從虛擬助手到巨大的商業效益，人工智能正在重塑信息時代，作為著名的人工智能先驅者之一，Yann LeCun又是怎么看待這一領域的發展、近期的變化和潛力的呢？

20世紀80年代中期，人工智能的研究陷入了完全停滯的狀態。首先，計算機缺乏將事情促成的處理能力，與現代智能手機相比，軟盤驅動設備在先進程度上相形見絀，直到1989年，計算機芯片才能夠容納100萬個元件，相比之下，現代的高端計算機芯片則能夠容納80億個元件。

另一個障礙也阻礙了人工智能的成形，1984年，美國人工智能協會召開了一次重大會議，行業先驅馬文·明斯基(Marvin Minsky)在會上警告商界，投資者對人工智能的熱情最終將會變成大失所望，果然，人工智能領域的投資開始劇降。

那時候，像Yann LeCun這樣的夢想家選擇了不去過多關注那些負面的東西，這是一件好事，當這位法國人加入位于新澤西的AT&T貝爾實驗室適應性系統研究部門時，他還不到30歲，在那里，他對人工智能充滿著熱情。在貝爾實驗室，LeCun開發了許多新的機器學習方法，包括模仿動物視覺皮層的卷積神經網絡，LeCun的研究也促進了圖像和視頻識別以及自然語言處理的發展。

“整個人工智能背景下的統計學習概念在1960年代末似乎消失不見了。”LeCun回憶道，“人們或多或少拋棄了它，然后在80年代末，神經網絡又重新成為人們關注的焦點。因此，當訓練多層神經網絡的學習算法在80年代中期出現時，它引起了人們的興趣。”

在捕捉這場革命的過程中，LeCun一直都極其謙遜，甚至謙遜過頭了，他的發現創造了歷史，但他卻很少提及自己的名字或成就，他不會自視非凡，事實上，他的個人網站上有一整個區域都是關于雙關語的，其中有這樣的自我告誡：“禁止酷刑的日內瓦公約以及禁止施加殘酷和非常懲罰的美國憲法，禁止我連續寫出三個以上兇殘狠毒的雙關語。”

LeCun也不愿滿足于他在計算機科學上取得的任何應得的榮譽，如今，他擔任Facebook的首席人工智能科學家，在那里他孜孜不倦地努力實現新的突破，而今天，他帶領我們進行一次特權之旅——比坐在前排看明星表演還要過癮，因為他就是這場秀的明星主角——洞悉人工智能的發展、近期的變化和潛力。

關于Yann LeCun，他在人工智能研究領域，Yann LeCun、Geoffrey Hinton 和 Yoshua Bengio一直被公認為深度學習三巨頭，他是計算機科學家，被譽為“卷積網絡之父”，為卷積神經網絡（CNN，Convolutional Neural Networks）和圖像識別領域做出了重要貢獻，以手寫字體識別、圖像壓縮和人工智能硬件等主題發表過190多份論文，研發了很多關于深度學習的項目，并且擁有14項相關的美國專利。

“人工智能”的開端

Yann LeCun和反向傳播算法

數據、人工智能和商業：天空與極限

這一點在學術界尤為明顯。在學術界，關鍵的任務不是分析處理海量的數據，而是充當LeCun所說的“新思想的先鋒”。與此同時，在尋找解決方案之前，建立人工智能戰略的企業需要自我評估。“這取決于人工智能對你的操作有多重要，”LeCun指出。“如果你只是想應用現有的人工智能方法，你可以使用許多公司提供的云服務。”這是相對容易的。“一些企業和出租技術可以幫助人工智能的部署；LeCun以蒙特利爾的AI元素為例。

對于企業來說，最大的挑戰是建立自己的工程團隊。“基本上，人工智能工程師和科學家現在需求量很大，所以你得高薪聘請他們。他們不便宜，因為他們很稀有。”

兩種學習方式，一種光明的未來

LeCun概述了構成當今人工智能基礎的兩種不同類型的學習方式：監督式學習和非監督式學習。在監督式學習中——適用于超過95%的機器學習應用——人類操作員訓練機器來逐漸提升對圖像或其他形式的輸入的識別能力。打個比方，把它看作你可以無意識地調整的旋鈕，越是調整，機器就會越接近產生你想要的那個輸出結果。

非監督式學習（或者說“自我監督式學習”）擁有著巨大的潛力，盡管它在今天的機器學習中所占的比例要小得多。“它本質上是根據我們從世界上的其他事物中感知到的東西來預測一切。”LeCun說。他以“視頻預測”為例：“給機器播放一小段視頻，然后讓它預測接下來會發生什么。”

現在的情況有點像是在預測接下來會發生什么，從而實現這種特殊的突破。但可以肯定的是，對于科學家、學者和高科技巨頭來說，追求非監督式學習有著十分巨大的吸引力。非監督式學習的好處在于，能夠完成我們目前無法完成的所有應用。”LeCun說道，“我們想要擁有智能的虛擬助手，你可以和它們交談，它們可以理解你所說的一切。它們會有足夠的背景知識來在日常生活中給你提供幫助。”

他停頓了一下。“這有點像電影《她》（Her）。你看過那部電影嗎？”簡單介紹一下：在斯派克·瓊斯(Spike Jonze)2013年執導的這部電影里，華金·菲尼克斯(Joaquin Phoenix)飾演一個孤獨的作家，愛上了他的虛擬助手，該助手由斯嘉麗·約翰遜(Scarlett Johansson)配音。原來LeCun很喜歡這部電影。

“它對人們和變得智能的虛擬助手之間可能會發生的互動刻畫得不差。”LeCun表示，“我們還遠沒有那樣的人工智能技術能讓我們制造出那樣的機器。這主要是因為現在的機器不具備常識。”

常識？但機器不是很多時候都比人類更善于做決定嗎？機器必須要有常識——它們有嗎？LeCun解釋了它們為什么沒有常識：“我們沒有能力讓機器去學習龐大的背景知識：我們在出生以后的最初幾周和幾個月里所獲得的關于這個世界的龐大背景知識——很多動物也獲得了這種背景知識。”

正因為如此，我們對機器人的一些最簡單的假設就站不住腳。“我們不可能有靈巧的機器人。”LeCun說道，“我們不可能有能夠把我們的洗碗機裝滿然后清空的家用機器人。這超出了當今機器人技術的水平，這并不是因為我們不能制造機器人。而是因為我們不知道如何給它們制造大腦。我們不知道如何訓練它們，讓它們知道該如何握住東西，如何繞過障礙物，如何裝載東西。”他補充說：“家貓都比最聰明的機器有常識得多。”

鑒于LeCun在將人工智能帶入生活中所扮演的重要角色，這聽起來或許有些輕率。但當他想到一個光明的人工智能未來在醫學等領域正以閃電般的速度逼近時，他也表現出了極大的熱情——甚至驚奇。

“對于醫學圖像分析，我們能夠訓練卷積神經網絡來從CT掃描圖或MRI（核磁共振成像）圖像檢測腫瘤，或者從皮膚圖像檢測黑色素瘤。”他稱，“我認為這將會對放射學產生深遠的影響。”

不管持有什么樣的觀點，LeCun都一直充滿著樂趣，一如當初第一天到貝爾實驗室工作的的那個二十來歲小伙。

7月8日是LeCun 58歲生日那天，他發布推文說：“深度神經網絡既漂亮，又光亮透明。”