蔡立英/編譯

?

Facebook人造大腦背后的人

蔡立英/編譯

揚(yáng)·勒坎，紐約大學(xué)計(jì)算機(jī)科學(xué)教授，F(xiàn)acebook人工智能科學(xué)首任總監(jiān)。他試圖構(gòu)建對(duì)圖像和文字具有高級(jí)理解力的人工神經(jīng)網(wǎng)絡(luò)：能理解一張圖片或一個(gè)故事中有什么內(nèi)容，是如何構(gòu)成的，以及下一步可能會(huì)發(fā)生什么

● 在《新科學(xué)家》雜志記者阿維娃·魯特金（Aviva Rutkin）對(duì)揚(yáng)·勒坎（Yann LeCun）的采訪中，這位Facebook人工智能總監(jiān)指出：如果電腦學(xué)會(huì)人類(lèi)常識(shí)，人工智能將給我們的生活帶來(lái)真正沖擊。

阿維娃·魯特金：您正在嘗試讓基于神經(jīng)網(wǎng)絡(luò)的人工智能變得更聰明，面臨哪些大的挑戰(zhàn)？

揚(yáng)·勒坎：面臨的大挑戰(zhàn)是無(wú)監(jiān)督學(xué)習(xí)（unsupervised learning），即機(jī)器僅僅通過(guò)觀察世界就獲得常識(shí)的能力，對(duì)此我們還沒(méi)有算法。

阿維娃·魯特金：為什么人工智能研究人員關(guān)注常識(shí)和無(wú)監(jiān)督學(xué)習(xí)？

揚(yáng)·勒坎：因?yàn)檫@種學(xué)習(xí)方式是人類(lèi)和動(dòng)物最常用的，我們?nèi)祟?lèi)的所有學(xué)習(xí)幾乎都是無(wú)監(jiān)督學(xué)習(xí)。我們通過(guò)觀察和體驗(yàn)來(lái)學(xué)習(xí)世界是如何運(yùn)轉(zhuǎn)的，而無(wú)需他人告訴我們每個(gè)事物的名字。那么，我們?nèi)绾巫寵C(jī)器像動(dòng)物和人類(lèi)一樣以一種無(wú)監(jiān)督的方式學(xué)習(xí)呢？

阿維娃·魯特金：2015年 11月，F(xiàn)acebook展示了一個(gè)人工智能系統(tǒng)，能回答一幅圖中發(fā)生什么故事這樣的簡(jiǎn)單問(wèn)題，這是通過(guò)人類(lèi)提供解釋性意見(jiàn)訓(xùn)練的嗎？

揚(yáng)·勒坎：這個(gè)系統(tǒng)結(jié)合了人類(lèi)的注釋以及人工產(chǎn)生的問(wèn)題和答案，圖中已有所含物體的列表或相關(guān)說(shuō)明。從這些內(nèi)容中，我們能產(chǎn)生關(guān)于圖中物體的相關(guān)問(wèn)題和答案，然后訓(xùn)練人工智能系統(tǒng)在提問(wèn)時(shí)使用答案。

阿維娃·魯特金：是否有某些類(lèi)型的問(wèn)題會(huì)讓您的人工智能系統(tǒng)有所困惑？

揚(yáng)·勒坎：有，如果你問(wèn)的是概念性的東西，那么人工智能系統(tǒng)將不能很好回答，因?yàn)樗苡?xùn)的是特定類(lèi)型的問(wèn)題，比如關(guān)于物體的存在與否，或是物體之間的關(guān)系，但是它也有很多事情做不了，還不是一個(gè)完善的系統(tǒng)。

阿維娃·魯特金：這個(gè)系統(tǒng)能用于自動(dòng)捕獲圖片嗎？

揚(yáng)·勒坎：捕獲圖片使用的是一種稍微不同的方法，但是類(lèi)似。當(dāng)然，這個(gè)功能對(duì)于使用Facebook的視障人士會(huì)很有用，或是當(dāng)你正在開(kāi)車(chē)，某人發(fā)給你一張圖片，而你不想看手機(jī)，這時(shí)你就可以問(wèn)人工智能系統(tǒng)“圖片中有什么？”

目前，人工智能系統(tǒng)只能告訴你這張圖片是什么類(lèi)型的，是室外還是室內(nèi)圖片，是否有落日或其他物體。然后，它會(huì)列出圖片中已有物體的列表，但并非完整的句子，只是一串單詞。

阿維娃·魯特金：您是說(shuō)人工智能系統(tǒng)并不知道這些物體之間的關(guān)系？

揚(yáng)·勒坎：是的，所以我們正在實(shí)驗(yàn)室研究的下一代人工智能系統(tǒng)更像是散文 （指能形成連貫語(yǔ)句，而非單純的詞匯列表）。

阿維娃·魯特金：您預(yù)見(jiàn)到神經(jīng)網(wǎng)絡(luò)還有哪些其他的潛在用途？

揚(yáng)·勒坎：在生物學(xué)和基因組學(xué)領(lǐng)域，可以做很多有趣的研究。比如，加拿大多倫多大學(xué)布倫丹·弗雷（Brendan Frey）的研究表明，可以訓(xùn)練深度學(xué)習(xí)系統(tǒng)模擬生化儀器，讀取DNA、合成蛋白質(zhì)。使用深度學(xué)習(xí)系統(tǒng)，可以推斷出基因組多種變化和特殊疾病之間的關(guān)系，這些疾病非單個(gè)基因突變所引起，卻可能由多種因素所導(dǎo)致。因?yàn)橛羞@種有力的工具，醫(yī)學(xué)領(lǐng)域?qū)⑷〉煤芏噙M(jìn)步。

阿維娃·魯特金：是否存在深度學(xué)習(xí)和您的圖像闡釋系統(tǒng)無(wú)法解決的問(wèn)題？

揚(yáng)·勒坎：確實(shí)存在我們目前無(wú)法解決的問(wèn)題，但是誰(shuí)知道我們將來(lái)就不能解決？比如，倘若10年前你問(wèn)我，“做人臉識(shí)別，我應(yīng)該使用卷積網(wǎng)絡(luò)（一種人工神經(jīng)網(wǎng)絡(luò)）還是深度學(xué)習(xí)”，我原本可能會(huì)回答神經(jīng)網(wǎng)絡(luò)做不了人臉識(shí)別，但實(shí)際上它做得很好。

阿維娃·魯特金：您那時(shí)為什么認(rèn)為神經(jīng)網(wǎng)絡(luò)做不了人臉識(shí)別？

揚(yáng)·勒坎：那時(shí)，神經(jīng)網(wǎng)絡(luò)的確很擅長(zhǎng)識(shí)別一般類(lèi)別的物體，比如小轎車(chē)或是椅子，神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)分離提取“椅子形狀”或“小轎車(chē)形狀”的物體，而不管物體是什么特定類(lèi)型或處于什么姿勢(shì)。但是，對(duì)于識(shí)別某個(gè)種類(lèi)的鳥(niǎo)、狗或是植物、面孔，你需要細(xì)粒度識(shí)別（fine-grained recognition），因?yàn)槟憧赡苡谐汕先f(wàn)甚至數(shù)百萬(wàn)個(gè)類(lèi)別，而不同類(lèi)別之間的差別是非常細(xì)微的。

我本來(lái)以為深度學(xué)習(xí)不是細(xì)粒度識(shí)別的最好方法，以為有其他方法能做得更好，結(jié)果我錯(cuò)了。我低估了我們自己技術(shù)的能力，有很多事情我可能認(rèn)為現(xiàn)在很困難，不過(guò)一旦技術(shù)獲得擴(kuò)展，將來(lái)就能做到。

阿維娃·魯特金：Facebook最近推出了一款測(cè)試，給一臺(tái)電腦《指環(huán)王》中的一段文字，然后提出相關(guān)問(wèn)題讓它回答，這是Facebook給機(jī)器設(shè)計(jì)的新智能測(cè)試的例子嗎？

揚(yáng)·勒坎：這是以前研究工作的后續(xù)，使用了相同的基礎(chǔ)技術(shù)。這款測(cè)試的研究團(tuán)隊(duì)提出了機(jī)器應(yīng)該能回答出來(lái)的問(wèn)題。給出一個(gè)故事，回答這個(gè)故事的相關(guān)問(wèn)題。一些問(wèn)題只不過(guò)是簡(jiǎn)單的事實(shí)。如果我說(shuō)“阿里拿起他的手機(jī)”然后問(wèn)“阿里的手機(jī)在哪里？”人工智能系統(tǒng)應(yīng)該回答“手機(jī)在阿里的手里”。

但是，如果是一個(gè)人物到處移動(dòng)的完整故事呢？我可以問(wèn)，“那兩個(gè)人在相同的地方嗎？”你得知道物理世界是什么樣的才能回答出這些問(wèn)題。

要回答諸如“現(xiàn)在房間里有幾個(gè)人？”的問(wèn)題，你就得記得有幾個(gè)人進(jìn)入房間，就需要推理。

阿維娃·魯特金：我們需要先教會(huì)機(jī)器常識(shí)，才能讓它們預(yù)測(cè)未來(lái)嗎？

揚(yáng)·勒坎：不，我們可以同時(shí)教。如果我們能訓(xùn)練人工智能系統(tǒng)預(yù)測(cè)未來(lái)，它就能通過(guò)預(yù)測(cè)推斷出它看到的這個(gè)世界的結(jié)構(gòu)。體現(xiàn)這一點(diǎn)的有一種很酷的神經(jīng)網(wǎng)絡(luò)叫做Eyescream，能產(chǎn)生看起來(lái)比較自然的圖像。你可以讓它畫(huà)一架飛機(jī)或是一座教堂，而且對(duì)已經(jīng)訓(xùn)練的事物，它能生成看起來(lái)可信的圖像。能夠生成圖像，這是難題的一部分。如果你想預(yù)測(cè)視頻中接下來(lái)會(huì)發(fā)生什么，你就必須先有一個(gè)能生成圖像的模型。

阿維娃·魯特金：一個(gè)模型能預(yù)測(cè)什么類(lèi)型的事物？

揚(yáng)·勒坎：如果你把一個(gè)視頻展示給一個(gè)人工智能系統(tǒng)，然后問(wèn)它，“視頻的下一幀看起來(lái)會(huì)是什么樣的？”其實(shí)這個(gè)問(wèn)題并沒(méi)有那么復(fù)雜。移動(dòng)物體很可能沿著原來(lái)的方向繼續(xù)移動(dòng)。但是，如果你問(wèn)這個(gè)視頻1秒之后看起來(lái)是什么樣的，可能會(huì)發(fā)生很多不能預(yù)測(cè)的事情。所以，人工智能系統(tǒng)需要經(jīng)過(guò)困難的時(shí)間來(lái)做出很好的預(yù)測(cè)。

如果你正在看一部希區(qū)柯克的電影，我問(wèn)你“15分鐘后，電影的劇情將會(huì)如何發(fā)展？”你就必須推斷出誰(shuí)是兇手。要完全解決這個(gè)問(wèn)題就需要深入了解世界和人性，正是這一點(diǎn)很有趣。

阿維娃·魯特金：5年后，深度學(xué)習(xí)將會(huì)如何改變我們的生活？

揚(yáng)·勒坎：我們正在探索的一個(gè)想法是個(gè)人數(shù)字管家。在Facebook，我們把該研究稱(chēng)為“M項(xiàng)目”（Project M）。個(gè)人數(shù)字管家是M項(xiàng)目的長(zhǎng)遠(yuǎn)科幻版，就像科幻電影《她》（Her）描繪的那樣。

［資料來(lái)源：New Scientist］［責(zé)任編輯：岳 峰］