馬庫斯又開炮了，直指 LeCun 最新一篇采訪。
「LeCun 所說的一切，我之前幾乎逐字逐句都說過?！?/p>
「大部分內(nèi)容就在 2018 年一篇論文中，而 LeCun 當(dāng)時還嘲笑，大部分內(nèi)容是錯誤的」。
同樣在 Twitter 上，馬庫斯也發(fā)布數(shù)十條相關(guān)主題推文，還是針對 LeCun 的這篇內(nèi)容，引發(fā)不少業(yè)內(nèi)人關(guān)注。
目前，相關(guān)媒體 ZDNet 已注意到馬庫斯的聲音，并在原報道中刊出相關(guān)爭議 ——
但目前 LeCun 尚未回應(yīng)。
所以，這究竟是怎樣一篇采訪？LeCun 又說了什么？
往下看。
LeCun：AI 現(xiàn)在的路走窄了
事情起因是 9 月 24 日商業(yè)技術(shù)媒體 ZDNet 對 LeCun 進(jìn)行了采訪，主題關(guān)于他在 6 月發(fā)表的一篇探討 AI 未來的一篇論文。
該論文中，LeCun 披露了自己在未來十年的研究方向：自主機(jī)器智能（Autonomous Machine Intelligence），更多細(xì)節(jié)之前有過介紹，請參考這篇文章。
此番采訪，LeCun 介紹了更多信息，更對此前專注的路線予以不小否定。
尤其在深度學(xué)習(xí)研究路徑問題上，他表達(dá)了懷疑態(tài)度。
目前 GPT-3、Transformer 擁護(hù)者們相信，只要將一切標(biāo)記化，再訓(xùn)練出巨大模型來做離散預(yù)測，AI 就會以某種方式出現(xiàn)。但他認(rèn)為，這還只是未來智能系統(tǒng)的組成部分之一，但不是關(guān)鍵必要的部分 ——
而即便是強(qiáng)化學(xué)習(xí)，也無法解決上述問題，他解釋道，盡管它們是下棋好手，但仍只是專注于「動作」的程序。
LeCun 還補(bǔ)充，很多人都聲稱要以某種方式推動 AI 進(jìn)步，但這些想法誤導(dǎo)了我們，目前智能機(jī)器的常識性甚至還不如一只貓，這也許才是解決問題的原點。
由此，LeCun 坦誠，自己已放棄用生成網(wǎng)絡(luò)從這一幀預(yù)測視頻下一幀的研究 ——
「這是一次徹底的失敗」他補(bǔ)充道。
LeCun 總結(jié)了失敗的原因，概率理論基礎(chǔ)的模型限制了他自己。同時，他譴責(zé)了那些認(rèn)為概率論迷信者。他們認(rèn)為，概率論即解釋機(jī)器學(xué)習(xí)的唯一框架，但事實上，一個 100% 概率構(gòu)建的世界模型確實難以實現(xiàn)。
LeCun 認(rèn)為，目前所有 AI 都面臨的基本問題是 ——
如何測量「信息」。
目前這一底層問題他自己也沒能很好解決，不過，LeCun 希望去重新思考并打了個比方：
「這好比我們要去月球，于是建了個梯子，但梯子無法到達(dá)那里，我們需要退回來重新思考基本原理」。
不止分享學(xué)研觀點，LeCun 提醒，產(chǎn)業(yè)界也需要重新思考目前 AI 技術(shù)面臨的問題。
尤其在自動駕駛領(lǐng)域，他認(rèn)為相關(guān)公司一直都過于樂觀，從業(yè)者以為將數(shù)據(jù)扔進(jìn)大型神經(jīng)網(wǎng)絡(luò)就能讓它學(xué)到一切。但事實上，我們可能會擁有一個沒有常識的 L5 自動駕駛系統(tǒng)，這將使相關(guān)功能變得十分脆弱，仍有很多極端狀況無法照顧到。
「終極解決方案是一個能更好理解世界運作方式的系統(tǒng)」，LeCun 提出了自己的思路。
ZDNet 還問了 LeCun 為何此時又出來發(fā)聲。
他解釋道，自己很早就在思考監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)的不足，Hinton 也是，他感慨「我們不再年輕，時間不多了」。
值得一提的是，LeCun 在采訪中直言不諱聊了聊自己的批評者，其中就包括紐約大學(xué)教授，加里?馬庫斯，LeCun 評價道「從未對 AI 做任何貢獻(xiàn)」。
至于另一位常在社交網(wǎng)絡(luò)開炮的人，LTSM 之父、Dalle Molle 人工智能研究所聯(lián)合主任 Jürgen Schmidhube，LeCun 也小小諷刺了下「提想法容易，有貢獻(xiàn)才難」。
大概正是這些言論，為他招來了爭議。
馬庫斯又來了
不出意外，這篇采訪前腳剛發(fā)，后腳馬庫斯就來了。
不同于以往的爭辯，這次馬庫斯發(fā)布篇幅超過 6000 個單詞的長文，直指 LeCun 剽竊觀點。
馬庫斯稱 LeCun 觀點自己很早之前就已經(jīng)說過，并表示：
從來沒有人比 LeCun 在采訪中更嚴(yán)密地重復(fù)我的觀點了。
甚至從采訪中摘出原話，和自己曾經(jīng)的觀點一一作出比對。
△ 對比節(jié)選（共 7 條）
一直以來，馬庫斯就對當(dāng)前人工智能的架構(gòu)不抱期待，稱要實現(xiàn)通用人工智能還需要引入其他的技術(shù)。
對馬庫斯關(guān)于 AI 的一些觀點，LeCun 總是認(rèn)為其在博取關(guān)注。此前，他就發(fā)布一篇“如何在推特吸引 AI 圈眼球”的方法論，在其中，若有所指地羅列道：
一再指出深度學(xué)習(xí)的局限性（其實這是每個人都知道的）。
根據(jù)某人新言論，聲稱他們改變自己的想法，同意自己 N（N=5/10/15/20）年前說的；
利用觀點模糊性，宣稱某人觀點出自自己早年言論，指控對方剽竊；
堅持發(fā)推 / 寫小作文；
…
如前文提及，LeCun 也在此次采訪更是專門點名馬庫斯，「他是一位心理學(xué)家，根本不懂 AI」。
不出意外，馬庫斯做了回應(yīng)。
他引用了 LeCun 的諷刺原文回應(yīng)稱，ZDNet 已經(jīng)在報道中補(bǔ)充了他的博客，希望 LeCun 也能作出相應(yīng)的解釋。
值得一提的是，關(guān)于 LeCun 采訪中提及的那篇論文，LSTM 之父 Jürgen Schmidhube 也表達(dá)過不滿，稱其沒有正確引用自己實驗室 1990-2015 年的成果。
參考鏈接：
[1]https://www.zdnet.com/article/metas-ai-guru-lecun-most-of-todays-ai-approaches-will-never-lead-to-true-intelligence/
[2]https://garymarcus.substack.com/p/how-new-are-yann-lecuns-new-ideas?sd=pf&s=09
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。