當今世界人工智能領域，有三位頂級專家被業內奉為“神一樣的人物”，其中兩位來自加拿大，一位來自法國。他們分別是加拿大多倫多大學的GeoffreyHinton和蒙特利爾大學的終身教授YoshuaBengio，以及Facebook人工智能研究部門(FAIR)負責人YannLeCun(下稱“LeCun”)——這位來自巴黎的學者目前擔任紐約大學終身教授，他還是紐約大學數據科學中心的創始人。

[[189702]]

YannLeCun在今年3月走進中國的大學，在清華大學和上海紐約大學分別進行了兩場人工智能的頂尖對話，并接受了第一財經記者的獨家專訪。

讓機器擁有常識

LeCun是法國學界非常引以為豪的科學家，也是在美國科技巨頭公司中擔任要職的為數不多的法國人。雖然同為“極客”，但法國人獨特的氣質讓LeCun和很多美國科學家相比，看起來更加隨意、富有親和力。

1987年LeCun從巴黎第六代大學的計算機系畢業后，就去了多倫多大學讀博士后，師從“神經網絡之父”GeoffreyHinton，Hinton也是將深度學習技術帶入谷歌的人。博士后研究結束后，LeCun就一直工作生活在美國，先后任職于貝爾實驗室、AT&T等大公司。2008年他創立了一家從事大數據挖掘的咨詢公司YLC，直到目前，他還擔任他所創立的另一家從事音樂制作和教育公司的首席科學官。

目前LeCun領導著Facebook人工智能研究部門近百人的團隊。他的工作是推進人工智能的基礎科學與技術研究;通過實驗來發展人工智能技術在各個領域中的實際應用，如計算機視覺、人機對話系統、虛擬助手、語音識別和自然語言處理(NLP)等。

“人工智能的背后存在很多基礎科學，它們也許并不面向應用，你的研究可能只是通向對智能和人工智能的理解。”LeCun對第一財經記者表示。

LeCun開辟了將神經網絡運用于機器視覺的先例。五年前，其帶領研究人員在圖像識別的準確性上，取得了巨大的突破，這背后的技術——人工神經網絡，促成了近年來人工智能的繁榮，也使得谷歌和Facebook得以讓人們在自己的相冊中使用搜索功能，并促成了一批使用面部識別的應用程序問世。

訓練機器如何學習是LeCun的團隊最重要的工作。過去很長一段時間，他們給機器“喂”了成千上萬張圖片，來教會機器區分諸如“汽車”和“小狗”。不過LeCun在這個過程中也拋出了新的問題：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?

LeCun表示，人工智能發展的一大難題就是怎么樣才能讓機器掌握人類常識，這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能系統：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。

“人們花了很多年來研究如何給圖片和視頻自動加入字幕或描述，從目前的技術來看，確實也已經出現了令人印象深刻的實現方式。”LeCun對第一財經記者表示，“但實際上，它們并沒有看起來的那么令人驚艷，那些機器的專業上很大程度受限于人們訓練它的環境。你如果向機器展現非常規的情況，大多數機器就會不知所措，因為它們不具備常識。”

LeCun認為，在機器視覺領域還有很大的進步空間，機器視覺的下一個突破將會是以自主觀察世界的方式進行學習，比如通過觀看視頻來進行學習。這也意味著未來計算機可能會像嬰兒學習那樣掌握常識性的知識。

關于機器視覺如何與常識相聯系，LeCun說，就連Facebook內部也有很大分歧。“一些人認為可以與智能系統只進行語言交流，但是語言是一個相當低帶寬(lowbandwidth)的渠道，信息密度很低。語言之所以能承載很多信息，是因為人們擁有大量的背景知識，也就是常識，來幫助他們理解這些信息。”LeCun解釋道。

一些人工智能科學家認為，給人工智能系統提供足夠信息的唯一方式是加入視覺認知，因為影像會比語言的信息密度高得多。比如，你告訴機器“這是一部智能手機”，“這是一輛壓路機”，“有些東西你可以推動它而有些不可以”等等，也許機器能夠學會這個世界的基礎運作原理。對此，LeCun表示：“這跟嬰兒的學習方式類似。然而，幼兒在學習很多事情的時候并不需要明確的指示。”LeCun認為在沒有指導的過程中的學習才是他想要達到的。

他表示，Facebook很想做到的一點是，讓機器通過觀看視頻或觀察其他東西來認識現實世界中的很多局限性，這最終會讓它們建立起常識。“目前機器還十分好騙，那是因為它們對這個世界缺乏基本理解。”LeCun說，“比如將來你給機器看一小段視頻，然后機器就能預測接下來會發生什么。如果我們能訓練系統做到這一點，那么我們就已經創造了無監管指導的機器學習的核心技術。這是我們人工智能宏圖的重要組成部分。”

卷積神經網絡

在超過20年的研究歷程中，LeCun累計發表了超過180篇論文，他最廣為人知的研究是1988年參與開發著名的卷積神經網絡(convolutionalneuralnetwork,CNN)，因此LeCun在業內也被稱為“卷積神經網絡之父”。

卷積神經網絡是近年發展起來的一種高效識別方法。其最初的概念形成要追溯到上世紀60年代，科研人員在研究貓腦皮層中用于局部敏感和方向選擇的神經元時，發現其獨特的網絡結構可以有效降低反饋神經網絡的復雜性，繼而提出了卷積神經網絡。

現在，卷積神經網絡已經成為眾多科學領域的研究熱點之一，特別是在模式分類領域，由于該網絡避免了對圖像的復雜前期預處理，可以直接輸入原始圖像，得到了更為廣泛的應用。這種革命性的系統從一開始能夠識別手寫數字，并且隨著數據訓練的不斷持續，能夠開始從圖片像素中識別視覺特征，這就像為計算機打開了雙眼，讓它們可以從數據中自我學習。

LeCun對第一財經記者表示：“如今深度卷積網絡已可用于解決包括目標識別在內的各類計算機視覺問題。并且，隨著網絡深度不斷增加，還出現了可用于圖像識別、語義分割、ADAS等眾多場景的新型深度卷積神經網絡結構。”

Facebook目前正在使用機器學習實現一系列不同的功能，這些功能包括人臉識別，機器能從網上識別出人臉，即使這個人的臉未被標注，因為這一技術是基于模擬人腦的神經網絡實現的。

這些網絡能夠被訓練，并識別信息中的模式，包括語言、文字數據或者視覺圖像，也是近幾年來大量的人工智能研發的基礎。機器系統的下一步任務將是通過觀察現實世界，學習世界的運作方式，其中一種方法是通過與智能手機和可穿戴技術的互動來學習。

從事人工智能領域研究20多年來，LeCun的目標就一直是希望賦予機器更大的能力，讓機器變得更加聰明。他對第一財經記者表示，在Facebook還有很多想做的事情，還有很多使命尚待完成。“我希望能在Facebook看到新技術的應用，讓我們的研究變得更有意義，通過提升機器的深度學習能力，將它變成智能機器。”

LeCun還認為人工智能未來能夠無所不能，包括預測人們的行為。“機器的下一步是能夠通過觀察現實世界的萬物來進行學習，并且預測。”LeCun在最新發布的推特和Facebook中，多次強調“無需監管和指導(unsupervised)的機器人前景可觀”。

他認為，在進入到人工智能下一個階段的突破時，Facebook面臨的最大挑戰將是如何通過機器學習將最好的內容與個人需求相匹配。去年4月，Facebook在F8大會上推出了Chatbot聊天機器人，能夠幫助人們完成訂餐和行程安排等任務。在LeCun看來，聊天機器人的終極目標是成為個人的虛擬助理，通過人工智能技術來連接人類和現實世界，執行日常生活中的任務。

LeCun對第一財經記者表示：“盡管短期我們還只能從一些簡單的功能應用開始做，但我們的遠期目標是建立一個真正的智能機器，讓你可以與它直接對話，它需要能回答任何問題，并對你的生活提供幫助。這件事對于當今的人工智能而言非常具有挑戰性，人機對話系統、自然語言處理，所有這些的基礎在于讓機器學會人類的常識。我們現在還不知道到底應該怎么做，但我們對此有很多想法。”

人工智能是長期投資

針對目前全球科技巨頭在人工智能方面的激烈競逐，LeCun對第一財經記者表示：“沒有誰跑在前面。許多公司都在做著大量的人工智能研發，對于人才的競爭也很激烈，但現在并沒有誰發明了遠遠領先于其他公司的新技術。”他補充道，沒有哪家公司的新技術是需要別人花費三個月以上才能趕上的，大家的水平都很接近。處于第一梯隊的包括Facebook、谷歌的DeepMind、微軟和IBM。

對DeepMind發明的AlphaGo取得的成功，他表示：“這是人工智能領域的偉大勝利，我的一些學生和博士后參與了DeepMind的項目，這一成就建立在所有人的努力之上。”事實上，分析圍棋棋盤并決定落子位置的系統實際上正是LeCun發明的卷積神經網絡。不過他也承認，Facebook對圍棋的研究并不多，和DeepMind的系統相比體量相差很多。“我們的圍棋研究主要作為計劃和勘探研究的載體。我們的系統工作得不錯，然后我們把它開源了。”

在人工智能的商業化方面，LeCun表示：“基礎研究的影響在比較長時間后才能體現出來。你不能幻想種下一顆種子，然后就突然冒出了實體產品線，商業形式就能發生徹底改變。這是一種長期投資，它需要的是有遠見的人，這樣的人谷歌有，Facebook也有。”

Facebook最近傳出正在組建消費品部門的消息，對此LeCun向第一財經予以證實，不過他表示，新部門與他所負責的人工智能部門是兩個獨立的團隊，并沒有直接的聯系。Facebook確實在研發消費市場的人工智能技術，有些是軟件應用，有些是硬件，比如AR、VR和機器人等。“我們正在打造一個人工智能的生態系統，能夠將各個部件與人的生活相連接。”

LeCun主張研究成果的開放，讓更多人了解自己正在從事的研究。他表示：“要和大學實驗室保持良好關系，讓這些機構為你輸出各類人才，進行各種可能的研究，就必須要開放項目和成果。假設你是一名科研人員，你肯定總是想公開發表你的研究成果，對于科學家來說這很重要，因為你的地位在于學術影響。你不能簡單地告訴人們‘我正在為Facebook工作，但我不能告訴你們我在研究什么’，這樣你的職業生涯就毀了，這很重要。”

人工智能科普大使

機器學習和深度學習等人工智能范疇的概念已經開始逐漸被普通人接受，但真正要理解和表達，對大多數人來說仍然十分困難。為此，LeCun近年來頻頻走進全球高校，積極推動人工智能方面的科普工作，他對第一財經記者表示：“幫助公眾理解人工智能，對于推動整個行業的發展非常重要。”

在中國的行程中，LeCun還參觀了中科院模式識別國家實驗室。他在Facebook中發布的一張和中科院科研人員的合影中寫道：“很高興得知中國已經有了多個人工智能的國家級項目。”

他表示：“中國海外投資是很有意思的現象，中國公司的投資途徑基本上是先在本土建立生態圈，再逐漸滲透到國外，進行海外擴張。事實上當我們看到越來越多中國企業投資海外項目時，也應該看到很多歐洲和美國的企業正在投資中國的人工智能領域。這種資本的流動是技術發展的必然。”

LeCun還表示，在一些人工智能的領域，中國已經超過美國領先全球。比如在深度學習方面，根據去年11月美國政府發布的報告，中國發表的文章已經超過美國。

但是和美國的科技巨頭相比，中國的研究和技術仍然有差距。LeCun認為，兩國的人工智能科研實驗室存在很大差別，“Facebook和谷歌DeepMind的人工智能實驗室真的是研究非常超前的東西，比如預測學習和人工智能的未來趨勢，這是我在其他任何公司都沒有看到過的。”

盡管人工智能在中國的應用已經無處不在，從緩解城市交通擁堵，到為司法系統注入透明度。但是現在中國面臨的最大問題是專業人才緊缺。

針對人工智能領域激烈的人才競爭，LeCun表示：“中國占全球五分之一人口，這里擁有非常多的人才，扎克伯格非常重視中國市場。我們也和中國的大學和院校進行人工智能以及很多其他方面的基礎研究合作，這對Facebook是有深刻意義的，但這不是說我們已經在中國開展業務了。”

人工智能的快速發展，不斷帶來驚喜的同時，也引發了各種擔憂。有一種擔憂認為Facebook正在使用人工智能去監視人們的行為。另外，隨著人工智能的迅速增長，很多人擔心機器人很快就會代替人類，甚至掌管整個世界。

LeCun表示：大可不必如此擔心。“盡管人工智能發展安全系統的學習曲線是在向上的趨勢，但機器最終還是會被人文社會均衡所控制。也許一個假設情境中的對沖基金可以通過破壞經濟體系幫助人類實現收益最大化，但是這些行為最終會受到社會和法律制度的約束。”

LeCun曾在自己的Facebook上貼出一張美國漫畫作家比爾·沃特森(BillWatterson)的著作《凱文的幻虎世界》(CalvinandHobbes)中的一張漫畫，圖中6歲的男孩和老虎躺在草坪上，他們并不能明白對方的世界。漫畫中寫道：“如果我都不知道你為什么大笑，我們的生活將沒有太多的共鳴。”這段話也是LeCun對于人工智能和人類關系的總結：有機遇也有挑戰，充滿著迷人和激情的色彩，但又讓人有未知的恐懼。