FB首席AI科學家勒坤談AI未來：機器可通過數據常識了解世界

Facebook首席人工智能科學家雅恩·勒坤（Yann LeCun）

騰訊科技訊 2月19日消息，據外媒報導，Facebook首席人工智能（AI）科學家雅恩·勒坤（Yann LeCun）表示，給機器提供通過數據了解世界的「常識」將是未來十年AI研究的重要領域。這可以使機器在更複雜的環境下做出更好的決定，也可以幫助像Facebook這樣的公司更準確地檢測仇恨言論。但是，為了提高AI的性能，需要對硬件進行優化。

近年來，世界上許多科技巨頭都專注於AI的研發，從Google、Facebook到微軟都是如此，它們都希望將AI融入到幾乎所有的產品中。例如，Google甚至在今年的開發者大會之前將其Google研究部們更名為Google AI。在這次大會上，AI占據了最前面和最中心的位置。Facebook首席執行官馬克·佐伯格(Mark Zuckerberg)在5月份的F8大會上，也解釋了這家社交網路巨頭是如何使用AI來打擊其平台上的仇恨言論的。

隨著企業繼續投資於認知軟件能力，AI市場也在蓬勃發展。市場研究機構IDC表示，到2022年，全球在AI系統上的支出預計將達到776億美元，是2018年預測240億美元的三倍多。

但這個行業仍有很長的路要走，其許多進展可能取決於學術界和行業參與者是否能找到一種方法，以讓計算機算法具備類似人類的學習能力。由AI驅動的系統，無論是Facebook用來檢測不當內容的算法，還是Google和亞馬遜開發的虛擬助手，都不能像人類那樣推斷上下文語境。而這一進展恰恰對Facebook來說至關重要，因為它正在加緊努力，在其平台上發現網上欺凌行為，並篩查與恐怖主義有關的內容。

Facebook首席AI科學家勒坤在最近接受美國主流網路BI採訪時表示：「有些情況非常明顯，AI可以被用來過濾掉這些情況，或者至少是讓人類審查員來決定。但在很多情況下，有大量的仇恨言論，除非你了解更多背景，否則很難發現這一點。因此，目前的AI技術還無法應對上述挑戰。」

推進AI領域快速發展的一個關鍵因素，特別是在深度學習方面，將是確保有能夠支持它的硬件。這是勒坤在周一的國際固態電路會議（International Solid-State Circuits Conference）上討論的一個重要議題。他在會上討論了一份新的研究論文，概述了晶片廠商和研究人員在未來5至10年內需要考慮的關鍵趨勢。他說：「無論他們建造什麼，都將影響未來十年AI的發展。」

在會議開幕之前，勒坤與BI記者討論了AI的未來發展方向、這對我們日常生活中使用的設備代表的意義、當今AI發展狀態以及未來的最大挑戰。下面是採訪摘要：

1.為了提高AI表現，機器必須在功耗方面做得更好

想像下這樣的真空吸塵器：它不僅要足夠聰明地繪制出你的起居室地圖，以便不會重復清洗同樣的地方，而且還能在撞到障礙物之前探測到它們。再比如智能割草機，它可以智能地避開修剪草坪時的花壇和樹枝。勒坤表示，除了像Facebook和Google母公司Alphabet這樣的公司正在投資的技術(如增強現實和自動駕駛汽車)，這些設備要能工作並流行起來，需要更加節能的硬件。

勒坤說，這樣的進步不僅對這些技術的蓬勃發展是必要的，而且對於改進像Facebook這樣的公司實時識別照片和視頻內容的方式也是必要的。理解視頻中發生的事情，將視頻內容轉錄成文本，然後將文本翻譯成另一種語言，以便世界各地的人們能夠實時地理解它，這需要「巨大」的計算能力。

2.在其他改進出現之前，我們將在短期內繼續看到智慧型手機取得進步

勒坤認為，未來三年，大多數智慧型手機將通過專用處理器將AI直接嵌入到硬件中，這將使實時語音翻譯等功能在手機上更加普及。對於那些近年來始終密切關注智慧型手機行業的人來說，這可能並不令人意外，因為蘋果、Google和華為等公司已將AI更緊密地融入到其移動設備中。勒坤表示，這將使「所有類型的新應用」得以做到。

3.賦予機器以常識將是未來十年AI研究的重點

雖然人類通常通過全面的觀察來了解世界，但計算機通常是經過訓練來執行特定任務。例如，如果你想設計一種能在照片中檢測出貓的算法，你必須幫助它了解貓的長相，方法是用大量的數據進行訓練，其中可能包括數千張標記有「包括貓」的照片。但勒坤表示，在接下來的十年里，推動AI向前發展的「聖杯」在於完善一種被稱為自我監督學習的技術。換句話說，這種技術能讓機器通過數據來了解世界是如何工作的，而不是僅僅學習如何解決特定的問題，比如識別貓。

勒坤補充說：「如果我們真的通過訓練算法來做到這一點，那麼在機器捕捉上下文背景、做出更複雜決策的能力方面將會取得重大進步。不過，這種技術目前只適用於文本，而不適用於視頻和圖像。但這樣的突破可能是像Facebook這樣的公司所需要的，它能提高其平台上的內容協調性，盡管目前還不清楚這一解決方案何時會出現。這不是明天就會發生的事情。」

4.深度學習可能需要全新的編程語言

勒坤認為，深度學習可能需要一種新的編程語言，它比Python更靈活、更容易使用。目前還不清楚這樣的語言是否必要，但這種可能性與研究人員和工程師們根深蒂固的願望背道而馳。勒坤稱：「在Google、Facebook和其他地方，有幾個項目可以設計這樣一種編程語言，以有效地進行深入學習，但目前還不清楚社區是否會跟進，因為人們只想使用Python。」

GitHub最近發布的Octverse報告稱，Python是目前從事機器學習項目的開發人員使用的最流行編程語言，它是Facebook的PyTorch和Google的TensorFlow框架的基礎。勒坤表示，AI的崛起與計算機晶片和其他硬件所提供的計算能力的增長密切相關。更好的硬件可以支持更好的算法、更好的性能、讓更多人建造更好的硬。

勒坤指出：「可用的硬件種類對人們所做的研究有很大影響，因此未來十年左右AI的發展方向將受到硬件的極大影響。對於計算機科學家來說，我們喜歡抽象地認為自己不受硬件的限制，但事實並非如此。」

勒坤重申了自我監督學習在推進最先進AI發展方面發揮的重要作用。他說：「如果自我監督學習最終允許機器通過觀察來學習大量有關世界如何運作的背景知識，那麼某種形式的機器常識可能會出現。而未來的深度學習系統將在很大程度上接受自我監督學習的訓練，並需要新的高性能硬件來支持這種自我監督學習。這種硬件對Facebook以及無人駕駛、機器人和許多其他形式的技術都很重要。」（騰訊科技審校/金鹿）