网站备案撤销怎么办,网页工具栏怎么显示出来,中国网站建设总部在哪里,农场理财网站建设来源#xff1a;量子位 | 公众号 QbitAI丰色 发自 凹非寺这段时间#xff0c;关于“AI未来往哪走的”讨论#xff0c;可以说是越来越激烈了。先是Meta被曝AI相关部门大重组#xff0c;又有谷歌AI是否具备人格大讨论#xff0c;几乎每一次讨论都能看到Yann LeCun的身影。现… 来源量子位 | 公众号 QbitAI丰色 发自 凹非寺这段时间关于“AI未来往哪走的”讨论可以说是越来越激烈了。先是Meta被曝AI相关部门大重组又有谷歌AI是否具备人格大讨论几乎每一次讨论都能看到Yann LeCun的身影。现在LeCun终于坐不住了。他用一篇长达62页的最新论文详细介绍了他未来十年要做什么样的AI研究自主机器智能Autonomous Machine Intelligence。LeCun表示在大数从业者都不会提前将自己的研究内容公布出来的“学术风气”下他这一举动可以说是很特别了。究其原因除了发扬开放的科学研究精神也是为了号召更多人一起加入其中一起研究。那么他说的这个自主人工智能究竟是什么又要如何开展可以模拟世界运作的AI在论文中LeCun先是举了一个例子一个年轻人可以最快在20小时内就学会开车一个当今世界最优秀的自动驾驶系统却要用到数百万甚至数十亿条带标签的训练数据并在虚拟环境中进行数百万次强化学习才能得出——还完全达不到人类的水平。从这个例子我们可以得出尽管我们在人工智能方面的研究取得了不少进展但离创造出一个能真正像人类一样思考和学习的AI还差得远。LeCun所提出的自主人工智能就是要解决这个问题。在他看来对“世界模型”世界如何运作的内部模型进行学习的能力可能是关键。众所周知人类和其他动物总是能通过观察和少量互动就能以无监督的方式学习到大量关于世间万物如何运转的背景知识。这些知识就是我们所说的常识而常识就是构成“世界模型”的基础。有了常识我们在不熟悉的场景下也能开展行动。比如开头那位从来没有开过车的年轻人碰到雪地不用教也知道这样的路很滑得慢慢开。此外常识还可以帮我们填补信息在时间和空间上的缺失。比如一名司机听到了金属等物质的碰撞声即使没有看到现场也能知道那可能是有车祸发生。在这些概念之上LeCun提出了构建自主人工智能的第一个挑战如何设计一个学习范式和体系架构让机器能够以自监督学习也就是不需要标注数据的方式学习“世界模型”然后用这个模型去进行预测、推理和行动。在这里他重新组合了认知科学、系统神经科学、最优控制、强化学习和“传统”人工智能等各个学科中提出的想法并将它们与机器学习中的新概念相结合提出了一个由六个独立模块组成的自主智能架构。其中每个模块都是可微的每一个都可以很容易地计算某个目标函数相对于自己的输入的梯度估计并将梯度信息传播到上游模块。六模块自主智能架构LeCun设想的六个模块分别为1、配置模块负责执行控制。给定要执行的任务它可以通过调节其他模块的参数为任务预先配置感知模块、世界模块等其他三个模块的值。2、感知模块负责接收来自传感器的信号并估计世界的当前状态。3、世界模型模块是这个架构中最复杂的一部分。有两个作用1估计感知模块无法提供的关于世界状态缺失的信息2预测未来可能的状态。由于世界充满了不确定性该模块必须能够涵盖出多种可能的预测。4、成本模块用来计算标量scalar的输出它可以预测智能体的不适程度discomfort of the agent智能体受到的损害、违反硬编码的行为约束等。该模块又有两个子模块1内在成本模块cost用来即时计算“不适感”2评判家(critic)预测内在成本模块的未来值。5、行动模块用来计算要实现的动作序列。行动模块可以找到一个使未来成本模块最小化的最优动作序列并以类似于经典最优控制的方式以最优序列输出第一个动作。6、短期内存模块跟踪当前和预测的世界状态以及相关成本。其中对于这个架构的核心——世界模块最关键的挑战是如何使其能够表示出多个合理的预测。此外它在学习世界的抽象表示时还要学会忽略不相关的信息只保留最有用的细节。比如在开车时只需要预测驾驶员周围的汽车会做什么不需要预测道路两旁树木中每片叶子的详细位置。对此LeCun也给了一个可能的解决方案联合嵌入预测架构 (JEPA)用它来处理预测中的不确定性。同时他还提出用非对比自监督学习对JEPA进行训练以及从不同时间尺度上进行预测的分级JEPA它可以将复杂任务拆解为一系列不那么抽象的子任务。AI待解决的问题还有很多LeCun表示对于未来几十年来说训练出来这样一个世界模型是人工智能要取得突破性进展必须面对的最大挑战。目前来看要想实现上面这个架构还有很多方面都有待定义比如如何精确地训练critic、如何构造和训练配置器、以及如何使用短期内存跟踪世界状态并存储世界状态、动作和相关内在成本的历史来调整critic……除此之外LeCun也在论文中指出对于未来的自主人工智能研究1扩大模型规模有必要但不够2奖励机制也不够基于观察的自监督学习才是更有效的方式 (3)推理reason和计划plan实质上都归结于推断inference找到一系列动作和潜在变量以最小化可微目标。这也是使推理与基于梯度的学习能够兼容的办法。 4在以上这种情况下可能就不需要明确的符号操作机制了。更多细节可以查看论文原文https://openreview.net/forum?idBZ5a1r-kVsf参考链接[1]https://twitter.com/ylecun/status/1541492391982555138[2]https://ai.facebook.com/blog/yann-lecun-advances-in-ai-research/未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市大脑研究计划构建互联网城市大脑技术和企业图谱为提升企业行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
