专访Facebook人工智能实验室负责人Yann LeCun:错过DeepMind也不算一件坏事

Yann LeCun是人工智能界的著名学者,现任Facebook人工智能研究部门的主管。就在上周,LeCun作为神经网络的先驱获得了Lovie终身成就奖,Business Insider专访了这位来自巴黎的学者。

Synced (4).jpg

Yann LeCun 教授是人工智能三巨头之一(另两位是 Hinton 与 Bengio),在 20 余年的研究历程中,他已累积发表了超过 180 篇论文,现在 LeCun 是 Facebook 人工智能研究机构的主管。

他最广为人知的研究在 1988 年,LeCun 参与开发了著名的「卷积神经网络」,可以识别手写数字。随着数据训练的不断持续,这种革命性的系统开始从图片像素中识别视觉特征,这就像为计算机打开了双眼,让它们可以从数据中自我学习。

我们在上周 LeCun 刚刚获得 Lovie 终身成就奖之后见到了这位来自巴黎的学者,并专访了他。

问:谈谈你的部门在 Facebook 中的角色吧。

:我领导的部门:FAIR(Facebook Artificial Intelligence Research)的任务——我们总称自己为「FAIRies」——是推进人工智能的科学与技术;并通过实验发展这一技术在各个领域中的应用,如计算机视觉,对话系统,虚拟助手,语音识别,自然语言识别等等。

人工智能的背后存在很多基础科学,它们也许并不面向应用,你的研究可能也只是通向对智能和人工智能的理解。

我们也同 Facebook 的另一个小组合作研究,应用机器学习团队(AML),他们的人数是我们的一半。是它们将科学转化为可见的技术,通过为公司构建应用平台,他们正将人工智能服务变为产品团队可以使用的东西。所以我得说 Facebook 里有很多人都在做着 AI 相关的工作,不仅仅是 FAIRies。

问:你能说说有多少人在你的实验室里工作吗?

:当然,有大约 75 个人正在 FAIR 工作,就像我说的,AML 的两倍,公司中还有很多其他人处理 AI 应用方面的事务。

问:FAIR 的员工仅在加利福尼亚,还是遍布全球?

:有一些员工在纽约工作,我也在那里。此外,Menlo Park(Facebook 总部所在地,位于加利福尼亚州)和巴黎也有一些成员,还有一个小团队在西雅图。

Capture.PNG

Facebook 在 Menlo Park 的总部

问:你认为 Facebook 的哪个部分可以用人工智能加以改善?

:Facebook 面临的最大问题,时刻需要解决的问题,就是我们需要将最好的内容向每个人呈现。所以你必须理解内容,理解每个人,然后把内容和对它们感兴趣的人相匹配。这是非常重要的一个方面。只有做到这一点,人们才会选择 Facebook Feed。

而在这之上,我们的远期目标,是建立一个真正的智能机器,让你可以与它直接对话,它需要能回答任何问题,并对你的生活提供帮助。这件事对于当今的人工智能而言非常具有挑战性。对话系统,自然语言识别,所有这些的基础在于让机器学会人类的常识。我们现在还不知道到底应该怎么做,但我们对此有很多想法。

问:所以,比如我是一个 Facebook 的用户,我厌倦了 News Feed 里面晒娃的消息,我能用自然语言告诉 Facebook 让它屏蔽这类推送吗?

答:这是一种方式,但其实是一种非常不方便的方式,让人告诉 Facebook 怎么做。如果我们拥有了对话系统,你可以对它说:「请不要再推送婴儿照片了。」但是现在已有的方式是 Facebook 通过学习用户习惯知道了你不看这些图片。你或许会很快地浏览这些图片,或者点击它们但没有评论之类。所以我们已经可以通过你的习惯了解你的兴趣所在了。

问:你觉得目前的人工智能军备竞赛谁是赢家?

答:没有谁跑在前面。有许多公司正在做着大量的人工智能研发,对于人才的竞争也很激烈,但现在并没有谁发明了远远领先于其他公司的新技术,我是说需要别人花费三个月以上才能赶上的新技术。我认为有三四家公司现在处于第一集团,Facebook,谷歌——特别是其中的 DeepMind,其实我的意思是 Alphabet,它已经不是谷歌的一部分了——还有微软,人工智能是他们的传统优势项目,IBM 也进步了很多。然后才是其他很多公司。

问:你提到了谷歌和 DeepMind。DeepMind(以创纪录的 40 亿英镑价格被谷歌收购)开发了 AlphaGo,击败了围棋的世界冠军,我听说 Facebook 也在这一领域有所研究,当 DeepMind 超过你们的时候你是否很失望?

答:不不,我们没有失望,因为这是整个人工智能领域的伟大胜利。我的一些学生和博士后参与了 DeepMind 项目。分析围棋棋盘并决定落子位置的系统实际上是卷积神经网络,这是我的发明。所以说这一成就建立在所有人的努力之上。我们 Facebook 对围棋的研究不多,基本上只有两个人在做。我们的围棋研究主要作为计划和勘探研究的载体。我们做这个,我们的系统工作得不错,然后我们把它开源了,这跟 DeepMind 的系统相比体量相差很多。

问:在人才方面,你们如何保证 Facebook 可以招揽人工智能最好的人才?

:你知道,这需要和大学实验室保持良好关系,这些机构输出各类人才,进行各种可能的研究,同时项目和成果也是公开的。事实上,对于 FAIR 而言,公开性不止于可能,而是需求。假设你是一名研究者,你肯定总是想公开发表你的研究成果,对于科学家来说这很重要,因为你的地位在于学术影响。而要有影响,你不能简单地告诉人们「我正在为 FAIR 工作,但我不能告诉你们我在研究什么」,这样你的职业生涯就毁了。这很重要,我觉得在这一点上我们领先于其他公司,同时在 Facebook 你可以和世界上最棒的同事们交流。

我们还在做很多事,都有关和学术界保持良好关系。

问:进去工作的薪水是多少?

:哦,这是很重要的,特别是现在我们还在和微软,谷歌及其子公司竞争的情况下。但是其他的基本待遇也要给到,如果条件不够好,那么都没人愿意过来了。

问:你能大概告诉我们顶级 AI 从业人大概的薪水吗?

:不,我不能。

问:你的聊天机器人 M 现在怎么样了?

:最初 M 只是一个研究人们是怎样使用类人虚拟助手的试验,不过 M 的大多数工作实际上是由人类完成的。也就是说你不能把它扩展到数以百万计的用户,这也就是为什么我们把用户数量限制在很小的范围内。随着研究的进展,我们学到了很多人类会问的问题,开始让机器执行一些人类的工作,并为特定领域开发了一些相对专业的机器人,这就是它的现状。所以相对专业的机器人都是在电影,餐厅或别的什么地方。而能回答任何问题的机器人的基础研究还在网页里,比如在维基百科上,这还处于研究阶段。

问:你们正在倡导与 AI 伙伴关系,Facebook 如何确保人工智能发展的伦理和安全?

:对于人工智能,现在还有一些真实存在或想象下的危险。如像终结者那样的危险情况,或者是 Nick Bostrom 书中的超级智慧(Superintelligence),你知道他说人们本来想要开发一个高效制造回形针的人工智能,最后整个银河系都会塞满回形针。这不是我们需要但有的,因为我们的技术水平还差得很远。而且现在已有各种会议,研讨会,论文等正在讨论更远未来超级智能机器的伦理问题。

我们现在努力解决的 AI 伙伴关系问题在于如何让人工智能系统不出现偏见,比如,数据中可能会有偏见。举个例子,我们并没有驾驶自动驾驶汽车,但是如果你是在建立一个机器学习系统让它自己驾驶汽车,你就想彻底地测试它,不过由于最佳的实践方案还不完全清楚,所以我们还有很多工作要做。

问:有传言说 Facebook 一度考虑收购 DeepMind,Facebook 收购 DeepMind 是一个好的选择吗?

答:你也知道事情已经过去了,现在 DeepMind 还有很多优秀的人。我认为如果不是谷歌收购了 DeepMind,那么 DeepMind 的现状还要有很多不同的。

我认为 DeepMind 的挑战就是在地理上和加州的总部所隔开了,这使得他很难将技术转化为产品。所以这也在一定程度上让 DeepMind 需要靠自己生存下去。也许它会发展一些应用,例如将 AI 运用到医疗。他们十分强调公共关系,因为这对于整个团队是很重要的。特别是他们很难自己生产应用级产品,这将对他们是个巨大的挑战。

在这样一个几家公司同时为一个目标而努力的时代实在是很棒的体验,因为我们能在彼此的基础上思考问题。每当我们有个好想法,DeepMind 都会在我们想法上更进一步提升,反之亦然。有时候我们会一起工作在一个团队几天或几个月,他们基本上雇佣了我一半的学生。

问:DeepMind 基本处于 Sergey Brin 和 Eric Schmidt 的掌控中,这意味着谷歌高管们强烈支持 DeepMind,这肯定能帮助 DeepMind 把技术转化为产品,对吗?

:研究这种先进的技术,你必须获得管理层的支持,因为基础研究的影响在比较长时间后才能体现出来。你不能幻想种下一颗种子,然后技术就自然而然地有了,突然冒出了实体产品线,商业形式发生了彻底改变。你需要来自高层的支持,因为这是一种长期投资。这不是那种我投资进去,半年后就能收回成本的事情。它需要的是有远见的人,这样的人谷歌有,Facebook 也有。

本文由机器之心编译出品,原文来自Business Insider,作者:Sam Shead,转载请查看要求,机器之心对于违规侵权者保有法律追诉权。

理论
登录后评论
暂无评论
暂无评论~
返回顶部