.jpg "Facebook Yann LeCun Membahas Sahabat Digital dan Artificial Intelligence (dan Emosi)")
Yann LeCun adalah direktur penelitian kecerdasan buatan di Facebook, dan direktur pendiri Pusat New York University Sains data.
Dia adalah penulis lebih dari 180 makalah akademis, dan telah menciptakan teknologi pengenalan karakter banyak digunakan oleh bank untuk memverifikasi cek.
Ia juga salah satu pengembang terkemuka yang disebut pembelajaran dalam, kemajuan dramatis dalam pemahaman berbasis komputer.
Dalam jangka panjang, katanya dalam percakapan ini kental dan diedit, teknik komputasi canggih akan membuat mitra digital yang akan menemani kita sepanjang hidup.
Di bawah, percakapan dengan Mr LeCun:
Q.
Apa arti penting dari kecerdasan buatan?
A.
A.I. adalah bagaimana kita akan memahami semua informasi yang akan berada di luar sana di dunia digital. Banyak interaksi dengan satu sama lain dan dengan dunia digital akan datang dari apa yang Anda bisa menelepon "sahabat digital," yang akan membantu kita bekerja melalui hal-hal.
Q.
Apa artinya bagi Facebook?
A.
Facebook adalah dalam bisnis yang menghubungkan orang, memberi mereka informasi yang informatif, menghibur, bahkan jika diperlukan menyakitkan, untuk membantu mereka mencapai tujuan mereka. Berdasarkan jumlah posting, gambar dan berita seseorang biasanya mendapat, kami bisa menunjukkan 2.000 hal sehari. Tapi kali orang adalah berharga, dan kami hanya dapat menampilkan sekitar 100 sampai 150 hal sehari. Mereka harus menjadi orang-orang yang paling berguna.
Untuk melakukan itu secara efisien kita harus tahu apa yang ada di konten. Kami melakukannya dengan label gambar, mengenali wajah atau mengklasifikasikan teks. Dan kita harus tahu minat Anda, apa yang ingin Anda lakukan, yang teman-teman Anda dalam situasi yang berbeda.
Q.
Apa yang akan yang terlihat seperti di masa depan?
A.
Saya tidak mengatakan ini adalah produk masa depan, tetapi cara untuk berpikir tentang hal ini jika ada pendamping digital cerdas yang memungkinkan Anda untuk berpikir tentang hal-hal dengan cara baru, cara Anda berinteraksi dengan teman-teman, memperluas pemikiran Anda. Akan ada satu titik kontrol yang tahu dan menghormati informasi pribadi Anda.
Semacam ini A.I. akan datang secara progresif. Dalam beberapa hal, bagian ini sudah ada dalam Facebook News Feed, di Apple Siri, atau Microsoft Cortana. Mereka dangkal sekarang, dalam jenis interaksi Anda mengalami. Mereka agak scripted.
Q.
Bagaimana pembelajaran dalam, atau kemampuan untuk mesin untuk mencari tahu hal-hal sendiri, bekerja?
A.
Dalam pembelajaran memungkinkan interaksi yang kompleks. Mesin harus kembali melalui berbagai tingkat pemecahan masalah dan memikirkan langkah butuh ketika hal-hal menjadi berbeda. Ketika Anda bermain catur, pada titik tertentu Anda membuat kesalahan, Anda dapat kembali beberapa langkah yang "benar" untuk menemukan satu yang salah. Bila Anda jatuh dari sepeda, Anda pikirkan ketika Anda kehilangan keseimbangan. Dalam belajar melakukan itu. Tugas kredit dalam latihan pembelajaran yang mendalam bisa puluhan, bahkan ratusan, dari level.
Q.
Kau membuatnya terdengar begitu mudah.
A.
Kami memiliki cara untuk mewakili objek dengan apa yang kita sebut vektor, yang merupakan string panjang angka. Vektor untuk "kucing" mirip dengan vektor untuk "anjing," sehingga hubungan dekat. Akan lebih lanjut selain untuk objek simbolis. Sistem ini bertujuan asosiasi untuk menentukan makna.
Q.
Bagaimana Anda membuat sebuah sistem yang memiliki vektor yang baik, yaitu, dapat memilih untuk mewakili kata berbeda, tergantung pada konteks? Bagaimana Anda membuatnya belajar aturan bahasa, misalnya?
A.
Tomas Mikolov, yang melakukan pekerjaan pascasarjana dan berada di Google sebelum dia datang ke sini, telah melakukan banyak pekerjaan pada hubungan bahasa berbasis vektor, apa yang kita sebut "kata untuk vec." Anda menunjukkan urutan kata-kata, satu menuju logis yang lain lebih, mengatakan, 11 kata. Anda dapat meminta apa kata di tengah adalah, dan akan memprediksi itu. Dalam melakukan hal sistem pembelajaran untuk mewakili kata-kata individu untuk arti keseluruhan.
Kami sedang bekerja pada representasi vektor bahasa yang dapat Anda gunakan untuk bahasa lain. Itu melibatkan mencari tahu bagaimana membuat teks bermakna bagi orang lain.
Q.
Anda bisa bekerja di mana saja. Mengapa Facebook?
A.
Pemecahan A.I. akan memerlukan kontribusi dari industri teknologi, akademisi dan pemerintah. Dan itu harus dilakukan di tempat terbuka. Ada sangat sedikit perusahaan yang dapat melakukan pekerjaan ini.
Apple benar-benar rahasia, jadi itu bukan tempat yang baik untuk mencoba dan melakukan hal ini. Google sebagian rahasia. Mereka memiliki budaya penelitian hibrida, bersama insinyur dan tidak banyak bicara. Google X merupakan penelitian modell rahasia Anda tidak bisa mengharapkan terobosan dari sana. Dalam Pikiran, A.I. Google bekerja di Inggris, lebih terbuka, jadi saya lebih optimis tentang model di sana.
Facebook memiliki budaya keterbukaan dalam DNA-nya. Banyak perangkat lunak dan perangkat keras kita terbuka. Ia melihat dirinya sebagai sebuah perusahaan pada dasarnya terbuka, dan dalam bisnis yang menghubungkan orang. Kami merilis banyak kode open source, menerbitkan banyak pada apa yang kita lakukan.
Bagaimana kita akan menyebarkan A.I. komersial, kita tidak akan berbicara tentang itu. Itu tidak penting untuk penelitian kami, dan kami harus menjaga keunggulan kompetitif.
Q.
Apa tujuan jangka panjang?
A.
Anda tidak dapat memiliki kecerdasan tanpa motivasi atau emosi.
Q.
Anda tidak dapat membuat emosi dalam perangkat lunak.
A.
Oke, mari kita bicara tentang emosi. Orang-orang memiliki banyak representasi mental dunia yang mereka pelajari. Kami adalah mesin prediksi, dan kita mengubah dunia berada dalam keadaan yang kita sukai. Apa emosi, namun register hal yang kita suka atau tidak suka? Anda bisa memberikan nilai ini.
Sekarang, Anda makan, mereproduksi, menghindari rasa sakit, untuk memiliki atau menghindari hasil. Anda berpikir, "Jika saya tidak pergi ke sekolah, maka hidup akan menyakitkan," sehingga Anda pergi. Kami membuat prediksi ini, dan ya, banyak waktu yang kita berkonflik. Tidak ada alasan untuk berpikir kita tidak bisa mengkodekan ini dalam mesin.
Q.
Apa tantangan besar untuk membuktikan hal ini mungkin?
A.
Ada kemajuan konseptual utama yang kita masih belum tahu bagaimana membuat. Salah satu yang terbesar adalah bagaimana kita melakukan pembelajaran tanpa pengawasan.
Belajar terawasi seperti ketika Anda melatih komputer untuk mengenali gambar anjing atau mobil. Belajar Penguatan adalah di mana Anda tidak memberitahu mesin jawaban yang benar. Sebaliknya, Anda hanya mencetak kinerja. Mesin angka keluar aturan dengan mencari tahu di mana ia melakukan kesalahan.
Unsupervised learning adalah manusia yang melakukan banyak: belajar tentang bagaimana dunia bekerja dengan memiliki kepentingan dalam hal. Seorang bayi belajar bahwa ketika Anda meletakkan mainan di belakang kotak, mainan tersebut masih di dunia. Manusia dan hewan memiliki kapasitas tersebut. Kontras bahwa dengan mesin, di mana sebagian besar pembelajaran masih diawasi. Kami tidak memiliki model besar baik belum.
"VEC untuk kata" mungkin semacam pembelajaran terawasi. Kami masih hilang prinsip dasar apa pembelajaran terawasi harus dibangun di atas.
