WEBVTT

00:00:17.816 --> 00:00:21.325
我们的世界在许多方面一直在变，

00:00:21.325 --> 00:00:25.975
其中对我们的未来产生巨大影响的是

00:00:25.975 --> 00:00:29.363
人工智能。

00:00:29.363 --> 00:00:32.953
它给我们带来了又一场工业革命。

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。

00:00:40.014 --> 00:00:45.572
这场新的革命，这第二次的机械时代

00:00:45.572 --> 00:00:50.122
将会拓展我们的认知能力，

00:00:50.122 --> 00:00:52.102
以及我们的精神力。

00:00:52.782 --> 00:00:57.177
计算机不仅仅将取代体力劳动，

00:00:57.597 --> 00:00:59.897
还将取代脑力劳动。

00:01:00.500 --> 00:01:03.450
那么，我们如今的立场是什么呢？

00:01:04.034 --> 00:01:07.724
你有可能听说过去年三月发生的事情，

00:01:07.724 --> 00:01:11.776
一个被称为AlphaGo的机器学习系统

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。

00:01:18.279 --> 00:01:20.679
围棋是一款古老的中国游戏，

00:01:20.679 --> 00:01:24.159
对于计算机来说，

00:01:24.159 --> 00:01:25.982
它比国际象棋更难掌握。

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？

00:01:33.068 --> 00:01:36.698
为了下围棋，AlphaGo经过了
专门的培训。

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

00:01:41.814 --> 00:01:46.894
成千上万次的出招。

00:01:47.746 --> 00:01:52.496
接着，它再与自己进行上万次的演练。

00:01:54.222 --> 00:01:59.941
机器学习允许计算机从实例中学习。

00:02:00.465 --> 00:02:02.575
从数据中学习。

00:02:03.885 --> 00:02:07.005
机器学习已成为

00:02:07.005 --> 00:02:11.635
将知识塞进计算机里的关键。

00:02:12.174 --> 00:02:14.066
这很重要，

00:02:14.066 --> 00:02:19.296
因为知识是智力的源泉。

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。

00:02:27.515 --> 00:02:28.745
为什么？

00:02:29.059 --> 00:02:33.859
有很多事是我们凭直觉了解的。

00:02:34.601 --> 00:02:38.081
所以我们无法口头沟通。

00:02:38.619 --> 00:02:42.780
我们没有意识到这种直观的知识。

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？

00:02:47.664 --> 00:02:49.114
解决方法是什么？

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，

00:02:55.343 --> 00:02:56.443
正如我们一样。

00:02:56.443 --> 00:03:03.194
这非常重要，因为知识是智力的源泉。

00:03:03.194 --> 00:03:06.974
我的任务就是通过学习

00:03:06.974 --> 00:03:12.676
来发现和理解智能的原理。

00:03:13.166 --> 00:03:18.116
不管是动物，人类还是机器学习。

00:03:19.450 --> 00:03:25.066
我和别人相信有几个关键的原则，

00:03:25.066 --> 00:03:27.296
正如物理定律一样。

00:03:27.885 --> 00:03:32.745
简单的原理可以解释我们自身的智力，

00:03:32.745 --> 00:03:36.741
并帮助我们建造智能机器。

00:03:37.885 --> 00:03:41.595
例如，思考一下空气动力学定律，

00:03:41.595 --> 00:03:48.036
它足以解释鸟类和飞机的飞行。

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，

00:03:55.381 --> 00:03:59.186
那就太棒了。

00:04:00.026 --> 00:04:03.394
我们取得了一些进展。

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，

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。

00:04:16.397 --> 00:04:20.946
一种受大脑启发的机器学习方法。

00:04:22.041 --> 00:04:25.243
它始于你手机上的语音识别，

00:04:25.243 --> 00:04:29.963
自2012年一直使用的神经网络。

00:04:30.977 --> 00:04:35.647
不久之后，在计算机视觉上取得了突破。

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。

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。

00:04:50.711 --> 00:04:54.721
现在计算机可以对围棋的视觉外观

00:04:54.721 --> 00:04:58.191
产生一个直观的理解，

00:04:58.191 --> 00:05:01.763
这足以和人类最好的选手媲美。

00:05:01.763 --> 00:05:03.454
最近，

00:05:03.454 --> 00:05:06.584
根据我的实验室的一些发现，

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，

00:05:11.414 --> 00:05:14.441
你会开始在谷歌翻译中看到这个。

00:05:15.191 --> 00:05:18.192
它拓展了计算机的理解

00:05:18.192 --> 00:05:22.532
和生成自然语言的能力。

00:05:23.550 --> 00:05:25.517
但是，别被愚弄了。

00:05:25.517 --> 00:05:30.048
我们仍旧离一台

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

00:05:34.033 --> 00:05:37.593
很远很远。

00:05:38.541 --> 00:05:41.237
所以，让我们举个例子。

00:05:41.637 --> 00:05:46.787
即使是一个两岁的孩子可以

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。

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。

NOTE Paragraph

00:05:56.968 --> 00:06:01.908
她知道当她扔下一个球，球就会落下。

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。

00:06:06.586 --> 00:06:09.516
她的父母根本不需要去教她

00:06:09.516 --> 00:06:12.980
关于牛顿定律或者微分方程。

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。

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。

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

00:06:33.014 --> 00:06:34.674
来解开这个结。

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。

00:06:41.729 --> 00:06:43.779
让我来向你举例。

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

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。

00:06:54.993 --> 00:07:00.113
为了回答关于图像内容的问题，

00:07:00.863 --> 00:07:05.211
你需要理解它的高级含义。

00:07:05.674 --> 00:07:10.821
这种高级别的含义相对于在你脑中的

00:07:10.821 --> 00:07:12.321
最高级别的表现形式。

00:07:12.906 --> 00:07:18.308
再往下，你就有了单词的单独含义，

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。

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

00:07:27.677 --> 00:07:30.879
以不同的方式呈现。

00:07:31.559 --> 00:07:34.839
这些笔画是由边组成的，

00:07:34.839 --> 00:07:37.284
而这些边是由像素组成的。

00:07:37.284 --> 00:07:40.454
所以这些是不同级别的表现方式。

00:07:41.079 --> 00:07:44.236
但是像素本身并不足以

00:07:44.236 --> 00:07:46.584
去理解图像，

00:07:46.584 --> 00:07:51.904
来回答关于页面内容的高级问题。

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。

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，

00:08:02.291 --> 00:08:04.596
它识别边。

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，

00:08:09.334 --> 00:08:12.800
它能识别笔画和小的图形。

00:08:12.800 --> 00:08:17.060
再往上，你有神经元来检测物体的部分

00:08:17.060 --> 00:08:19.992
然后是物体和整个场景。

00:08:21.182 --> 00:08:24.757
神经网络，当它们接受图像训练时，

00:08:24.757 --> 00:08:28.860
可以真的发现这些类型的表现水平

00:08:28.860 --> 00:08:32.778
与我们在大脑中所观察到的十分吻合。

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

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，

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，

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。

00:08:53.299 --> 00:08:57.562
例如，字符A的抽象概念

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，

00:09:00.891 --> 00:09:03.887
可以呈现出许多不同的像素配置，

00:09:03.887 --> 00:09:09.097
根据位置，旋转，字体等配置。

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？

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

00:09:20.681 --> 00:09:22.853
非常成功，

00:09:22.855 --> 00:09:25.985
我们称之为监管学习。

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，

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。

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，

00:09:41.420 --> 00:09:44.271
对于这张图像，这是一只猫。

00:09:44.273 --> 00:09:47.095
对于这张图像，这是一只狗。

00:09:47.095 --> 00:09:49.585
对于这张图像，这是一台笔记本电脑。

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。

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。

00:10:01.461 --> 00:10:03.396
虽然，它非常的强大，

00:10:03.416 --> 00:10:06.269
这让我们可以解决许多有趣的问题，

00:10:06.269 --> 00:10:08.313
但是人类更加的强大，

00:10:08.313 --> 00:10:12.076
他们可以学习世界上更多不同的方面，

00:10:12.076 --> 00:10:13.809
以一种更自主的方式，

00:10:13.809 --> 00:10:17.609
这正如我们所见的孩子学习直观物理。

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。

00:10:24.567 --> 00:10:26.097
让我来解释一下：

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，

00:10:31.835 --> 00:10:37.205
根据当前的情况生成可信的未来。

00:10:38.369 --> 00:10:42.899
这使得计算机可以推理和提前计划。

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。

00:10:48.751 --> 00:10:50.441
这很重要，

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

00:10:53.951 --> 00:10:57.395
所有汽车可能会出现的情况

00:10:57.395 --> 00:11:01.375
以及人们在这种情况下的反应。

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？

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？

00:11:10.793 --> 00:11:12.106
（笑声）

00:11:12.106 --> 00:11:14.606
这是我们现在训练机器的方法。

00:11:15.175 --> 00:11:18.340
所以，它不会飞，至少它不会驾驶。

00:11:18.340 --> 00:11:19.928
（笑声）

00:11:21.288 --> 00:11:25.657
所以，我们需要的是训练我们的模型

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。

00:11:31.924 --> 00:11:33.934
我们正在这方面取得进展。

00:11:33.934 --> 00:11:37.457
所以，我们正在训练这些深层神经网络

00:11:37.463 --> 00:11:40.818
从高级意义到像素，

00:11:40.818 --> 00:11:43.298
而不是从像素到高级意义。

00:11:43.307 --> 00:11:46.787
通过表达方法进入另一个方向。

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，

00:11:51.191 --> 00:11:55.072
这些图像和它们受训时所见的

00:11:55.072 --> 00:11:56.488
完全不一样，

00:11:57.018 --> 00:12:00.369
但看起来可信的，看起来像自然图像。

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，

00:12:06.342 --> 00:12:09.492
有时是可怕的图像，

00:12:09.492 --> 00:12:11.795
正如我们的梦境和噩梦。

00:12:12.682 --> 00:12:16.847
这里有一些计算机使用深度图表模型

00:12:16.847 --> 00:12:19.826
所合成的图像。

00:12:19.826 --> 00:12:21.651
它们看上去就像自然图像，

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，

00:12:25.458 --> 00:12:28.697
而且它们仍缺少一些

00:12:28.697 --> 00:12:31.063
我们认为是自然的重要细节。

00:12:31.995 --> 00:12:33.951
大约10年前，

00:12:33.951 --> 00:12:38.921
无监管学习是我们发现深度学习的

00:12:38.921 --> 00:12:42.443
突破口。

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，

00:12:48.055 --> 00:12:51.455
当时神经网络还未流行。

00:12:51.455 --> 00:12:55.217
它们几乎被科学界所抛弃。

00:12:56.394 --> 00:12:58.935
如今，事情已经改变了许多。

00:12:58.935 --> 00:13:01.375
它已成为一个非常难的领域。

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

00:13:06.954 --> 00:13:09.784
到我的实验室和我的合作者一起工作。

00:13:11.010 --> 00:13:16.630
蒙特利尔已成为世界上最大的

00:13:16.637 --> 00:13:19.387
深度学习研究人员学术聚集地。

00:13:20.182 --> 00:13:26.115
我们刚收到9400万美元的
巨额研究经费，

00:13:26.127 --> 00:13:29.797
用于推动人工智能和数据科学的发展，

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。

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，

00:13:43.791 --> 00:13:46.914
它们中的许多就坐落于大学附近。

00:13:48.543 --> 00:13:49.625
例如，

00:13:49.625 --> 00:13:54.733
几周前，我们宣布成立一家名为

00:13:54.733 --> 00:13:56.507
“Element AI"的初创工厂，

00:13:56.507 --> 00:13:59.605
它将专注于深度学习的应用上。

00:14:01.562 --> 00:14:05.722
只是没有足够多的深度学习的专家。

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，

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，

00:14:17.228 --> 00:14:20.518
来到了工业实验室工作。

00:14:21.081 --> 00:14:25.010
就我自己而言，选择呆在大学，

00:14:25.010 --> 00:14:27.166
为公众利益工作，

00:14:27.166 --> 00:14:28.886
和学生们一起工作，

00:14:28.902 --> 00:14:30.592
保持独立。

00:14:30.596 --> 00:14:34.836
指导下一代的深度学习专家。

00:14:35.294 --> 00:14:41.024
除了商业价值，

00:14:41.024 --> 00:14:44.654
我们还在思考人工智能的社会影响。

00:14:45.881 --> 00:14:50.026
我们中的许多人现在开始把目光

00:14:50.026 --> 00:14:55.986
投向于社会增值应用，例如健康。

00:14:56.457 --> 00:14:58.956
我们认为我们可以利用深度学习

00:14:58.956 --> 00:15:02.696
来改进个性化治疗。

00:15:03.956 --> 00:15:05.671
我相信在未来，

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，

00:15:10.361 --> 00:15:13.856
我们将可以提供医疗建议

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。

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。

00:15:23.140 --> 00:15:26.238
例如，我们对

00:15:26.238 --> 00:15:28.582
自然语言的理解的研究，

00:15:29.328 --> 00:15:31.199
将会为那些无法负担的人们

00:15:31.199 --> 00:15:34.059
提供各种各样的服务，比如法律服务。

00:15:34.512 --> 00:15:37.342
我们如今同样也将目光

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。

00:15:41.690 --> 00:15:44.801
但这不仅仅是专家需要思考的问题。

00:15:46.026 --> 00:15:49.936
我相信，除了数学和专业术语，

00:15:49.936 --> 00:15:53.102
普通人能充分知晓

00:15:53.138 --> 00:15:55.901
幕后发生了什么，

00:15:55.901 --> 00:16:01.191
从而参与在未来几年，乃至几十年的

00:16:01.191 --> 00:16:06.547
有关人工智能的重要决策。

00:16:07.580 --> 00:16:09.280
所以，

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。

00:16:17.842 --> 00:16:22.532
我和我的合作者写了几篇介绍性论文

00:16:22.542 --> 00:16:25.376
和一本名为《深度学习》的书，

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。

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......

00:16:36.310 --> 00:16:41.210
很多本科生都自学了

00:16:41.210 --> 00:16:44.548
很多关于深度学习的研究，

00:16:44.548 --> 00:16:47.835
为了之后加入实验室。

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。

00:16:56.652 --> 00:17:01.672
所以，重要的是要问：
我们该如何使用它？

00:17:03.368 --> 00:17:07.896
巨大的积极面可能会伴随着消极面，

00:17:07.896 --> 00:17:10.166
譬如军事使用

00:17:10.797 --> 00:17:15.357
或者就业市场急速颠覆性的变化。

00:17:15.948 --> 00:17:21.629
为了确保在未来的几年内，

00:17:21.629 --> 00:17:23.074
人工智能所面临的集体选择

00:17:23.074 --> 00:17:25.144
将会对所有人有利，

00:17:25.144 --> 00:17:28.557
每一个公民应该

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。

00:17:33.871 --> 00:17:34.891
谢谢。

00:17:35.065 --> 00:17:39.395
（掌声）