Facebook人造大腦背后的人

蔡立英/編譯

?

Facebook人造大腦背后的人

蔡立英/編譯

揚·勒坎，紐約大學計算機科學教授，Facebook人工智能科學首任總監。他試圖構建對圖像和文字具有高級理解力的人工神經網絡：能理解一張圖片或一個故事中有什么內容，是如何構成的，以及下一步可能會發生什么

● 在《新科學家》雜志記者阿維娃·魯特金（Aviva Rutkin）對揚·勒坎（Yann LeCun）的采訪中，這位Facebook人工智能總監指出：如果電腦學會人類常識，人工智能將給我們的生活帶來真正沖擊。

阿維娃·魯特金：您正在嘗試讓基于神經網絡的人工智能變得更聰明，面臨哪些大的挑戰？

揚·勒坎：面臨的大挑戰是無監督學習（unsupervised learning），即機器僅僅通過觀察世界就獲得常識的能力，對此我們還沒有算法。

阿維娃·魯特金：為什么人工智能研究人員關注常識和無監督學習？

揚·勒坎：因為這種學習方式是人類和動物最常用的，我們人類的所有學習幾乎都是無監督學習。我們通過觀察和體驗來學習世界是如何運轉的，而無需他人告訴我們每個事物的名字。那么，我們如何讓機器像動物和人類一樣以一種無監督的方式學習呢？

阿維娃·魯特金：2015年 11月，Facebook展示了一個人工智能系統，能回答一幅圖中發生什么故事這樣的簡單問題，這是通過人類提供解釋性意見訓練的嗎？

揚·勒坎：這個系統結合了人類的注釋以及人工產生的問題和答案，圖中已有所含物體的列表或相關說明。從這些內容中，我們能產生關于圖中物體的相關問題和答案，然后訓練人工智能系統在提問時使用答案。

阿維娃·魯特金：是否有某些類型的問題會讓您的人工智能系統有所困惑？

揚·勒坎：有，如果你問的是概念性的東西，那么人工智能系統將不能很好回答，因為它受訓的是特定類型的問題，比如關于物體的存在與否，或是物體之間的關系，但是它也有很多事情做不了，還不是一個完善的系統。

阿維娃·魯特金：這個系統能用于自動捕獲圖片嗎？

揚·勒坎：捕獲圖片使用的是一種稍微不同的方法，但是類似。當然，這個功能對于使用Facebook的視障人士會很有用，或是當你正在開車，某人發給你一張圖片，而你不想看手機，這時你就可以問人工智能系統“圖片中有什么？”

目前，人工智能系統只能告訴你這張圖片是什么類型的，是室外還是室內圖片，是否有落日或其他物體。然后，它會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：您是說人工智能系統并不知道這些物體之間的關系？

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

阿維娃·魯特金：您預見到神經網絡還有哪些其他的潛在用途？

揚·勒坎：在生物學和基因組學領域，可以做很多有趣的研究。比如，加拿大多倫多大學布倫丹·弗雷（Brendan Frey）的研究表明，可以訓練深度學習系統模擬生化儀器，讀取DNA、合成蛋白質。使用深度學習系統，可以推斷出基因組多種變化和特殊疾病之間的關系，這些疾病非單個基因突變所引起，卻可能由多種因素所導致。因為有這種有力的工具，醫學領域將取得很多進步。

阿維娃·魯特金：是否存在深度學習和您的圖像闡釋系統無法解決的問題？

揚·勒坎：確實存在我們目前無法解決的問題，但是誰知道我們將來就不能解決？比如，倘若10年前你問我，“做人臉識別，我應該使用卷積網絡（一種人工神經網絡）還是深度學習”，我原本可能會回答神經網絡做不了人臉識別，但實際上它做得很好。

阿維娃·魯特金：您那時為什么認為神經網絡做不了人臉識別？

揚·勒坎：那時，神經網絡的確很擅長識別一般類別的物體，比如小轎車或是椅子，神經網絡擅長分離提取“椅子形狀”或“小轎車形狀”的物體，而不管物體是什么特定類型或處于什么姿勢。但是，對于識別某個種類的鳥、狗或是植物、面孔，你需要細粒度識別（fine-grained recognition），因為你可能有成千上萬甚至數百萬個類別，而不同類別之間的差別是非常細微的。

我本來以為深度學習不是細粒度識別的最好方法，以為有其他方法能做得更好，結果我錯了。我低估了我們自己技術的能力，有很多事情我可能認為現在很困難，不過一旦技術獲得擴展，將來就能做到。

阿維娃·魯特金：Facebook最近推出了一款測試，給一臺電腦《指環王》中的一段文字，然后提出相關問題讓它回答，這是Facebook給機器設計的新智能測試的例子嗎？

揚·勒坎：這是以前研究工作的后續，使用了相同的基礎技術。這款測試的研究團隊提出了機器應該能回答出來的問題。給出一個故事，回答這個故事的相關問題。一些問題只不過是簡單的事實。如果我說“阿里拿起他的手機”然后問“阿里的手機在哪里？”人工智能系統應該回答“手機在阿里的手里”。

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

要回答諸如“現在房間里有幾個人？”的問題，你就得記得有幾個人進入房間，就需要推理。

阿維娃·魯特金：我們需要先教會機器常識，才能讓它們預測未來嗎？

揚·勒坎：不，我們可以同時教。如果我們能訓練人工智能系統預測未來，它就能通過預測推斷出它看到的這個世界的結構。體現這一點的有一種很酷的神經網絡叫做Eyescream，能產生看起來比較自然的圖像。你可以讓它畫一架飛機或是一座教堂，而且對已經訓練的事物，它能生成看起來可信的圖像。能夠生成圖像，這是難題的一部分。如果你想預測視頻中接下來會發生什么，你就必須先有一個能生成圖像的模型。

阿維娃·魯特金：一個模型能預測什么類型的事物？

揚·勒坎：如果你把一個視頻展示給一個人工智能系統，然后問它，“視頻的下一幀看起來會是什么樣的？”其實這個問題并沒有那么復雜。移動物體很可能沿著原來的方向繼續移動。但是，如果你問這個視頻1秒之后看起來是什么樣的，可能會發生很多不能預測的事情。所以，人工智能系統需要經過困難的時間來做出很好的預測。

如果你正在看一部希區柯克的電影，我問你“15分鐘后，電影的劇情將會如何發展？”你就必須推斷出誰是兇手。要完全解決這個問題就需要深入了解世界和人性，正是這一點很有趣。

阿維娃·魯特金：5年后，深度學習將會如何改變我們的生活？

揚·勒坎：我們正在探索的一個想法是個人數字管家。在Facebook，我們把該研究稱為“M項目”（Project M）。個人數字管家是M項目的長遠科幻版，就像科幻電影《她》（Her）描繪的那樣。

［資料來源：New Scientist］［責任編輯：岳 峰］