WEBVTT

00:00:17.816 --> 00:00:21.325
我們的世界在許多方面一直在變，

00:00:21.325 --> 00:00:25.975
其中一樣會對我們的未來
產生巨大影響的是

00:00:25.975 --> 00:00:29.363
人工智慧（AI），

00:00:29.363 --> 00:00:32.953
將會帶來另一場工業革命。

00:00:33.627 --> 00:00:39.504
之前的工業革命
擴大了人類的機械能力；

00:00:40.014 --> 00:00:42.143
這場新的革命，

00:00:42.143 --> 00:00:45.572
這第二次的機械時代

00:00:45.572 --> 00:00:51.710
將會拓展我們的認知能力和腦力。

00:00:52.782 --> 00:00:57.177
電腦不僅將取代體力勞動，

00:00:57.597 --> 00:00:59.897
還將取代腦力活動。

00:01:00.500 --> 00:01:03.450
那麼我們如今立足在何處呢？

00:01:04.034 --> 00:01:07.724
你可能聽說去年三月發生的事情，

00:01:07.724 --> 00:01:11.776
一個被稱為 AlphaGo 的
機器學習系統

00:01:11.776 --> 00:01:17.708
用深度學習擊敗了
當時的世界圍棋冠軍。

00:01:18.279 --> 00:01:20.679
圍棋是古老的中國棋戲，

00:01:20.679 --> 00:01:23.288
對於電腦來說，

00:01:23.288 --> 00:01:25.982
遠比西洋棋更難掌握。

00:01:26.893 --> 00:01:32.086
經過幾十年的人工智慧研究，
我們如今是如何辦到的？

00:01:33.068 --> 00:01:36.698
AlphaGo 專門被訓練來下圍棋，

00:01:37.678 --> 00:01:41.300
先是大量觀察人類高段棋手

00:01:41.814 --> 00:01:46.894
數千萬次的出招。

00:01:47.746 --> 00:01:52.496
接著自我對弈幾百萬次。

00:01:54.222 --> 00:01:59.941
機器學習讓電腦從實例中學習，

00:02:00.465 --> 00:02:02.575
從數據中學習。

00:02:03.885 --> 00:02:06.675
機器學習已成為

00:02:06.675 --> 00:02:11.635
將知識塞進電腦裡的關鍵。

00:02:12.174 --> 00:02:14.066
這很重要，

00:02:14.066 --> 00:02:19.296
因為知識是智能發展的推手。

00:02:20.438 --> 00:02:26.768
之前要把知識放進電腦，
對人工智慧而言極具挑戰性。

00:02:27.515 --> 00:02:28.745
為什麼？

00:02:29.059 --> 00:02:34.589
我們憑直覺認知很多事情，

00:02:34.601 --> 00:02:38.611
無法口頭表達，

00:02:38.619 --> 00:02:42.420
無法有意識地取用哪些知識。

00:02:43.270 --> 00:02:46.811
在無所知的情況下
如何為電腦寫程式呢？

00:02:47.664 --> 00:02:49.114
怎麼解決呢？

00:02:49.314 --> 00:02:55.343
就是讓機器自己學習知識，

00:02:55.343 --> 00:02:56.443
和我們人類一樣。

00:02:56.443 --> 00:02:58.048
這非常重要，

00:02:58.048 --> 00:03:02.969
因為知識是智能發展的推手。

00:03:02.969 --> 00:03:06.974
我的任務就是通過學習

00:03:06.974 --> 00:03:12.676
來發現和理解智能發展的原理，

00:03:13.166 --> 00:03:17.828
無論是動物、人類還是機器學習。

00:03:19.450 --> 00:03:25.066
我們相信有幾個關鍵原則，

00:03:25.066 --> 00:03:27.296
正如物理定律一樣。

00:03:27.885 --> 00:03:32.745
簡單的原理可以解釋我們自身的智能，

00:03:32.745 --> 00:03:36.741
幫助我們建造智能的機器。

00:03:37.885 --> 00:03:41.595
以空氣動力學定律為例，

00:03:41.595 --> 00:03:48.036
它足以解釋鳥類和飛機的飛行。

00:03:49.146 --> 00:03:52.263
若能發現同樣簡單卻有力的原理

00:03:52.263 --> 00:03:55.381
用來解釋智能本身，

00:03:55.381 --> 00:03:59.186
豈不是很棒？

00:04:00.026 --> 00:04:03.394
我們已有若干進展。

00:04:04.384 --> 00:04:06.220
這些年來，我和合作者

00:04:06.220 --> 00:04:11.940
貢獻於人工智慧領域的變革，

00:04:11.950 --> 00:04:16.397
藉由研究神經網路和深度學習，

00:04:16.397 --> 00:04:20.693
那是種受大腦啟發的機器學習法。

00:04:22.041 --> 00:04:26.743
它始於手機上的語音識別，

00:04:26.743 --> 00:04:29.963
自 2012 年起就用了神經網路。

00:04:30.977 --> 00:04:35.647
不久後在電腦視覺上取得了突破。

00:04:36.680 --> 00:04:43.087
現在電腦極會辨識圖像的內容。

00:04:43.674 --> 00:04:49.597
事實上，過去五年在一些基準上
已近似於人類的表現。

00:04:50.711 --> 00:04:57.297
現在電腦已能直覺地
以視覺辨讀圍棋的棋盤，

00:04:58.191 --> 00:05:01.356
足以和人類的高手媲美。

00:05:01.763 --> 00:05:03.454
最近，

00:05:03.454 --> 00:05:06.584
根據我實驗室的一些發現，

00:05:06.584 --> 00:05:11.408
深度學習被用來翻譯語言，

00:05:11.414 --> 00:05:14.441
已經被用在谷歌翻譯上。

00:05:15.191 --> 00:05:18.192
它拓展了電腦

00:05:18.192 --> 00:05:22.532
理解和生成自然語言的能力。

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

00:05:25.517 --> 00:05:30.085
機器要能夠像人類那樣

00:05:30.085 --> 00:05:34.800
學習掌握世界各方面的事情

00:05:34.800 --> 00:05:37.588
還非常非常遙遠。

00:05:38.541 --> 00:05:41.237
讓我們舉個例子。

00:05:41.637 --> 00:05:44.707
即使是兩歲的孩子

00:05:44.707 --> 00:05:50.657
也能夠用電腦現在
無法做到的方式學習事物。

00:05:51.767 --> 00:05:56.169
兩歲的孩子其實已經
掌握直觀的物理學。

00:05:56.968 --> 00:06:01.908
她知道如果扔了球，球會落下。

00:06:02.493 --> 00:06:06.093
當她把液體灑出來，
她能預期會弄髒地板。

00:06:06.586 --> 00:06:09.516
根本不需要她的父母教她

00:06:09.516 --> 00:06:12.980
牛頓定律或者微分方程。

00:06:13.840 --> 00:06:20.200
她以「無監督學習」方式，
自己發現這一切。

00:06:21.352 --> 00:06:27.712
事實上，無監督學習仍是
人工智慧所面臨的關鍵挑戰之一，

00:06:28.184 --> 00:06:33.014
可能還需要花上
好幾十年的基礎研究

00:06:33.014 --> 00:06:34.674
來解開這個結。

00:06:34.674 --> 00:06:40.895
事實上，無監督學習
試圖發現數據的表現形式。

00:06:41.729 --> 00:06:43.779
讓我舉個例子。

00:06:44.364 --> 00:06:49.346
試想你用雙眼看著屏幕上的一頁，

00:06:49.346 --> 00:06:54.196
電腦則將其視為一堆像素的圖像。

00:06:54.993 --> 00:07:00.113
為了回答圖像內容之類的問題，

00:07:00.863 --> 00:07:05.211
你需要理解它的高層次含義。

00:07:05.674 --> 00:07:08.808
這種高層次含義對應

00:07:08.808 --> 00:07:12.321
你腦中的最高層表現形式；

00:07:12.906 --> 00:07:18.308
往下是單詞的個別含義；

00:07:19.188 --> 00:07:23.798
更往下是由字母拼湊出來的單詞。

00:07:24.810 --> 00:07:27.677
這些字母可由不同筆劃構成，

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

00:07:31.559 --> 00:07:34.839
這些筆劃是由「邊線」所組成的，

00:07:34.839 --> 00:07:37.284
而這些邊線則是像素組成的。

00:07:37.284 --> 00:07:40.454
以上這些是不同層次的表現形式。

00:07:41.079 --> 00:07:46.550
但是像素本身不足以讓圖像

00:07:46.584 --> 00:07:51.904
能夠回答頁面內容這樣的高層次問題。

00:07:52.932 --> 00:07:57.594
事實上，你的大腦有
不同層級的表現形式。

00:07:57.594 --> 00:08:02.291
從大腦皮層的第一個視覺區域的
神經元開始——V1，

00:08:02.291 --> 00:08:04.596
它會識別圖像的邊線。

00:08:04.596 --> 00:08:09.334
接著，在大腦皮層
第二個視覺區的神經元——V2

00:08:09.334 --> 00:08:12.800
能識別筆劃和小圖形。

00:08:12.800 --> 00:08:17.060
再往上有神經元來識別物體的局部，

00:08:17.060 --> 00:08:19.992
然後是物體和整個場景。

00:08:21.182 --> 00:08:24.757
受過圖像訓練的神經網路

00:08:24.757 --> 00:08:28.860
真能發現這類層次的表達形式，

00:08:28.860 --> 00:08:32.778
與我們腦中觀察到的十分吻合。

00:08:33.638 --> 00:08:38.798
無論是生物的神經網路，
也就是我們腦中的神經網路，

00:08:38.804 --> 00:08:42.828
還是在機器上訓練的深層神經網路，

00:08:42.845 --> 00:08:48.075
都能學會把某一層的表現形式，
轉變成下一層的形式；

00:08:48.369 --> 00:08:53.299
越高層次的表現形式
對應越抽象的概念。

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

00:08:57.562 --> 00:09:00.891
在最底層可有許多不同的表現形式，

00:09:00.891 --> 00:09:03.887
可以呈現出許多不同的像素配置，

00:09:03.887 --> 00:09:09.097
根據位置、旋轉、字體等配置。

00:09:10.445 --> 00:09:15.815
那麼該如何學習這些
高層次的表現形式呢？

00:09:16.962 --> 00:09:23.066
目前為止，深度學習的
某種應用非常成功，

00:09:23.066 --> 00:09:25.985
我們稱之為「監督學習」。

00:09:26.297 --> 00:09:31.588
在監督學習的情況下，
電腦需被拉著手學習，

00:09:31.594 --> 00:09:35.467
人類必須告訴電腦
許多問題的答案。

00:09:35.467 --> 00:09:39.238
例如在數百萬的圖像中，

00:09:39.238 --> 00:09:41.420
人們必須告訴機器，

00:09:41.420 --> 00:09:44.271
這張圖是一隻貓，

00:09:44.511 --> 00:09:47.095
這張圖是一隻狗，

00:09:47.095 --> 00:09:49.585
這張圖是一台筆電，

00:09:49.605 --> 00:09:52.600
這張圖是個鍵盤等等，

00:09:52.600 --> 00:09:55.595
以此類推數百萬次。

00:09:56.066 --> 00:10:01.026
這工作非常惱人， 
所以我們用群眾外包來做。

00:10:01.461 --> 00:10:03.396
雖然它非常強，

00:10:03.416 --> 00:10:06.269
讓我們能夠解決許多有趣的問題，

00:10:06.269 --> 00:10:08.313
但是人類更強，

00:10:08.313 --> 00:10:13.560
人類能夠更加自主學習
世上更多不同層面的事。

00:10:13.809 --> 00:10:17.609
如同我們所見，孩子直觀學習物理。

00:10:17.625 --> 00:10:23.739
無監督學習也能幫我們研發自駕車。

00:10:24.567 --> 00:10:26.097
讓我來解釋一下：

00:10:26.097 --> 00:10:31.835
無監督學習讓電腦
將自己投射到未來，

00:10:31.835 --> 00:10:37.205
根據當前的情況生成可信的未來。

00:10:38.369 --> 00:10:42.899
這讓電腦能夠推理和提前計劃。

00:10:43.450 --> 00:10:47.985
即使碰上還未訓練的情境也能處理。

00:10:48.751 --> 00:10:50.441
這很重要，

00:10:50.441 --> 00:10:53.951
因為用監督學習，
必須告訴電腦，

00:10:53.951 --> 00:10:57.395
汽車可能會遇到的各種情況

00:10:57.395 --> 00:11:01.375
以及人們在這些情況下的反應。

00:11:02.451 --> 00:11:06.191
人怎麼學會避免危險的駕駛行為呢？

00:11:07.276 --> 00:11:10.791
難道必須死於交通事故一千次嗎？

00:11:10.793 --> 00:11:12.106
（笑聲）

00:11:12.106 --> 00:11:14.606
這是我們現在訓練機器的方法。

00:11:15.175 --> 00:11:18.340
所以它不會飛、至少不會開車。

00:11:18.340 --> 00:11:19.928
（笑聲）

00:11:21.288 --> 00:11:25.657
因此我們需要訓練模型

00:11:25.657 --> 00:11:31.924
能夠產生可信的圖像或未來，
然後變得有創造性。

00:11:31.924 --> 00:11:33.934
我們正在這方面取得進展。

00:11:33.934 --> 00:11:37.457
我們正在訓練這些深層神經網路

00:11:37.463 --> 00:11:40.818
從高層次的含義到像素，

00:11:40.818 --> 00:11:43.298
而不是從像素到高層次含義，

00:11:43.307 --> 00:11:46.787
是從另一個方向表達。

00:11:46.787 --> 00:11:51.181
這樣電腦能生成新的圖像，

00:11:51.191 --> 00:11:56.312
和它們受訓時所見的圖像完全不同。
（註：分為訓練數據和測試數據）

00:11:57.018 --> 00:12:00.369
但這些是可信，看起來自然的圖像。

00:12:01.888 --> 00:12:06.332
我們也可以用這些模型
來幻想一些奇怪

00:12:06.342 --> 00:12:09.492
甚至可怕的圖像，

00:12:09.492 --> 00:12:11.795
像我們在夢裡、噩夢裡看到的那樣。

00:12:12.682 --> 00:12:16.847
這裡有些電腦用深度圖表模型

00:12:16.847 --> 00:12:19.826
所合成的圖像。

00:12:19.826 --> 00:12:21.651
它們看上去就像自然圖像，

00:12:21.651 --> 00:12:25.191
但是如果近看就會發現還是有區別，

00:12:25.191 --> 00:12:30.616
它們仍缺少一些
我們視為自然的重要細節。

00:12:31.995 --> 00:12:33.951
大約 10 年前，

00:12:33.951 --> 00:12:36.725
無監督學習是我們

00:12:36.725 --> 00:12:41.798
突破深度學習的關鍵。

00:12:44.140 --> 00:12:48.055
這種情況發生在少數實驗室， 
包括我的實驗室，

00:12:48.055 --> 00:12:51.455
當時神經網路還未流行，

00:12:51.455 --> 00:12:55.217
幾乎被科學界所拋棄。

00:12:56.394 --> 00:12:58.935
如今大不相同，

00:12:58.935 --> 00:13:01.375
它已成為火熱的領域。

00:13:01.384 --> 00:13:06.933
如今每年有成百上千的學生
申請研究所入學，

00:13:06.954 --> 00:13:09.784
到我的實驗室
和我的同仁一起工作。

00:13:11.010 --> 00:13:14.652
蒙特利爾已成為世界上最大的

00:13:14.652 --> 00:13:19.387
深度學習研究人員學術聚集地。

00:13:20.182 --> 00:13:26.115
我們剛收到 9400 萬美元的
巨額研究經費，

00:13:26.127 --> 00:13:29.797
用於推動人工智慧
和數據科學的發展，

00:13:29.797 --> 00:13:36.067
把深度學習技術
和數據科學技轉到工業界。

00:13:37.249 --> 00:13:43.791
受到這些刺激的商業人士
新創公司、工業實驗室，

00:13:43.791 --> 00:13:46.914
其中許多間就座落於大學附近。

00:13:48.543 --> 00:13:51.265
例如幾週前

00:13:51.265 --> 00:13:54.733
我們宣布成立一家名為

00:13:54.733 --> 00:13:56.507
「Element AI」的新創工廠，

00:13:56.507 --> 00:13:59.605
它將專注於深度學習的應用上。

00:14:01.562 --> 00:14:05.722
深度學習的專家不多，

00:14:06.355 --> 00:14:10.677
所以那些專家被支付高薪。

00:14:11.027 --> 00:14:17.212
許多我學術界的前同事
接受公司給的高薪

00:14:17.228 --> 00:14:20.518
去工業實驗室工作。

00:14:21.081 --> 00:14:25.010
我自己選擇待在大學

00:14:25.010 --> 00:14:27.166
為公眾利益工作，

00:14:27.166 --> 00:14:28.886
和學生們一起工作，

00:14:28.902 --> 00:14:30.592
保持獨立，

00:14:30.596 --> 00:14:34.836
指導下一代的深度學習專家。

00:14:35.294 --> 00:14:41.024
除了商業價值，

00:14:41.024 --> 00:14:44.654
我們還思考人工智慧對社會的影響。

00:14:45.881 --> 00:14:50.026
我們中的許多人現在開始把目光

00:14:50.026 --> 00:14:55.986
投向於社會增值應用，例如健康。

00:14:56.457 --> 00:14:58.956
我們認為可以利用深度學習

00:14:58.956 --> 00:15:02.696
來改進個別化的治療。

00:15:03.956 --> 00:15:05.671
我相信在未來，

00:15:05.671 --> 00:15:10.361
在收集全球數百萬、
數十億人的更多數據後，

00:15:10.361 --> 00:15:13.856
我們將能夠提供醫療建議

00:15:13.856 --> 00:15:17.246
給數十億現在得不到的人。

00:15:17.601 --> 00:15:22.724
我們想像人工智慧
在社會價值方面的許多其他應用。

00:15:23.140 --> 00:15:28.244
例如，我們對自然語言理解的研究，

00:15:29.058 --> 00:15:31.199
將會為那些無法負擔的人們

00:15:31.199 --> 00:15:34.059
提供各式各樣的服務，
比如法律服務。

00:15:34.512 --> 00:15:37.342
我們如今同樣也將目光

00:15:37.342 --> 00:15:41.132
轉向了人工智慧
對我們社區的社會影響。

00:15:41.690 --> 00:15:44.801
但這不僅僅是專家需要思考的問題。

00:15:46.026 --> 00:15:49.936
我相信這事超越數學和專業術語，

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

00:15:53.138 --> 00:15:55.901
幕後發生了什麼事，

00:15:55.901 --> 00:16:01.191
從而參與未來幾年，乃至幾十年的

00:16:01.191 --> 00:16:06.547
有關人工智慧的重要決策。

00:16:07.580 --> 00:16:09.280
所以，

00:16:09.930 --> 00:16:16.230
請預留費用和空間讓自己去學習吧。

00:16:17.842 --> 00:16:22.532
我和合作者寫了幾篇介紹性論文

00:16:22.542 --> 00:16:25.376
和一本名為《深度學習》的書，

00:16:25.376 --> 00:16:29.619
來幫助學生和工程師
進入這個令人興奮的領域。

00:16:30.659 --> 00:16:35.784
同樣也有許多線上的資源： 
軟體、學習指南、影片等等。

00:16:36.310 --> 00:16:41.210
許多大學生自學了

00:16:41.210 --> 00:16:44.548
很多關於深度學習的研究，

00:16:44.548 --> 00:16:47.835
為了之後加入實驗室的行列，
像是我的實驗室。

00:16:49.370 --> 00:16:55.170
人工智慧將對我們社會
產生深遠的影響。

00:16:56.652 --> 00:17:01.672
所以重要的是問：我們該如何用它？

00:17:03.368 --> 00:17:07.896
巨大的正面影響可能伴隨負面影響，

00:17:07.896 --> 00:17:10.166
譬如軍事的應用

00:17:10.797 --> 00:17:15.357
或急速顛覆性的就業市場變化。

00:17:15.948 --> 00:17:19.349
為了確保在未來的幾年內

00:17:19.349 --> 00:17:23.074
人工智慧所面臨的集體選擇

00:17:23.074 --> 00:17:25.144
將會對所有人有利，

00:17:25.144 --> 00:17:28.684
每一個公民應該積極發揮作用

00:17:28.684 --> 00:17:32.911
共同來定義人工智慧
將如何塑造我們的未來。

00:17:33.871 --> 00:17:34.891
謝謝。

00:17:35.065 --> 00:17:39.395
（掌聲）