Meta 首席人工智能科学家 Yann LeCun 表示，人工智能深度学习时代的力量已经导致企业信息技术研发的复兴。
“我们一直在研究的技术类型产生了更大的商业影响，范围更广，”LeCun 在通过 Zoom 与媒体和高管举行的小型会议上说。 这个月。
“其结果是它吸引了大量研究资金，事实上，引起了行业研究的更新。”
就在二十年前，LeCun 说，微软研究院是唯一“在信息技术方面具有任何地位”的行业实体。 但是，LeCun 说，2010 年代见证了“谷歌研究真正脱颖而出，我创建的 FAIR [Facebook 人工智能研究]，以及其他几个实验室的启动，基本上恢复了行业可以进行基础研究的想法 ”
企业研发的复兴正在发生，LeCun 说，“因为未来可能发生的事情和现在发生的事情的前景都很好，这要归功于这些技术。”
LeCun 表示，应用 AI 的价值正在形成一个双轨系统，在该系统中，企业研发部门维持长期的登月项目，然后另一个轨道将研究汇集到实际产品应用中。
“对于像 Meta 这样的公司来说，同时拥有一个拥有雄心勃勃的长期目标的大型研究实验室是完全有意义的，比如构建具有人类智能的智能虚拟助手，因为这正是我们最终想要的；但同时 时间，已经开发的技术已经有用了。
“例如，在过去的两三年里，多语言的内容审核和语音检测已经彻底发生了革命性的变化，Transformers 以自我监督的方式进行了预训练，”LeCun 说，他指的是谷歌的 Transformer 自然语言处理程序， 于 2017 年推出，已成为 OpenAI 的 ChatGPT 等众多程序的基础。
“它取得了巨大的进步，令人难以置信的进步，这要归功于最新的人工智能研究，”LeCun 说。
LeCun 受邀发表了由 Collective[i] Forecast 主持的一个半小时的演讲，Collective[i] 预测是一个在线互动讨论系列，由 Collective[i] 组织，自称是“旨在优化 B2B 销售的人工智能”。
LeCun 是在回答 ZDNET 的一个问题，即工商业对 AI 前所未有的兴趣对 AI 基础科学有什么影响。
另外：Meta 的 AI 大师 LeCun：当今大多数 AI 方法永远不会产生真正的智能
LeCun 称自己对应用人工智能在社会中造福人类的能力“持乐观态度”。 他表示，即使人工智能未能实现某些目标，它也会产生有益的效果。
LeCun 举了一个自动驾驶汽车系统的例子，虽然它不是真正的自动驾驶系统，但它的好处是提供了可以挽救生命的道路安全功能。
“现在在欧洲推出的每辆汽车都必须配备自动紧急制动系统 ABS，”LeCun 说。 “这在美国不是必需的。但很多汽车都有。”
他指出，ABS 是“也允许汽车在高速公路上自行驾驶的相同系统，对吧？” 他指出，制动机制减少了 40% 的碰撞。 “所以，尽管你听到的一切，你知道，特斯拉撞上卡车或其他什么，这些东西绝对可以挽救生命，以至于需要它们。”
LeCun 还自愿提出“我发现人工智能非常有前途的一件事是目前在科学和医学中使用人工智能”来改善人们的生活。
“有很多实验系统，其中数百个已经获得 FDA 批准，可以提高 MRI 和 X 射线以及其他各种东西对许多不同疾病的诊断可靠性，”LeCun 说。 “这将对健康产生巨大影响。”
他说，与“大事”相比，这些突破虽然是积极的，但微不足道，即“人工智能用于科学发展的方式”。
另外：Meta 的 AI 杰出人物 LeCun 探索深度学习的能源前沿
“我们拥有可以折叠蛋白质的系统，我们现在拥有能够设计蛋白质以粘附到特定位点的系统，这意味着我们可以以与过去完全不同的方式设计药物，”LeCun 说。 .
LeCun 说，人工智能还具有“材料科学进步的巨大潜力”。 “我们将需要这个，因为我们需要解决气候变化问题，所以，我们需要能够拥有不花大价钱的高容量电池，并且不需要你使用我们认为的奇异材料 只能在一个地方找到。”
LeCun 引用了一个这样的材料项目，即 Open Catalyst，该项目由 FAIR 的同事创立，该项目与卡内基梅隆大学合作，应用人工智能开发“用于可再生能源储存的新催化剂，以帮助应对气候变化”。
“我们的想法是，如果我们可以用光伏电池板覆盖一个小沙漠，然后储存这些电池板使用的能量，例如，以氢气或甲烷的形式，”LeCun 解释道。 他说，目前储存氢气或甲烷产品的方法“要么是可扩展的，要么是高效的，但不是两者兼而有之。”
“我们能否发现，也许在人工智能的帮助下，一种新的催化剂可以通过不需要一些奇特的新材料来使该过程更高效或可扩展？它可能行不通，但值得一试。”
另外：微软 CEO 纳德拉：“期待我们将 AI 融入堆栈的每一层”
尽管有许多有前途的商业和应用应用，LeCun 认为工业用途的局限性达不到 AI 的宏伟目标，即寻求动物或人类水平的智能。
LeCun 说，在深度学习时代，前所未有的数据和计算可用性使当今应用程序（例如变形金刚）的巨大研究进展成为可能，而基础科学进展并不总是那么丰富或丰富。
“引起最近浪潮的，首先是一些概念上的进步——但坦率地说，不是很大，也不是那么令人印象深刻——但实际上，可用的数据量和计算量 有可能扩大这些系统。”
大型语言模型，例如 ChatGPT 所基于的计算机程序 GPT-3，证明了扩展 AI，即添加更多可调参数层，可以直接提高程序的性能。 “事实证明，当你扩大它们的规模时，它们的效果非常好，”他谈到 GPT-3 及其同类产品时说。
LeCun 表示，该行业可能会在某个时候发现收益递减，因为仅依靠扩展而不探索其他途径。
另外：像人类一样思考的机器：关于 AGI 和 AI 的一切知识辩论 3
“很多公司，尤其是 OpenAI，都把它作为一种口头禅，只要把事情做大，它就会工作得更好，”他说。 “但我认为我们现在已经达到了极限。”
尽管扩展了越来越大的模型，LeCun 说，“我们似乎无法通过仅在更多数据上训练更大的神经网络来训练完全自主的自动驾驶 [汽车] 系统；这似乎 到那里。”
他说，像 ChatGPT 这样令人印象深刻的程序，LeCun 称之为“不是特别创新”和“没有什么革命性的”，但没有规划能力。
“他们完全是被动的，”LeCun 说。 “你给他们一个几千个单词的上下文，”意思是，人工输入的提示，“然后，系统就会从中生成下一个标记，完全是反应性的。”
“没有提前计划或将复杂任务分解为更简单的任务，它只是被动的，”LeCun 说。
LeCun 提供了 OpenAI 程序 Co-Pilot 的示例，该程序已被微软集成到 GitHub 代码管理中。 “这种系统有一个非常可怕的局限性，”他说。 “基本上，它们被用作类固醇的预测键盘。”
另外：人工智能先驱 Geoff Hinton 说，我们将看到一种全新类型的计算机
“你开始编写你的程序，并在评论中描述它应该做什么，并且你拥有基于大型语言模型的工具来完成该程序，”他解释道。
这种自动完成就像汽车中的巡航控制系统，有助于在高速公路上行驶。 “你的手需要始终保持在方向盘上”，因为 Co-Pilot 可能会在代码中产生错误而没有意识到错误。
“问题是，我们如何从生成有时运行但有时不运行的代码的系统中获取信息，”LeCun 说。 “答案是今天所有这些系统都无法规划；它们完全是被动的。”
“这不是智能行为所需要的。”
相反，LeCun 说，“如果你想要智能行为，你需要一个能够预测其自身行为影响的系统”，以及拥有“某种内部世界模型，一个关于世界如何发展的心智模型 因自己的行为而改变。”
去年夏天，LeCun 概述了一篇关于需要具有规划能力的项目的想法，他在 9 月与 ZDNET 进行了详细讨论。
LeCun 表示，到目前为止，企业信息技术研发的复兴还没有带来最宝贵的技术成果——生产力，但这可能会在未来十年内实现。
另外：人工智能的真正目标可能不再是智能
LeCun 引用了斯坦福大学以人为本的人工智能小组的研究员 Erik Brynjolfsson 的工作，指出经济学家认为人工智能是一种“通用技术”，意思是“将慢慢传播到经济和行业的各个角落，并从根本上影响 所有经济活动”都受到各种影响，例如创造新的就业机会、取代其他工作等，“并导致生产力提高，因为它促进了创新。” 换句话说，建立在创新之上的创新是生产力的经济等价物。
“尤其是 Eric，一直在说的是，至少直到最近，我们还没有观察到人工智能带来的生产力提高，而且，从历史上看，他说大约需要 15、20 年才能看到对生产力产生可衡量的影响 的技术革命。
“所以，根据他的预测，这可能会在未来十年内发生。”
LeCun 表示，鉴于信息技术对年轻学者的吸引力，企业在信息技术领域的基础研发的复苏可能具有一定的持久力。
“我认为我们一直在观察的一个现象是，年轻有才华的人现在渴望成为人工智能研究人员，因为这是一件很酷的事情，而以前，同样的人会去金融，”LeCun 说。 “我认为他们去科学更好。”
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66871.html
