Facebook 人工智慧研究院长来台演讲,来看 AI 是怎幺驱动社群平台上可怕

2020-06-06    收藏843
点击次数:886

Facebook 人工智慧研究院长来台演讲,来看 AI 是怎幺驱动社群平台上可怕

AI 是相当热门的话题,各大科技厂无不投入资源进来,想要靠 AI 帮助他们的业务,像是机器学习教程式分辨物品。而昨日 (6/29) Facebook 人工智慧研究院 (Facebook Artifact Research, FAIR) 院长 Yann LeCun 博士在台大进行专题演讲,题目是 Deep Learning and the Path to AI,对象为学院中的人谈的是领域内常用的技术,竟然场地爆满,而且开 Facebook 直播时人数破千。

LeCun 从最基本的部分,解释学界常用的机器学习技术,像是监督式学习 (supervised learning)。除了 AI 用到的技术之外,LeCun 讲到 Facebook 研发的技术,就真的实际用到网站上了,如用户上传照片后,识别里面的人物,甚至猜测里面的人是谁。其猜测的结果精确度相当高,往往还会建议用户朋友贴标籤,这几年的训练成果,看来让不少使用者会吓一大跳,看到辨识的成功机率相当高。

以 Facebook 用户的活跃程度,每天平台上会出现 10 亿到 15 亿之间的照片量,如何分类就是门学问了。前面提到识别照片中用户之外,AI 也得辨识照片中出现的物品。其实每当用户上传照片,AI 都会运作把照片中辨识出来的物品或人标示在相片上面。

Facebook 人工智慧研究院长来台演讲,来看 AI 是怎幺驱动社群平台上可怕

Facebook 不只辨识人物加上建议标籤,连照片中的物品也会辨识归类。

而在 AI 玩围棋的话题以 AI 战胜人类作结之后,电脑游戏成为 AI 新的挑战目标。目前有用 Torch libray 驱动的 TorchCraft 尝试用 AI 玩即时战略游戏星海争霸,但其成绩还需要再努力训练。

Facebook 人工智慧研究院长来台演讲,来看 AI 是怎幺驱动社群平台上可怕

挑战围棋之后,玩游戏成为 AI 新的挑战,不过目前还在初步的阶段。

机器跟人之间最大差是机器没有常识,因此需要花费大量资源进去,训练机器学会人们习以为常的概念。LeCun 认为 AI 要能够有突破性发展,就得靠非监督式学习 (unsupervised learning),又称为预测式学习 (predictive learning)。LeCun 以蛋糕比喻的话,他将目前机器学习的主流方法如增强式、监督式和非监督式,分别对应樱桃、糖霜和蛋糕。用增强式辨识如樱桃之类的物品不需要太多资料就可以做到,但是糖霜监督式学习需要多一些资料,而蛋糕也就是非监督式学习则需要最大量的资料。但这不意味只需要非监督式学习,而要有增强式和监督式学习才能完整辨识出物品。

Facebook 人工智慧研究院长来台演讲,来看 AI 是怎幺驱动社群平台上可怕

LeCun 以蛋糕和蛋糕上不同部分,比喻不同的机器学习方法,指出要辨识全体各种方法缺一不可。

台大资工系教授洪士灏则评论训练 AI 必须有大量运算资源,须下重本下去。Facebook 在训练 AI 是用 256 颗 GPU 下去跑,最后用一小时时间跑出结果。如果用一颗 DGX-1 有 8 颗 GPU,仍需要 30 小时。而其他家想进来玩机器学习的人,要用多少资源下去,要怎幺跟 Facebook 这类有资源的公司竞争呢?

Facebook 人工智慧研究院长来台演讲,来看 AI 是怎幺驱动社群平台上可怕

Facebook 用大量 GPU 来将训练 AI 的过程缩短到 1 小时的时间。

Facebook 也有将相关的 library 放出来,放在 Facebook Research 的 Github 页面,有兴趣的人可以上去自行研究和布署。

相关文章  RELEVANT ARTICLES