Yann LeCun是Facebook人工智能研究中心主管，也是纽约大学数字科学中心创始负责人。他发表过180多篇学术论文，其开发的字符识别技术可以验证支票，也在银行业被广泛应用。此外，他也是深度学习领域里最卓越的开发者之一。

近日，Yann LeCun接受了纽约时报采访，他表示，从长远来看，先进的计算机技术将会创造出数字化伙伴，在人们日常生活中陪伴在我们左右。

Q. 人工智能的重要性是什么？

A. 人工智能会让数字世界生成的各种信息变得更有意义。与人工智能或是数字世界里的许多交互会带来一种所谓的“数字伙伴”，它会给人们的日常工作、生活提供帮助。

Q. 对Facebook来说这意味着什么？

A. Facebook是一家旨在将人们联系在一起的公司，如果Facebook可以获得各种类型的海量数据，肯定能帮助他们实现自己的愿景。根据人们在Facebook上发帖的内容，图片，以及各类新闻，我们可以在一天内展现2000个事件。但是人们的时间是非常宝贵的，所以我们每天只会挑选100到150个最重要、也是对用户最有帮助的事件进行推送。

为了高效地实现上述目标，理解内容是必须的，通过给图像标签，面部识别，以及文本分类，我们做到了。此外，我们还必须知道在不同的状况下，用户有什么兴趣，想要做什么，以及他们的朋友圈都有谁。

Q. 未来看上去会是什么样？

A. 前面提到的这些功能不算是Facebook未来的产品，而是一种思维方式，也就是说，如果未来人们生活中出现了一个智能数字伙伴，那么我们需要以一种全新的思维方式来思考事物了。这种方式会影响你与好友之间的交互，扩展你的想法。未来，人工智能应该是可以单点控制的，并且能够理解、并尊重用户的隐私信息。

随着时间的过去，这种类型的人工智能会日益增多。在某种程度上，Facebook News Feed中已经或多或少有了这种人工智能的影子，当然还有苹果的Siri和微软的Cortana。不过这些产品与用户的交互方式还是比较肤浅的，基本上算是一种照本宣科的方式。

Q. 深度学习，这种机器自主理解事物的能力，是如何运作的？

A. 深度学习可以支持较为复杂的交互。当遇到情况不同的事情时，机器需要回到问题的不同层级，理解问题中的每个步骤，然后逐一解决。这好比是你在复盘下棋，当你走错了一步之后，可能需要后退好几步，通过“纠错”来发现到底是哪一步走错了。当然与你从自行车上摔下来也很相似，因为你至少得明白自己是什么时候失去平衡的。深度学习就是做这些事儿的，在深度学习中，它的追究(Credit Assignment)可能有数十，甚至数百层。

Q. 听你这么说好像很简单。

A. 我们用所谓的“向量”来表达对象，向量就是很长的数字串。“猫”的向量和“狗”的向量很相似，所以它们两者之间是有紧密关联的。而对于象征性的符号对象来说，应该会有更进一步的区分，机器学习会通过在对象之间寻找关联，继而判断出它们的含义。

Q. 你是如何创建一个具有好向量的系统的，换句话说，机器学习能够根据背景环境表达不同的语义吗？比如，你是如何让机器学习语言规则的？

A. Tomas Mikolov在加盟Facebook之前在Google也从事相关工作，他做了大量基于向量的语言关系工作，我们称之为“词语到向量”关系。当你需要表达时，你需要使用一连串的词语，而且这些词语是有顺序的，从逻辑上来说，会有一个词语开头，一个词语结尾。举个例子，如果你说了一句话，其中有11个词语，提供开头和结尾的单词，你可以要求机器学习预测出中间的词语。要实现这一目标，系统需要学习每个独立的词语在句子中所表达的含义。

我们还在研究语言的向量表达，这样就能让你不太费力地理解不同语言了。

Q. 你为什么最终选择了Facebook？

A. 解决人工智能问题，需要科技行业、学术界、以及政府共同努力。就目前而言，全世界有实力涉足人工智能领域的公司还是屈指可数的。

苹果太神秘了，他们不愿与人分享技术，那里不适合研究人工智能。Google部分保密，他们有工程师进行混合研究，但也不是那么开放。Google X就是一个秘密研究部门，别期望他们会有什么突破。不过，Google在英国的人工智能项目Deep Mind相对开放的多，所以我对这个项目还是比较乐观的。

在Facebook，开放可以说已经融入到他们的基因之中了。许多Facebook的软件和硬件都是开放的。在他们眼里，自己就是一家开放的公司，因为提供社交网络服务的公司，开放是一个必不可少的企业文化。Facebook开源了很多代码，为科技界贡献了很多价值。

至于如何实现商业化人工智能，恕我不能透露太多。这与我们的研究关系不大，毕竟我们还是要保持些竞争优势的。

Q. 你们的长期目标是什么？

A. 给人工智能赋予动机和情感。

Q. 你不能在软件中渲染情感吧？

A. 好吧，让我们来谈谈情感。当人们开始了解这个世界，他们会有很多情感表达。人类自身就是一种“预知机器”，我们会按照自己喜欢的方式，以及自己喜欢的状态去改变这个世界。什么是情感？其实就是判断哪些是人类喜欢的事情，哪些是人类讨厌的事情。而这些事情其实都是可以被赋值的。就像现在，人们吃饭、繁衍、避免痛苦、赚钱、失业，所有这一切其实都是有原因的。比如你会想，如果我不去上学，以后就没法找工作，日子就会过得很苦，所以你得去学校。人工智能就是要做出类似这样的预测，当然，很多时候我们也会感到很矛盾，但是对于利用机器代码来渲染情感，其实是做得到的。

Q. 要证明你所说的这一切，有哪些困难？

A. 实际上，我们仍然不知道如何去实现一些人工智能概念。最大的困难之一，就是我们不知道如何实现“无监督学习”，也就是机器自主学习。

监督学习，举个例子，就是你需要去训练计算机去识别狗或猫咪图片。如果要巩固学习效果，方法就是不要告诉机器哪些图片是正确的。事实上，你只需给机器的表现打分就可以了。通过识别在哪里出现错误，机器可以逐渐理解学习规则。

无监督学习，则是人类的能力，换句话说，人们会通过对事物产生兴趣来了解整个世界是如何运作的。就算你把一个玩具藏在盒子后面，孩子们也会知道玩具不是消失了，它仍存在于这个世界里面。人类和动物具有这种能力。相对于机器而言，绝大多数机器的学习都是监督学习，我们目前还没有一个足够好的模型来让机器实现“无监督自主学习”。

相对于前文提到的“词语到向量”关系，“向量到词语”可能算是一种无监督自主学习，然而究竟该如何构建无监督学习的人工智能，目前我们仍缺乏基本原理支持。

via nytimes