1
00:00:17,816 --> 00:00:21,325
我们的世界在许多方面一直在变，

2
00:00:21,325 --> 00:00:25,975
其中对我们的未来产生巨大影响的是

3
00:00:25,975 --> 00:00:29,363
人工智能。

4
00:00:29,363 --> 00:00:32,953
它给我们带来了又一场工业革命。

5
00:00:33,627 --> 00:00:39,504
之前的工业革命扩大了人类的机械能力。

6
00:00:40,014 --> 00:00:45,572
这场新的革命，这第二次的机械时代

7
00:00:45,572 --> 00:00:50,122
将会拓展我们的认知能力，

8
00:00:50,122 --> 00:00:52,102
以及我们的精神力。

9
00:00:52,782 --> 00:00:57,177
计算机不仅仅将取代体力劳动，

10
00:00:57,597 --> 00:00:59,897
还将取代脑力劳动。

11
00:01:00,500 --> 00:01:03,450
那么，我们如今的立场是什么呢？

12
00:01:04,034 --> 00:01:07,724
你有可能听说过去年三月发生的事情，

13
00:01:07,724 --> 00:01:11,776
一个被称为AlphaGo的机器学习系统

14
00:01:11,776 --> 00:01:17,708
在围棋游戏中使用了深度学习
来击败了当时的世界冠军。

15
00:01:18,279 --> 00:01:20,679
围棋是一款古老的中国游戏，

16
00:01:20,679 --> 00:01:24,159
对于计算机来说，

17
00:01:24,159 --> 00:01:25,982
它比国际象棋更难掌握。

18
00:01:26,893 --> 00:01:32,086
经过几十年的人工智能的研究，
我们如今是如何成功的？

19
00:01:33,068 --> 00:01:36,698
为了下围棋，AlphaGo经过了
专门的培训。

20
00:01:37,678 --> 00:01:41,300
首先，他需要观察由非常强大的
人类玩家进行的

21
00:01:41,814 --> 00:01:46,894
成千上万次的出招。

22
00:01:47,746 --> 00:01:52,496
接着，它再与自己进行上万次的演练。

23
00:01:54,222 --> 00:01:59,941
机器学习允许计算机从实例中学习。

24
00:02:00,465 --> 00:02:02,575
从数据中学习。

25
00:02:03,885 --> 00:02:07,005
机器学习已成为

26
00:02:07,005 --> 00:02:11,635
将知识塞进计算机里的关键。

27
00:02:12,174 --> 00:02:14,066
这很重要，

28
00:02:14,066 --> 00:02:19,296
因为知识是智力的源泉。

29
00:02:20,438 --> 00:02:26,768
把知识放入计算机中是对之前的
人工智能方法的一种挑战。

30
00:02:27,515 --> 00:02:28,745
为什么？

31
00:02:29,059 --> 00:02:33,859
有很多事是我们凭直觉了解的。

32
00:02:34,601 --> 00:02:38,081
所以我们无法口头沟通。

33
00:02:38,619 --> 00:02:42,780
我们没有意识到这种直观的知识。

34
00:02:43,270 --> 00:02:46,690
我们如何在没有知识的情况下
为计算机编程呢？

35
00:02:47,664 --> 00:02:49,114
解决方法是什么？

36
00:02:49,314 --> 00:02:55,343
解决方法就是让机器它们自己学习知识，

37
00:02:55,343 --> 00:02:56,443
正如我们一样。

38
00:02:56,443 --> 00:03:03,194
这非常重要，因为知识是智力的源泉。

39
00:03:03,194 --> 00:03:06,974
我的任务就是通过学习

40
00:03:06,974 --> 00:03:12,676
来发现和理解智能的原理。

41
00:03:13,166 --> 00:03:18,116
不管是动物，人类还是机器学习。

42
00:03:19,450 --> 00:03:25,066
我和别人相信有几个关键的原则，

43
00:03:25,066 --> 00:03:27,296
正如物理定律一样。

44
00:03:27,885 --> 00:03:32,745
简单的原理可以解释我们自身的智力，

45
00:03:32,745 --> 00:03:36,741
并帮助我们建造智能机器。

46
00:03:37,885 --> 00:03:41,595
例如，思考一下空气动力学定律，

47
00:03:41,595 --> 00:03:48,036
它足以解释鸟类和飞机的飞行。

48
00:03:49,146 --> 00:03:55,381
若我们可以发现同样简单却有力的原理
来解释智能本身，

49
00:03:55,381 --> 00:03:59,186
那就太棒了。

50
00:04:00,026 --> 00:04:03,394
我们取得了一些进展。

51
00:04:04,384 --> 00:04:10,857
这些年来，我和我的合作者们通过对
神经网络和深度学习的研究，

52
00:04:11,777 --> 00:04:16,397
为人工智能邻域的一场变革做出了贡献。

53
00:04:16,397 --> 00:04:20,946
一种受大脑启发的机器学习方法。

54
00:04:22,041 --> 00:04:25,243
它始于你手机上的语音识别，

55
00:04:25,243 --> 00:04:29,963
自2012年一直使用的神经网络。

56
00:04:30,977 --> 00:04:35,647
不久之后，在计算机视觉上取得了突破。

57
00:04:36,680 --> 00:04:43,087
计算机现在可以很好地识别图像的内容。

58
00:04:43,674 --> 00:04:50,049
事实上，在过去的5年里，
它们在一些基准上近似于人类的表现。

59
00:04:50,711 --> 00:04:54,721
现在计算机可以对围棋的视觉外观

60
00:04:54,721 --> 00:04:58,191
产生一个直观的理解，

61
00:04:58,191 --> 00:05:01,763
这足以和人类最好的选手媲美。

62
00:05:01,763 --> 00:05:03,454
最近，

63
00:05:03,454 --> 00:05:06,584
根据我的实验室的一些发现，

64
00:05:06,584 --> 00:05:11,408
深度学习被用来去把一种语言
翻译成另一种，

65
00:05:11,414 --> 00:05:14,441
你会开始在谷歌翻译中看到这个。

66
00:05:15,191 --> 00:05:18,192
它拓展了计算机的理解

67
00:05:18,192 --> 00:05:22,532
和生成自然语言的能力。

68
00:05:23,550 --> 00:05:25,517
但是，别被愚弄了。

69
00:05:25,517 --> 00:05:30,048
我们仍旧离一台

70
00:05:30,048 --> 00:05:34,033
能像人类一样学习掌握
世界的许多方面的计算机

71
00:05:34,033 --> 00:05:37,593
很远很远。

72
00:05:38,541 --> 00:05:41,237
所以，让我们举个例子。

73
00:05:41,637 --> 00:05:46,787
即使是一个两岁的孩子可以

74
00:05:46,787 --> 00:05:50,657
以计算机现在无法做到的方式学习事物。

75
00:05:51,767 --> 00:05:56,169
一个两岁的孩子事实上掌握了直观物理。

76
00:05:56,968 --> 00:06:01,908
她知道当她扔下一个球，球就会落下。

77
00:06:02,493 --> 00:06:06,093
当她把一些液体洒出来的时候，
她知道会弄脏地板。

78
00:06:06,586 --> 00:06:09,516
她的父母根本不需要去教她

79
00:06:09,516 --> 00:06:12,980
关于牛顿定律或者微分方程。

80
00:06:13,840 --> 00:06:20,200
她在无人监管的情况下
独自发现了这一切。

81
00:06:21,352 --> 00:06:27,712
无监管学习确实仍是人工智能
所面临的挑战之一。

82
00:06:28,184 --> 00:06:33,014
它可能还需要花上好几十年的基础研究

83
00:06:33,014 --> 00:06:34,674
来解开这个结。

84
00:06:34,674 --> 00:06:40,895
无监管学习事实上
是试图发现数据的表现形式。

85
00:06:41,729 --> 00:06:43,779
让我来向你举例。

86
00:06:44,364 --> 00:06:49,346
试想你用你的双眼看着的屏幕上的一页

87
00:06:49,346 --> 00:06:54,196
或者计算机将其视为一个图像，
一堆像素。

88
00:06:54,993 --> 00:07:00,113
为了回答关于图像内容的问题，

89
00:07:00,863 --> 00:07:05,211
你需要理解它的高级含义。

90
00:07:05,674 --> 00:07:10,821
这种高级别的含义相对于在你脑中的

91
00:07:10,821 --> 00:07:12,321
最高级别的表现形式。

92
00:07:12,906 --> 00:07:18,308
再往下，你就有了单词的单独含义，

93
00:07:19,188 --> 00:07:23,798
甚至再往下，你就会有由字符
拼凑出来的单词。

94
00:07:24,810 --> 00:07:27,677
这些字符可以用构成字符的不同的笔画

95
00:07:27,677 --> 00:07:30,879
以不同的方式呈现。

96
00:07:31,559 --> 00:07:34,839
这些笔画是由边组成的，

97
00:07:34,839 --> 00:07:37,284
而这些边是由像素组成的。

98
00:07:37,284 --> 00:07:40,454
所以这些是不同级别的表现方式。

99
00:07:41,079 --> 00:07:44,236
但是像素本身并不足以

100
00:07:44,236 --> 00:07:46,584
去理解图像，

101
00:07:46,584 --> 00:07:51,904
来回答关于页面内容的高级问题。

102
00:07:52,932 --> 00:07:57,594
事实上，你的大脑有着
不同等级的表现形式。

103
00:07:57,594 --> 00:08:02,291
从大脑皮层的第一个视觉区域的
神经元开始--V1，

104
00:08:02,291 --> 00:08:04,596
它识别边。

105
00:08:04,596 --> 00:08:09,334
接着，在大脑皮层的第二个视觉区域的
神经元--V2，

106
00:08:09,334 --> 00:08:12,800
它能识别笔画和小的图形。

107
00:08:12,800 --> 00:08:17,060
再往上，你有神经元来检测物体的部分

108
00:08:17,060 --> 00:08:19,992
然后是物体和整个场景。

109
00:08:21,182 --> 00:08:24,757
神经网络，当它们接受图像训练时，

110
00:08:24,757 --> 00:08:28,860
可以真的发现这些类型的表现水平

111
00:08:28,860 --> 00:08:32,778
与我们在大脑中所观察到的十分吻合。

112
00:08:33,638 --> 00:08:38,798
无论是生物神经网络，换言之，
你大脑中的神经网络

113
00:08:38,804 --> 00:08:42,828
还是我们在机器上训练的深层神经网络，

114
00:08:42,845 --> 00:08:48,075
都可以学习从一个等级的表达方式
转化到下一个等级，

115
00:08:48,369 --> 00:08:53,299
而高等级的表现形式应对
更抽象的概念。

116
00:08:53,299 --> 00:08:57,562
例如，字符A的抽象概念

117
00:08:57,562 --> 00:09:00,891
可以通过许多不同的方法在
最底级别上呈现，

118
00:09:00,891 --> 00:09:03,887
可以呈现出许多不同的像素配置，

119
00:09:03,887 --> 00:09:09,097
根据位置，旋转，字体等配置。

120
00:09:10,445 --> 00:09:15,815
所以，我们该怎么学习这些
高等级的表现方法呢？

121
00:09:16,962 --> 00:09:20,681
目前为止，有一件事在深度学习的应用上

122
00:09:20,681 --> 00:09:22,853
非常成功，

123
00:09:22,855 --> 00:09:25,985
我们称之为监管学习。

124
00:09:26,297 --> 00:09:31,588
有监管学习的情况下，
计算机只需被手拿着，

125
00:09:31,594 --> 00:09:35,467
人类必须要告诉计算机许多问题的答案。

126
00:09:35,467 --> 00:09:41,420
例如，在数百万的图像中，
人们必须很好地告诉机器，

127
00:09:41,420 --> 00:09:44,271
对于这张图像，这是一只猫。

128
00:09:44,273 --> 00:09:47,095
对于这张图像，这是一只狗。

129
00:09:47,095 --> 00:09:49,585
对于这张图像，这是一台笔记本电脑。

130
00:09:49,605 --> 00:09:55,595
对于这张图像，这是一个键盘。
等等，等等数百万次。

131
00:09:56,066 --> 00:10:01,026
这是非常痛苦的，
我们使用众包来做到这一点。

132
00:10:01,461 --> 00:10:03,396
虽然，它非常的强大，

133
00:10:03,416 --> 00:10:06,269
这让我们可以解决许多有趣的问题，

134
00:10:06,269 --> 00:10:08,313
但是人类更加的强大，

135
00:10:08,313 --> 00:10:12,076
他们可以学习世界上更多不同的方面，

136
00:10:12,076 --> 00:10:13,809
以一种更自主的方式，

137
00:10:13,809 --> 00:10:17,609
这正如我们所见的孩子学习直观物理。

138
00:10:17,625 --> 00:10:23,739
无监管学习也可以帮助我们
研发自动驾驶汽车。

139
00:10:24,567 --> 00:10:26,097
让我来解释一下：

140
00:10:26,097 --> 00:10:31,835
无监管学习允许计算机
将自己投射到未来，

141
00:10:31,835 --> 00:10:37,205
根据当前的情况生成可信的未来。

142
00:10:38,369 --> 00:10:42,899
这使得计算机可以推理和提前计划。

143
00:10:43,450 --> 00:10:47,985
即使是它们还没训练过的情况下
也是如此。

144
00:10:48,751 --> 00:10:50,441
这很重要，

145
00:10:50,441 --> 00:10:53,951
因为如果我们使用监管学习，
我们将不得不告诉计算机

146
00:10:53,951 --> 00:10:57,395
所有汽车可能会出现的情况

147
00:10:57,395 --> 00:11:01,375
以及人们在这种情况下的反应。

148
00:11:02,451 --> 00:11:06,191
我是怎么学会避免危险驾驶的行为的呢？

149
00:11:07,276 --> 00:11:10,791
难道我必须在一场事故中死去一千次吗？

150
00:11:10,793 --> 00:11:12,106
（笑声）

151
00:11:12,106 --> 00:11:14,606
这是我们现在训练机器的方法。

152
00:11:15,175 --> 00:11:18,340
所以，它不会飞，至少它不会驾驶。

153
00:11:18,340 --> 00:11:19,928
（笑声）

154
00:11:21,288 --> 00:11:25,657
所以，我们需要的是训练我们的模型

155
00:11:25,657 --> 00:11:31,924
能够产生可信的图像或者
可信的未来，具有创造性。

156
00:11:31,924 --> 00:11:33,934
我们正在这方面取得进展。

157
00:11:33,934 --> 00:11:37,457
所以，我们正在训练这些深层神经网络

158
00:11:37,463 --> 00:11:40,818
从高级意义到像素，

159
00:11:40,818 --> 00:11:43,298
而不是从像素到高级意义。

160
00:11:43,307 --> 00:11:46,787
通过表达方法进入另一个方向。

161
00:11:46,787 --> 00:11:50,461
通过这种方法，
计算机可以生成新的图像，

162
00:11:51,191 --> 00:11:55,072
这些图像和它们受训时所见的

163
00:11:55,072 --> 00:11:56,488
完全不一样，

164
00:11:57,018 --> 00:12:00,369
但看起来可信的，看起来像自然图像。

165
00:12:01,888 --> 00:12:06,332
我们同样可以用这些模型来
幻想一些奇怪的东西，

166
00:12:06,342 --> 00:12:09,492
有时是可怕的图像，

167
00:12:09,492 --> 00:12:11,795
正如我们的梦境和噩梦。

168
00:12:12,682 --> 00:12:16,847
这里有一些计算机使用深度图表模型

169
00:12:16,847 --> 00:12:19,826
所合成的图像。

170
00:12:19,826 --> 00:12:21,651
它们看上去就像自然图像，

171
00:12:21,651 --> 00:12:24,551
但是如果你凑近看，
你会发现它们还是有区别的，

172
00:12:25,458 --> 00:12:28,697
而且它们仍缺少一些

173
00:12:28,697 --> 00:12:31,063
我们认为是自然的重要细节。

174
00:12:31,995 --> 00:12:33,951
大约10年前，

175
00:12:33,951 --> 00:12:38,921
无监管学习是我们发现深度学习的

176
00:12:38,921 --> 00:12:42,443
突破口。

177
00:12:44,140 --> 00:12:48,055
这种情况发生在少数实验室，
包括我的实验室，

178
00:12:48,055 --> 00:12:51,455
当时神经网络还未流行。

179
00:12:51,455 --> 00:12:55,217
它们几乎被科学界所抛弃。

180
00:12:56,394 --> 00:12:58,935
如今，事情已经改变了许多。

181
00:12:58,935 --> 00:13:01,375
它已成为一个非常难的领域。

182
00:13:01,384 --> 00:13:06,933
如今每年有成百上千的学生申请研究生课程

183
00:13:06,954 --> 00:13:09,784
到我的实验室和我的合作者一起工作。

184
00:13:11,010 --> 00:13:16,630
蒙特利尔已成为世界上最大的

185
00:13:16,637 --> 00:13:19,387
深度学习研究人员学术聚集地。

186
00:13:20,182 --> 00:13:26,115
我们刚收到9400万美元的
巨额研究经费，

187
00:13:26,127 --> 00:13:29,797
用于推动人工智能和数据科学的发展，

188
00:13:29,797 --> 00:13:36,067
并将深度学习技术和
数据科学转移到工业。

189
00:13:37,249 --> 00:13:43,791
受到这些刺激的商业人士
建立创业公司，工业实验室，

190
00:13:43,791 --> 00:13:46,914
它们中的许多就坐落于大学附近。

191
00:13:48,543 --> 00:13:49,625
例如，

192
00:13:49,625 --> 00:13:54,733
几周前，我们宣布成立一家名为

193
00:13:54,733 --> 00:13:56,507
“Element AI"的初创工厂，

194
00:13:56,507 --> 00:13:59,605
它将专注于深度学习的应用上。

195
00:14:01,562 --> 00:14:05,722
只是没有足够多的深度学习的专家。

196
00:14:06,355 --> 00:14:10,677
所以，那些专家们被支付了疯狂多的薪水，

197
00:14:11,027 --> 00:14:17,212
我的许多前学术同事
都接受了公司的慷慨薪资，

198
00:14:17,228 --> 00:14:20,518
来到了工业实验室工作。

199
00:14:21,081 --> 00:14:25,010
就我自己而言，选择呆在大学，

200
00:14:25,010 --> 00:14:27,166
为公众利益工作，

201
00:14:27,166 --> 00:14:28,886
和学生们一起工作，

202
00:14:28,902 --> 00:14:30,592
保持独立。

203
00:14:30,596 --> 00:14:34,836
指导下一代的深度学习专家。

204
00:14:35,294 --> 00:14:41,024
除了商业价值，

205
00:14:41,024 --> 00:14:44,654
我们还在思考人工智能的社会影响。

206
00:14:45,881 --> 00:14:50,026
我们中的许多人现在开始把目光

207
00:14:50,026 --> 00:14:55,986
投向于社会增值应用，例如健康。

208
00:14:56,457 --> 00:14:58,956
我们认为我们可以利用深度学习

209
00:14:58,956 --> 00:15:02,696
来改进个性化治疗。

210
00:15:03,956 --> 00:15:05,671
我相信在未来，

211
00:15:05,671 --> 00:15:10,361
当我们从地球上数以百万计的人们
那里收集到更多的数据时，

212
00:15:10,361 --> 00:15:13,856
我们将可以提供医疗建议

213
00:15:13,856 --> 00:15:17,246
给数十亿现在无法得到这些建议的人们。

214
00:15:17,601 --> 00:15:22,724
我们可以想象人工智能在
社会价值方面的其他许多应用。

215
00:15:23,140 --> 00:15:26,238
例如，我们对

216
00:15:26,238 --> 00:15:28,582
自然语言的理解的研究，

217
00:15:29,328 --> 00:15:31,199
将会为那些无法负担的人们

218
00:15:31,199 --> 00:15:34,059
提供各种各样的服务，比如法律服务。

219
00:15:34,512 --> 00:15:37,342
我们如今同样也将目光

220
00:15:37,342 --> 00:15:41,132
转向了人工智能对我们的社区的
社会影响。

221
00:15:41,690 --> 00:15:44,801
但这不仅仅是专家需要思考的问题。

222
00:15:46,026 --> 00:15:49,936
我相信，除了数学和专业术语，

223
00:15:49,936 --> 00:15:53,102
普通人能充分知晓

224
00:15:53,138 --> 00:15:55,901
幕后发生了什么，

225
00:15:55,901 --> 00:16:01,191
从而参与在未来几年，乃至几十年的

226
00:16:01,191 --> 00:16:06,547
有关人工智能的重要决策。

227
00:16:07,580 --> 00:16:09,280
所以，

228
00:16:09,930 --> 00:16:16,230
请把你的费用放在一边，
留一些空间让自己去学习吧。

229
00:16:17,842 --> 00:16:22,532
我和我的合作者写了几篇介绍性论文

230
00:16:22,542 --> 00:16:25,376
和一本名为《深度学习》的书，

231
00:16:25,376 --> 00:16:29,619
来帮助学生们和工程师们
进入这个令人兴奋的领域。

232
00:16:30,659 --> 00:16:35,784
同样也有许多在线资源：
软件，学习指南，视频......

233
00:16:36,310 --> 00:16:41,210
很多本科生都自学了

234
00:16:41,210 --> 00:16:44,548
很多关于深度学习的研究，

235
00:16:44,548 --> 00:16:47,835
为了之后加入实验室。

236
00:16:49,370 --> 00:16:55,170
人工智能将对我们的社会
产生深远的影响。

237
00:16:56,652 --> 00:17:01,672
所以，重要的是要问：
我们该如何使用它？

238
00:17:03,368 --> 00:17:07,896
巨大的积极面可能会伴随着消极面，

239
00:17:07,896 --> 00:17:10,166
譬如军事使用

240
00:17:10,797 --> 00:17:15,357
或者就业市场急速颠覆性的变化。

241
00:17:15,948 --> 00:17:21,629
为了确保在未来的几年内，

242
00:17:21,629 --> 00:17:23,074
人工智能所面临的集体选择

243
00:17:23,074 --> 00:17:25,144
将会对所有人有利，

244
00:17:25,144 --> 00:17:28,557
每一个公民应该

245
00:17:28,557 --> 00:17:32,911
在定义人工智能将如何塑造
我们的未来时发挥积极的作用。

246
00:17:33,871 --> 00:17:34,891
谢谢。

247
00:17:35,065 --> 00:17:39,395
（掌声）