Yann LeCun清華演講：講述深度學習與人工智慧的未來

半個月前，Yann LeCun要來清華演講的消息在國內AI圈一經傳開，各位AI界人士便坐不住了。作為Facebook人工智慧研究院院長、紐約大學終身教授、卷積神經網路之父，LeCun已然成為了AI人心目中的男神。

演講當天（3月22日），雷鋒網()也來到了LeCun的演講現場。演講開始前，只見許多想要聽演講，卻無奈沒有得到票的同學，焦急地堅守在演講大廳門前，希望能一睹男神風采，或運氣爆棚能偶得一票。一個專業性質極強的學術演講能吸引這麼多人來參加，也再一次體現了Yann LeCun的個人魅力和在AI界的影響力。也許是被莘莘學子們熱愛學習的精神所打動，最後，工作人員臨時加開了演講大廳的二樓，讓許多沒有票的同學也能進入大廳，最後現場可謂是座無虛席。

據雷鋒網了解，Yann LeCun此次演講由清華大學經濟管理學院發起，清華 x-lab、Facebook 共同主辦，作為《創新與創業：矽谷洞察》課程的第一節公開課的演講者，昨日，LeCun為大家帶來的演講題目為《深度學習與人工智能的未來》。

這兩年，提起AI一定繞不開的一個話題就是AlphaGo。演講剛開始，LeCun也以這個大家熟知的事件說起，隨即引出一個問題：

「當有大量可用樣本（比如桌椅、貓狗、和人）時，訓練機器沒有問題；但如果機器從來沒有見過這些實物，它還能識別出樣本嗎？」

帶著這個問題，LeCun開始了當天的演講。

演講中，LeCun帶大家回顧了神經網路的發展歷程，並以身邊的小故事為例，講述了神經網路發展在早期被受質疑，遭遇重重瓶頸，而在當下則是備受好評、突破不斷，他向大家展示了在這兩個階段，人們對神經網路截然不同的看法。

接著，LeCun講到，如今，AI發展的一大難題就是怎麼樣才能讓機器掌握人類常識。掌握人類常識是讓機器和人類自然互動的關鍵。想要做到這一點，它需要擁有一個內在模型，以具備預測的能力。LeCun用一個公式簡潔地概括了這種人工智慧系統：預測+規劃=推理。而研究人員現在要做的，就是不需依賴人類訓練，讓機器學會自己構建這個內在模型。

除了AI發展的困境，LeCun還和大家分享了神經網路當下的研究進展。

如今，深度卷積網路已可用於解決包括目標識別在內的各類計算機視覺問題。並且，隨著網路深度不斷增加，還出現了可用於圖像識別、語義分割、ADAS 等眾多場景的新型深度卷積神經網路結構，如VGG、GoogLeNet、ResNet 等。

LeCun在演講中還特別提到Facebook人工智慧研究院的最新研究成果——通用目標分割框架 Mask R-CNN，並展示了該框架在 COCO 數據集上的結果（詳細內容請參見雷鋒網報道Facebook 最新論文：Mask R-CNN實例分割通用框架，檢測，分割和特徵點定位一次搞定（多圖））。

最後，LeCun還為大家帶來了一系列技術乾貨：具體講解了對抗訓練中的深度卷積對抗生成網路 （DCGAN）和基於能量的對抗生成網路（EBGAN），還提到了語義分割的視頻預測技術，並向大家展示了時間預測結果。

演講一結束，同學們迫不及待地湧上前去，向LeCun提出自己的疑問。LeCun也對每個同學的問題做出了詳細解答，令同學們收穫良多。

而對近日騰訊圍棋 AI 絕藝奪冠這一消息，LeCun也表示非常欣喜，並且AI在ADAS、醫療等領域的發展。

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。