來我相信未來我們會不斷進行演變，而且也要來朝著可差異化的智能學習的方向持續發展，這就需要我們來進行對抗性訓練及更多的研究。當然了，還會出現更多的有關深度學習的變革，比如說多渠道的發展或者是複雜的架構，而且會出現更多的理論。這也使得我們要不斷地強化硬體，以便使得用戶的需求能夠得到專業化的處理。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！