演讲 | Yann LeCun 现身上海交大，对话中国人工智能科技新锐

正文

请到「今天看啥」查看全文

Yann LeCun 是深度学习运动的领军人物，也是卷积神经网络的发明人，与 Geoffrey Hinton 及 Yoshua Bengio 比肩，被公认为是人工智能领域的三巨头之一。他创建的卷积网络模型被广泛应用于计算机视觉及语音识别应用中，曾在神经网络、图像压缩、人工智能专用硬件等相关领域内发表 190 余篇学术论文，其学术影响力及业内地位举足轻重。目前研究方向包括人工智能、机器学习、计算机视觉、机器人，以及计算机神经学等。

在演讲中，Yann LeCun 教授详尽介绍了深度学习领域的发展历程、技术原理、研究现状及最新成果，同时分析了现阶段人工智能发展存在的阻碍和具有研究潜力的课题方向以，并对未来人工智能技术的发展趋势做出前沿预测。（详情可见： 演讲 | Yann LeCun 清华演讲：深度学习与人工智能的未来 ）

首先，Yann LeCun 对传统模式识别、主流现代模式识别以及深度学习特征提取方式加以比对；之后，对多层神经网络、反向传播算法、卷积神经网络结构（归一化——滤波器组——非线性计算——池化）等算法概念进行详细解析。

卷积神经网络也曾遭遇瓶颈，不过，在得到人们的认可后，深度卷积网络开始用于解决各类计算机视觉问题并大放异彩，如目标识别。随着网络深度的不断增加，产生了深度卷积神经网络结构，如 VGG，GoogLeNet，ResNet，它们可以用于图像识别、语义分割、ADAS 等众多场景。

这里，Yann LeCun 特别提到了 Facebook 提出的通用目标分割框架 Mask R-CNN，并展示了它在 COCO 数据集上的结果。（详情可见： 学界 | Facebook 新论文提出通用目标分割框架 Mask R-CNN：更简单更灵活表现更好 ）

在为在场观众带来全新、深入的深度学习技术解析后，Yann LeCun 又探讨了人工智能领域存在的一个障碍和难点——怎样使机器获得「常识」呢？

在人工智能领域，机器是如何跨越这种本质的障碍呢？Yann LeCun 给出了答案，即机器不仅需要学习、理解这个世界，学习大量的背景知识，还需要感知世界的状态，更新、记忆并评估世界的状态，而且还要有推理和计划的能力。这也就是所谓的「智力+常识=感知+预测模型+记忆+推理和计划」。

请到「今天看啥」查看全文