來源：the gradient
編輯：Emil、Su
【導(dǎo)讀】LeCun的AI啟蒙竟是來自一本哲學(xué)書？他曾經(jīng)因?yàn)橛梅ㄕZ寫論文阻礙了機(jī)器學(xué)習(xí)理論發(fā)展？SSL究竟能為世界帶來什么？在最近的采訪中，他向我們娓娓道來。
近日，深度學(xué)習(xí)先驅(qū)Yann LeCun接受了Gradient Podcast的采訪，暢談了他在80年代早期的AI研究以SSL的最新發(fā)展。LeCun現(xiàn)任Facebook副總裁兼首席AI科學(xué)家和紐約大學(xué)教授，2018年ACM圖靈獎(jiǎng)得主。他在80年代率先使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像處理，是AI深度學(xué)習(xí)革命的關(guān)鍵人物。
在采訪中，LeCun首先聊到了他的早期求學(xué)和科研歷程。出于對物理學(xué)的喜愛，LeCun最早選擇了工程學(xué)作為大學(xué)專業(yè)，1983年，他從巴黎ESIEE大學(xué)畢業(yè)。
本科時(shí)，LeCun逐漸發(fā)現(xiàn)自己對科研的興趣勝過普通的工程學(xué)，特別是人類以及其他動(dòng)物智慧如何產(chǎn)生的問題。至于機(jī)器學(xué)習(xí)（當(dāng)然當(dāng)時(shí)還沒有這個(gè)學(xué)科），他的靈感則來自一本哲學(xué)書籍，書中介紹了一場上世紀(jì)70年代著名的辯論——語言學(xué)家和心理學(xué)家討論了語言究竟是先天還是后天習(xí)得的。辯論中提到了通過感知器，讓簡單的機(jī)器也能夠?qū)W習(xí)復(fù)雜的概念。這個(gè)話題啟發(fā)了LeCun。于是，他開始著手研究相關(guān)文獻(xiàn)，但是他發(fā)現(xiàn)大多數(shù)發(fā)表的內(nèi)容都集中在上世紀(jì)60年代。
阿瑟·塞繆爾在1959年發(fā)明了機(jī)器學(xué)習(xí)
到了80年代初期，專家系統(tǒng)變得炙手可熱。但LeCun覺得這類系統(tǒng)不靠譜，那時(shí)關(guān)于機(jī)器學(xué)習(xí)的想法已經(jīng)成型。他自嘲到，「可能是因?yàn)槲覒?，或是發(fā)現(xiàn)了自己能力有限，所以當(dāng)時(shí)覺得造一臺能夠進(jìn)行自我決策的機(jī)器基本是不可能的」。LeCun還對自我組織系統(tǒng)和神經(jīng)網(wǎng)絡(luò)十分癡迷，但當(dāng)時(shí)世界上進(jìn)行相關(guān)研究的人并不多，且沒有一個(gè)統(tǒng)一的組織。于是，LeCun和巴黎的一個(gè)小型獨(dú)立實(shí)驗(yàn)室聯(lián)系，開始展開自己的研究（注：當(dāng)時(shí)的皮埃爾和馬居里大學(xué)，今天的索邦大學(xué)，LeCun 1987年在那里獲得了計(jì)算機(jī)專業(yè)博士學(xué)位）。
從那時(shí)起，一些新穎的觀點(diǎn)便從眾多簡單元素的相互碰撞中產(chǎn)生了。「這正如神經(jīng)網(wǎng)絡(luò)做的那樣」。
上世紀(jì)80年代，LeCun開始著手研究反向傳播算法。
「在研究中，我意識到為什么60年代進(jìn)行的神經(jīng)網(wǎng)絡(luò)早期嘗試都失敗了，因?yàn)檠芯克娜藗兌荚谠噲D尋找網(wǎng)絡(luò)運(yùn)行的規(guī)則」。
所以LeCun開始研究用多層網(wǎng)絡(luò)來覆蓋每個(gè)神經(jīng)元，無論目標(biāo)輸出是什么，這樣的方法更容易計(jì)算出答案來。從60年代經(jīng)典的優(yōu)化控制算法中，LeCun得到了啟發(fā)，建立了反向傳播梯度算法。
1986年，LeCun曾寫過一篇關(guān)于計(jì)算機(jī)深度學(xué)習(xí)的論文，不過是用他的母語法語寫的。而且，他后來的導(dǎo)師Geoffrey Hinton看到這篇論文時(shí)，覺得寫得「十分糟糕」。但不可否認(rèn)的是，這篇論文中已經(jīng)有不少關(guān)于機(jī)器學(xué)習(xí)成熟的理論。
同之前的研究一樣，LeCun展開CNN研究的時(shí)候，靈感也來自于圖書館。從前人對于視覺系統(tǒng)的生物學(xué)研究中，LeCun發(fā)現(xiàn)了圖像的秘密。在博士即將畢業(yè)之前的6個(gè)月，LeCun開始與Leo一起開始編寫一個(gè)深度學(xué)習(xí)框架。最終他們在1989年發(fā)表論文，通過使用梯度下降方法訓(xùn)練的CNN進(jìn)行圖像識別，這成為了日后計(jì)算機(jī)視覺研究的基礎(chǔ)理論。
「當(dāng)時(shí)還沒有Python，所以我基本上使用的是自己的語言編寫的代碼」，那時(shí)由于多倫多有更好的研究條件，所以LeCun搬到了多倫多繼續(xù)自己的研究。在多倫多的前六個(gè)月進(jìn)展并不理想，以至于Hinton多次在質(zhì)疑LeCun是不是在「摸魚」。
LeCun（右）與導(dǎo)師Hinton（中）、Bengio（左）合影「我當(dāng)時(shí)在嘗試手機(jī)一些小數(shù)據(jù)集，簡而言之，就是用鼠標(biāo)把一個(gè)個(gè)字符連起來」。然而當(dāng)LeCun去貝爾實(shí)驗(yàn)室時(shí)，他被實(shí)驗(yàn)室的一個(gè)包含上千個(gè)樣本的數(shù)據(jù)集震驚到了?！府?dāng)時(shí)我想這太瘋狂了?！?/span>在1988年，貝爾實(shí)驗(yàn)室在2個(gè)月內(nèi)做出了最好的結(jié)果。LeCun搭建研究框架，張量引擎，以及一套前端語言，基本的機(jī)器學(xué)習(xí)流程就這樣搭建出來了。可以說，后來的TensorFlow、PyTorch等等都是基于這個(gè)概念打造的。
在視覺領(lǐng)域應(yīng)用自監(jiān)督學(xué)習(xí)可行嗎？
在談到自監(jiān)督學(xué)習(xí)時(shí)，LeCun說道在近些年的研究中，它在計(jì)算機(jī)視覺領(lǐng)域的確產(chǎn)生了許多令人興奮的成果。
當(dāng)然，與基于全球巨大的圖像識別數(shù)據(jù)集的研究相比，自監(jiān)督學(xué)習(xí)仍然沒有勝算。但是在語音識別等其他領(lǐng)域，監(jiān)督學(xué)習(xí)的確帶來了許多成果。比如，它可以在10分鐘以內(nèi)訓(xùn)練一套語音識別系統(tǒng)。
之前DeepMind兩位大神David Silver以及Richard Sutton不久前發(fā)表過驚人言論：通過獎(jiǎng)勵(lì)最大化結(jié)合強(qiáng)化學(xué)習(xí)就能實(shí)現(xiàn)通用人工智能。
關(guān)于這個(gè)論調(diào)LeCun也在采訪中表明了自己的態(tài)度：「他們的觀點(diǎn)非?？尚Γ诂F(xiàn)實(shí)世界里進(jìn)行數(shù)千年的訓(xùn)練。我完全不同意這種說法，我認(rèn)為這完全是錯(cuò)誤的。所以我們未來也不打算向那個(gè)方向前進(jìn)」。目前的SSL系統(tǒng)關(guān)鍵問題在于現(xiàn)在有一個(gè)監(jiān)督系統(tǒng)，你只提供很少的樣本，然后你使用監(jiān)督系統(tǒng)讓機(jī)器學(xué)會(huì)從一個(gè)輸入部分來對另一部分進(jìn)行基本的預(yù)測。比如說， 提供一幅圖像的左邊和右邊，那系統(tǒng)能否判斷出兩個(gè)部分是來自于同一圖像呢？又「比如通過輸入兩段分割的視頻，AI能否自動(dòng)判斷兩個(gè)視頻的邏輯關(guān)系？」所以這就需要機(jī)器了解兩者之間的依賴關(guān)系。「所以在計(jì)算機(jī)視覺方面，我認(rèn)為最大的挑戰(zhàn)是讓機(jī)器通過看視頻來了解這個(gè)世界的運(yùn)作方式」。
「SSL將對計(jì)算機(jī)視覺領(lǐng)域產(chǎn)生重大影響?！?/p>
談及上半年做了哪些工作，LeCun闡述了如何讓機(jī)器進(jìn)行SSL？花一個(gè)小時(shí)讓機(jī)器「隨機(jī)」觀看Instagram上10億張公開照片。
也就是說，這些圖片并未做過通常用于算法訓(xùn)練的標(biāo)簽和注釋處理。接下來，使用SwAV算法在這些圖像上進(jìn)行預(yù)訓(xùn)練。也就是，利用數(shù)據(jù)集一邊學(xué)習(xí)一邊處理數(shù)據(jù)，完成快速分組、物體檢測等任務(wù)。在這些任務(wù)中，SwAV表現(xiàn)都出奇地好，所以如果你有一個(gè)足夠大的未經(jīng)標(biāo)注的數(shù)據(jù)集，這些技術(shù)將會(huì)給你帶來SOTA級的表現(xiàn)。所以SSL未來也會(huì)為計(jì)算機(jī)視覺領(lǐng)域帶來巨大的影響。
這意味著你只需要大量的數(shù)據(jù)，而不進(jìn)行人工標(biāo)注，就能進(jìn)行訓(xùn)練。在系統(tǒng)訓(xùn)練時(shí)，會(huì)產(chǎn)生平凡解，即不同輸入的圖像產(chǎn)生同樣輸入圖像的問題，我們稱之為崩潰（collapse）。那么如何避免訓(xùn)練機(jī)器時(shí)崩潰？LeCun的Facebook AI小組用了一個(gè)非對比的方法，通過最大化輸出的交互信息（mutual information ）來避免崩潰。事實(shí)上這個(gè)方法是LeCun的導(dǎo)師Hinton在上世紀(jì)90年代發(fā)明的。例如，假設(shè)有兩個(gè)神經(jīng)網(wǎng)絡(luò)觀察圖像或視頻的兩不同部分，通過訓(xùn)練讓他們之間的交互信息量足夠大，那么崩潰就不會(huì)發(fā)生。但這個(gè)方法的難點(diǎn)在于如何測量兩個(gè)變量之間的交互信息。雖然交互信息有明確的定義，但是沒有明確的估計(jì)方法，它類似于一個(gè)概率分布。
所以你需要對于這個(gè)分布進(jìn)行假設(shè)，如果假設(shè)錯(cuò)誤，那么系統(tǒng)肯定不會(huì)輸出理想的結(jié)果。這就是Hinton在90年代遇到的問題。
SSL未來潛力無限 但實(shí)現(xiàn)通用智能不太可能
當(dāng)然，目前深度學(xué)習(xí)技術(shù)仍然有許多未知理論有待于我們?nèi)ヌ剿?。LeCun給了一個(gè)有意思的比喻。
比如蒸汽機(jī)在17世紀(jì)就發(fā)明了出來，但是熱力動(dòng)力學(xué)基本在100年之后才為我們解釋了蒸汽機(jī)的局限性。
又比如顯微鏡和望遠(yuǎn)鏡同樣也是很早之前就被發(fā)明了出來，但是衍射定律也是在那之后才發(fā)現(xiàn)的。所以深度學(xué)習(xí)也一樣，做研究需要直觀地了解你究竟在做什么，如果你一味地將自己局限在模型中，你將失去接觸許多其他事物的機(jī)會(huì)，只是因?yàn)槟悴焕斫馑鼈儭?/span>深度學(xué)習(xí)技術(shù)如今已經(jīng)幾乎滲透進(jìn)每一個(gè)大型互聯(lián)網(wǎng)公司的DNA中，LeCun介紹到，如果沒有深度學(xué)習(xí)，那么Facebook可能立刻會(huì)垮臺。但與此同時(shí)，指望AI達(dá)到通用智能的水平，LeCun認(rèn)為需要重新審視一下通用人工智能的概念。
「在我職業(yè)生涯結(jié)束前，如果AI能夠達(dá)到狗或者牛一樣的智商，那我已經(jīng)十分欣慰了」。「我不太相信通用智能的概念，所以我們必須降低期待。當(dāng)然，不容否認(rèn)的是通用智能是我們的努力方向，比如在自監(jiān)督領(lǐng)域取得突破性進(jìn)展，讓系統(tǒng)來運(yùn)行世界模型。」
智力的本質(zhì)是能夠基于你的行動(dòng)來預(yù)測世界可能發(fā)生的結(jié)果，因?yàn)檫@樣才能夠讓你具備計(jì)劃的能力。
參考資料：
https://thegradientpub.substack.com/p/yann-lecun-on-his-start-in-research
讀者，你好！我們建了微信群方便大家學(xué)習(xí)交流，歡迎掃碼進(jìn)群討論。
微商、廣告請繞道！謝謝合作！
