Facebook AI负责人勒坤：机器可以通过观察掌握常识
作者：admin 发表时间：2021-01-25 浏览：23 海淘动态
Facebook人工智能研究部门主管严·勒坤接受外媒采访时表示，机器视觉的下一个领域是让软件单纯通过观察世界来学习知识，甚至掌握常识。以下为原文内容：5年前，软件的图片识别能力突然取得重大进步。它背后的人工神经网络也奠定了最近这股人工智能浪潮的基础。正是得益于这项技术，谷歌(微博)和Facebook现在才能让你搜索自己的照片，并由此催生了许多全新的面部识别应用。Facebook人工智能研究部门主管、纽约大学教授严·勒坤(Yann LeCun)就参与开辟了机器视觉的神经网络应用。他表示，这一领域仍在取得进步，甚至可以催生具备常识的软件系统。Facebook人工智能研究部门主管、纽约大学教授严·勒坤(Yann LeCun)问：现在的机器视觉有多好？答：如果一张照片里有一个占据主导的物体，要求机器对这个物体进行归类，效果会很好。只要有足够的数据，大约每个类别有1000个样本，便可识别出某个品牌的汽车，或者某个品种的植物或狗。我们还能识别更加抽象的类别，例如某张照片的内容是景观、日落、婚礼还是生日聚会。即使在5年前，也无法明确这些问题能否完全解决。但这并不意味着机器视觉问题已经解决。问：还有哪个重要问题尚未解决？答：多年以来，人们一直希望能给图片添加注释，给视频增加字幕。表面看来，已经有了一些效果极佳的演示，但实际效果并没有那么好。这些系统的能力很有局限，只能针对经过训练的特定领域展开。对于多数系统而言，如果你向其展示其他类型的照片，或者它们从没见过的异常环境，它们就会完全抓瞎。它们并不具备常识。问：视觉与常识之间有什么关系？答：这取决于你的沟通对象即便在Facebook内部，人们对此也持有不同态度。你可以完全用语言跟一套智能系统互动。问题在于，语言是个低带宽渠道。很多信息之所以通过语言传递，是因为人类有很多背景知识来解决这些信息。其他人则认为，为人工智能提供充足信息的唯一方式就是为其赋予视觉感知能力，这样获取的信息远多于语言。如果你告诉机器，这是一台智能手机，这是一台压路机，有地东西能推动，有的东西推不动，那么机器便可对世界的运行方式有一个基本的了解。就像婴儿的学习过程一样。问：但婴儿无需明确指令便可吸收很多信息。答：我们真正希望做的一件事情是，让机器可以仅仅通过视频或其他渠道了解许多事实，从而明白现实世界的局限。它们最终便可借此了解常识。婴儿和动物刚生下来的头几个月都会了解这些事情他们会单纯通过观察学习大量信息。现在有很多方式可以轻而易举地骗过机器，因为他们对世界的了解非常有限。问：具体到让软件通过观察来学习这件事情，目前取得了哪些进展？答：我们很感兴趣的一个想法是：一套学习系统应该具备预测未来的能力。你给它展示几帧视频，它就会预测接下来发生什么。如果我们能够训练一套系统做到这一点，便可开发出无监督学习系统的底层技术。在我看来，到那个阶段就有可能出现很多有趣的事情。这种应用未必在于视觉领域但我们在推进人工智能进步时，有很多努力都着眼于这一方面。
分享到
部分图片内容来自于网友投稿
0/300
微博发布