機器之心報道
編輯：澤南、小舟
在最近一次訪談中，Meta AI 人工智能先驅 Yann LeCun 點出了下一代人工智能技術的三大主要挑戰。
Yann LeCun（楊立昆）出生于 1960 年，他一直被認為是世界上最重要的人工智能研究者之一。20 世紀 80 年代，LeCun 參與了卷積神經網絡的發明，在 AI 領域低潮時期堅持了這一方向，并貢獻了工程實踐成果，推動了人工智能圖像分析技術的突破。
2018 年，LeCun 因深度學習的研究貢獻，與 Yoshua Bengio、Geoffrey Hinton 共同獲得了計算機科學最高榮譽圖靈獎。
Yann LeCun、Geoffrey Hinton 和 Yoshua Bengio。
2013 年，馬克 · 紮克伯格聘請 Yann LeCun 為 Facebook 人工智能研究員，後者幫助建立了 Facebook 人工智能研究實驗室 FAIR（現 Meta AI）。LeCun 今天仍在擔任該公司首席人工智能科學家和副總裁。
作為人工智能業界的領軍人物，Yann LeCen 對于技術的發展經常給出自己的看法，他在 2018 年左右的一次演講中曾透露，盡管人工智能研究取得了近期所有這些成功，人工智能甚至還無法達到家貓的認知水準。LeCun 認為，機器學習缺乏對于世界的基本了解。
自監督學習是人工智能了解世界的關鍵
現在是 2022 年 1 月，LeCun 表示自己仍然沒有看到貓級别的人工智能。他表示，盡管「隻有」8 億個神經元，但貓腦遠遠領先于任何巨大的人工神經網絡。是以乍一看，關于通往高度發展的認知能力和人類智能長期規劃途徑的推測似乎毫無意義。
貓和人類智能的共同基礎是對于世界的高度了解，基于對環境的抽象表示以形成的模型，擅長于預測行動及其後果。LeCun 認為，學習這種環境模型的能力是建構思考機器的關鍵。
在對目前行業和科研進展的分析後，LeCun 得出了 AI 研究面臨的三大挑戰：
AI 必須學會對于世界的表征；
AI 必須能以和基于梯度的學習相容的方式，進行思考和規劃；
AI 必須學習行動規劃的分層表征。
LeCun 在自監督學習中找到了第一個挑戰的解決方案，該方法已被用于訓練語言模型、圖像分析系統等。
他認為這些系統的成功表明人工智能能夠建立複雜的世界模型。然而，下一代人工智能預計将直接從視訊中學習，而不是使用語言或圖像。Meta 目前正在為新一代 AI 收集第一人稱視訊資料，這一工作成本很高。
LeCun 的蛋糕強調了無監督的重要性，他認為這可以突破目前 AI 技術的局限性。今天的 AI 可以輕松對圖像進行分類并識别聲音，但不能執行諸如推理不同對象之間的關系或預測人類運動等任務。這是無監督學習可以填補空白的地方。正如 LeCun 所說：「預測是智力的本質。」
LeCun 表示，人工智能系統可以從這些視訊中了解世界的實體基礎。它們的了解反過來将讓系統具備多種能力（例如抓取物體或自動駕駛）的基礎，。
人工智能應該學會思考和行動
解決第一個挑戰為解決第二個挑戰奠定了基礎。與人工智能最初的研究不同的是：思維系統不應再由根據邏輯規則運作的符号系統和手動程式設計的世界知識組成。相反，必須使用和深度學習類似的方法讓機器學會思考和規劃。
LeCun 還沒有解決第三個挑戰的方法。他說：「要在現實世界中行動的人工智能系統，無論是機器人還是自動駕駛汽車，必須要能夠預測每種行動的後果并選擇最佳行動。在一些情況下，例如移動機械臂或控制火箭的任務上，我們已經實作了模型預測控制（MPC）。」
但他表示，未來我們還需要能夠處理所有情況的系統。「通過認真細緻的數學模組化，未來的系統将關注我們在世界上所觀察到的一切：包括人類的行為和各種實體系統，它們是人類可以輕松抽象表征并模組化的内容，」LeCun 說道。
視訊——圖靈獎得主 Yann LeCun 訪談，人工智能的三大挑戰：
LeCun 用一個問題總結了未來十年人工智能研究面臨的巨大挑戰：「我們應該如何讓機器學習處理具有不确定性的模型，并捕獲現實世界的所有複雜性？」
對于 LeCun 來說，答案從自監督學習開始。
參考内容：
https://mixed-news.com/en/metas-ai-chief-three-major-challenges-of-artificial-intelligence/
新的一年你能有多「虎」
機器之心聯合千尋位置
邀請大家一起來測虎力造北鬥
元氣滿滿迎新春
轉發遊戲結束後的虎力值海報到機器之心公衆号背景
即有機會赢取限量版「虎力全開」新年禮盒
截至2022年1月30日
趕緊掃碼玩起來