<small id='I7lp'></small> <noframes id='LwX4fP9JE'>

  • <tfoot id='fFLXkrnxE'></tfoot>

      <legend id='kCv3UtbB'><style id='k7S1qQo'><dir id='TWxPd6LSQ8'><q id='FSRyaV'></q></dir></style></legend>
      <i id='AWkLR'><tr id='Mcs4'><dt id='afUJ1'><q id='4MQLCtGpn'><span id='mBz1AdvK'><b id='hEfHTm'><form id='hvre'><ins id='m8Mt'></ins><ul id='LPDCAnXgcu'></ul><sub id='t74Iw'></sub></form><legend id='KywMV'></legend><bdo id='X4PSEdkGp'><pre id='NDtlTio'><center id='28ImQ6'></center></pre></bdo></b><th id='rZs3gt5m'></th></span></q></dt></tr></i><div id='onUW'><tfoot id='Q2heXwq'></tfoot><dl id='bzG5tl9eN'><fieldset id='W9KR4g'></fieldset></dl></div>

          <bdo id='dJmE4'></bdo><ul id='3WTgcv'></ul>

          1. <li id='DyvFcphn'></li>
            登陆

            图灵奖得主LeCun力推无监督学习:要注重根据能量的学习方法

            admin 2019-12-24 251人围观 ,发现0个评论

            作者 | Tiernan Ray

            译者 | 夕颜

            出品 | AI科技大本营(ID:r图灵奖得主LeCun力推无监督学习:要注重根据能量的学习方法gznai100)

            导语:图灵奖得主深度学习大牛 Yann LeCun 表示,人工智能的下一个发展方向可能是放弃深度学习的所有概率技巧,转而掌握一系列转移能量值的方法。

            据说,工程师和某些科学家(大多数是工程师)可以把构思的东西在脑中视觉化。Facebook 的人工智能负责人 Yann LeCun 似乎就是这类人。

            他在《When the Machine Learns》一书中写道:“我主要是凭直觉工作。”这本新书既是传记,又是科学讲座,又是一部人工智能简史,本周三以法语出版,书名为《Quand la machine apprend》(中文大意:当机器学习时)。

            LeCun 写道:“我想到了爱因斯坦称之为‘思维实验’的临界案例。”

            想象不存在事物的能力,也许通常被认为是可行性的极限,也是工程师和创新者的标志。LeCun 在 AI 人才中很少见,他既是算法设计领域的专家,同时在计算机工程领域也颇有建树。

            LeCun 今年因其对计算机科学急性肠胃炎症状的贡献而获得了 ACM 图灵奖,他最负盛名的成就是在 1990 年代改进和完善了卷积神经网络(即 CNN)并使其实用化。他并非从零开始创造了 CNN,但他让 CNN 变得实用、可行。这奠定了机器学习革命的基础,在过去十年中,LeCun 与图灵奖得主LeCun力推无监督学习:要注重根据能量的学习方法他的伙伴,另两位获奖者 Geoffrey Hinton 和 Yoshua Bengio 一起在机器学习中脱颖而出。

            LeCun 本周三在新泽西州普林斯顿高等研究院进行了演讲,活动由研究所数学教授 Sanjeev Arora 组织,吸引了许多 AI 专家,包括英伟达的 AI 研究负图灵奖得主LeCun力推无监督学习:要注重根据能量的学习方法责人 Anima Anandkumar 和 LeCun 在 Facebook 的学者同事 LonBottou。

            LeCun 的演讲是他最近在许多讲座中所采用的主题:如何超越常规深度学习的标记训练示例。他对听众说:“在监督或多任务学习中,我们将不会获得像人类一样可以泛化的智能。我们必须要换个方向。”

            LeCun 认为,这个其他方向就是无监督学习。为了使无监督学习成为可能,整个领域可能需要在基于能量的学习方法上做更多的工作。

            能量函数在 AI 领域已经存在数十年了。生物学家约翰霍普菲尔德(John Hopfield)于 1980 年代首次通过后来称为“霍普菲尔德网络”(Hopfield Network图灵奖得主LeCun力推无监督学习:要注重根据能量的学习方法)的方法普及了这一概念。这在当时的机器学习中是一个突破,让其他类型的学习算法可以处理能量场的概念,例如 Hinton 所研究的“玻尔兹曼机器”。

            LeCun指出:“基于能量的学习已经存在一段时间了,但由于需要减少监督,最近我又想到了它。”

            细节很难懂,但其基本思想是,无需创建大量带有标签的数据集(例如猫和狗的图片),也不用花费数千个小时训练 DeepMind 的 AlphaZero 这样的国际象棋游戏,而只是获取一些丰富的原始数据,例如大量 YouTube 视频,然后“喂”给计算机。

            LeCun说:“让机器变得足够大,整天观看 YouTube 或 Facebook Live 就行。”由此可以训练机器预测视频中每一帧后的下一帧。预测与现实之间的兼容性就是所谓的能级(energy level)。能量越少越图灵奖得主LeCun力推无监督学习:要注重根据能量的学习方法好,更兼容、更准确,因此神经网络需要努力达到理想的低能量状态。

            原文链接:

            https://www.zdnet.com/article/high-energy-facebooks-ai-guru-lecun-imagines-ais-next-frontier/

            (*本文为 AI科技大本营编译文章,载请微信联系 1092722531

            2019 中国大数据技术大会(BDTC)再度来袭!豪华主席阵容及百位技术专家齐聚,15 场精选专题技术和行业论坛,超强干货+技术剖析+行业实践立体解读,深入解析热图灵奖得主LeCun力推无监督学习:要注重根据能量的学习方法门技术在行业中的实践落地。

            即日起,限量 5 折票开售,数量有限,扫码购买,先到先得!

            请关注微信公众号
            微信二维码
            不容错过
            Powered By Z-BlogPHP