机器能像婴儿一样通过眼睛学习世界？

杨乐昆（Yann LeCun） 资料图

相比识别图片，让人工智能系统识别视频内容，要困难的多。因为视频含有大量的信息，要机器理解视频中这些丰富的内容，一直是人工智能领域里未解决的问题。

不过，在Facebook人工智能实验室负责人杨乐昆（Yann LeCun）看来，人类既然已经教会机器辨别图片，甚至能做到人脸识别，那么机器也能识别视频。而教会机器学习视频的方法与婴儿学习相似。即让机器像婴儿一样，观看视频，告诉它视频所讲的内容。

当地时间3月9日，《MIT科技评论》发布了一篇关于Facebook人工智能实验室负责人杨乐昆（Yann LeCun）谈机器视觉威廉希尔官方网站 的文章。在杨乐昆看来，现在机器视觉还有很多不足，只能理解人类教给它的知识，但这在未来会得到改变：通过训练，你给机器展示一段视频中的几帧画面，它就可以预测接下来会发生什么。

杨乐昆出生在法国，曾在多伦多大学跟随深度学习鼻祖Geoffrey Hinton进行博士后的研究，现在是纽约大学终身教授，是人工智能神经网络研究的先锋。在加盟Facebook之前，他在贝尔实验室工作了超过20年，那里是全世界最著名的计算机研究实验室，诞生过许多伟大的产品。杨乐昆在贝尔实验室工作期间开发了一套能够识别手写数字的系统，并把它命名为LeNet。这个系统能自动识别银行支票。

以下是杨乐昆对人工智能机器视觉的理解：

目前机器视觉取得了哪些进展？

一张图里面有一个主体，规则是让机器给各类主体进行分类。只要你有足够的数据，类似每个目录有1000个主体，机器就可以对一些特定的类别产生认知，例如特定品牌的汽车，特定种类的植物或是特定品种的狗。我们还可以认识一些更为抽象的门类，例如天气图、地貌、日落、婚礼或生日聚会。仅仅5年前，我们还不太清楚机器是否已经完全解决了这个问题，但现在也不意味着机器视觉问题已经都解决了。

如今机器视觉还未 “解决”的重要问题是什么？

人们在几年前就有一种想法——为图片和视频生成一种标签或描述。从表面来看，现在已经有显著的进展了，但事实上这些成果没有他们看上去那么显著。机器在特定领域的知识仅限于我们教授给它们的内容。这些系统中的大部分会出现以下情况，你给它们看一些其他类别的图片，或给它们展示一些之前从未见过的场景，机器就会说出一堆垃圾。它们暂时还没有常识。

机器视觉和常识之间有什么样的联系？

这取决于你和谁讨论这个问题，即使是在Facebook内部也有不同的答案。你可以用语言与智能系统进行互动。但问题是语言是一种低带宽信息传输渠道。通过语言表达信息，是因为人类有许多背景知识能对这个信息进行理解。

有人认为，要向AI系统提供足够信息的唯一方法是将视觉感知作为基础，这要比语言作为输入带来的信息量高。如果你告诉机器“这是一个智能手机”；“这是一个压路机”；“这些东西是你能推动的，其他的不能搬动”，或许机器能像宝宝学习一样，掌握世界的一些基本知识。

因为婴儿无须受到具体的指引就可以从这个世界中学到很多东西。其中一件我们十分想做的事情就是，让机器通过观察视频或通过其他渠道来学习，向其展示真实世界中万物的联系。这种方法最终可以让机器掌握常识。这也是动物和婴儿在出生后前几个月学习的方式——你可以仅仅通过观察这个世界就从中学到相当多的东西。如今还有很多方式可以“愚弄”机器，因为它们对这个世界的认知非常有限。

“让机器从观察中学习”取得了什么进展？

有观点认为，机器学习系统应该可以预测未来，我们对这种想法十分感兴趣。你给机器展示一段视频中的几帧画面，它就可以预测接下来会发生什么。如果我们可以训练系统做到这点，我认为我们已经研发出了一种以无人监管学习系统为基础的威廉希尔官方网站 。我认为，这就是更多有趣的事情很可能会发生的地方。这种应用在机器视觉并不是必要的，但确是人工智能领域取得的进步。