Facebook AI 工程師談論人工智慧的深度學習、新程式語言和硬體

Facebook 人工智慧研究總監 Yann LeCun 先生表示，未來的深度學習可能需要比 Python 更靈活、更容易使用的新程式語言。目前人工智慧領域的頂尖專家之一。這位專家為何如此預測？

「目前還不清楚是否需要創建一種新的程式語言，但是，這對於改變大量研究人員和工程師的思維是必要的。資訊科技工程師——在人工智慧相關問題上非常保守的人智力。事實上，Google、Facebook 和許多其他科技公司已經有很多專案在設計一種新的程式語言，以一種可以更有效地進行深度開發學習的方式進行編譯，但我不確定社群是否會效仿，因為每個人都只想使用Python。」Yann LeCun 先生分享道。

• 人工智慧已經可以只用幾個資訊寫出整篇文章

開發新的程式語言是合理的方法嗎？

根據 GitHub 最近的 Octoverse 報告，Python 是目前機器學習專案開發人員最常用的語言，它還為 Facebook 的 PyTorch 框架和谷歌的 TensorFlow 做出了貢獻

Yann LeCun先生於2月19日在舊金山舉行的國際固態電路會議（ISSCC）上發表論文，了解機器學習發展的最新趨勢。文章的第一部分講述了 Yann LeCun 從貝爾實驗室學到的教訓，包括他觀察到人工智慧研究人員和電腦科學家往往傾向於將硬體和軟體工具結合在一起。

• 人工智慧是電腦科學的一部分嗎？

硬體問題

人工智慧已有50多年的歷史，經歷了半個世紀的形成和發展，但近年來該技術的重要性和實際應用的增加呈下降趨勢，這一趨勢與計算能力的增長密切相關由電腦晶片和相關硬體組件提供。

Yann LeCun 自20 世紀80 年代起就在貝爾實驗室工作了很長時間，負責ConvNet (CNN) 的人工智慧開發，他得出的結論是，更好的硬體有助於提出更好的演算法、更好的性能。

2000 年代初，離開貝爾實驗室並加入紐約大學後，Yann LeCun 與 Yoshua Bengio 和 Geoffrey Hinton 等許多人工智慧領域的傑出人物合作，開展研究以恢復合作關係。深度學習的普及。

近年來，硬體方面的進步 - 例如現場可編程閘陣列 - FPGA（一種特殊的積體電路或製造後可以在其範圍內編程的晶片）、Google的張量處理單元（TPU）以及圖形處理單元（ GPU）－在人工智慧產業的發展中發揮了重要作用。

“這些類型的硬體對人們正在進行的研究有很大的影響，因此未來十年人工智慧的方向也將極大地受到硬體發展狀況的影響。” 當然，計算機科學研究人員不想受到硬體限制的束縛，但這就是現實。”

此外，Yann LeCun先生也強調，一些AI相關的硬體製造商應該在不久的將來，可能是未來幾年，在深度學習系統規模不斷擴大之前，考慮並提出所需的架構類型的建議。此外，需要專門為深度學習設計硬件，能夠進行大規模處理，而不是需要處理很多訓練樣本來運行神經網絡，資本經濟學是目前的標準。

「例如，如果您只執行單一影像，您將無法利用 GPU 中的所有可用運算能力。這本質上是在浪費資源，因此開發人員還應該考慮一些更有效的方法來訓練神經網路。”

• 【資訊圖】人工智慧逐漸取代人類的未來工作

在文章中，Yann LeCun 先生也重申了他的信念：監督自學習將在推動現代人工智慧的發展中發揮關鍵作用。他認為，未來的深度學習系統將在很大程度上將透過監督自學習來進行訓練，並且需要具有更高性能的現代硬體來支援監督自學習。

上個月，Yann LeCun 先生還在預測 2019 年人工智慧趨勢的故事中討論了自我監督學習的重要性。能夠處理這種自我監督學習的硬體對於 Facebook 以及自主學習都非常重要。駕駛、機器人技術和許多其他形式的技術。