Yann LeCun、Jeff Dean 频繁亮相普及 AI 知识，全民 AI 时代来临｜AI科技评论周刊

前段时间，吴恩达连续给业界人士写了两篇公开信，为各行各业普及了人工智能在行业中的应用。而在最近，谷歌大脑负责人 Jeff Dean 和 Yann LeCun 也频繁在公众场合露脸，为大众解读机器学习、无监督学习、增强学习等技术。

● ● ●

大神Yann LeCun亲授：如何自学深度学习技术并少走弯路

Facebook 的博客上发布了一条新消息，放出大神 Yann LeCun 亲自讲解 AI 知识的三弹视频。然而如果 AI 领域的专业读者，稍微点开视频一看，便知道这好像是一个高中老师在讲科普课的风格。

三弹视频凑成一个系列，风格十分活泼，Yann LeCun 的讲解里穿插动画，并没有太多技术性的内容。LeCun 在视频里就明确表示，这次主要是给大众普及关于深度学习的基本原理，希望可以鼓励年轻人、高中生对该领域有更多了解，激发他们来探索这一领域的兴趣。

Yann Lecun 的三个视频主要讲述了个人工智能的基础技术：

• 监督学习最常用，关键是“调参”

  
  

• 机器学习，用模板来进行图像识别

  
  

• 深度学习新方法：卷积神经网络

● ● ●

四家企业联合发起 OPEN AI LAB，听听余凯等大佬怎么说

近日，开放人工智能实验室 OPEN AI LAB 在北京成立，该实验室由 ARM 携手加速器安创空间、联合全志科技、地平线机器人联合发起。

据悉，成立该实验室的目的是设立统一具有参考价值的算法框架和芯片标准，搭建一个基于嵌入式设备的人工智能平台。

ARM 全球执行副总裁兼大中华区总裁吴雄昂、地平线机器人 CEO 余凯、安创空间 CEO 陈鹏、全志科技副总裁薛巍，分别介绍了 OPEN AI LAB 的研究方向、落地形式以及对未来的展望。

● ● ●

专访 Jeff Dean丨谷歌战神谈增强学习和无监督学习

谷歌大脑负责人 Jeff Dean 在接受 Fortune 杂志采访时讲述了他对无监督学习和增强学习在人工智能领域应用的看法，他指出你在使用谷歌搜索引擎或者使用地图导航的时候，你需要记住他们背后有一个很大的大脑为你提供搜索结果，并确保你不会迷路。

当然，它并不是一个真正的大脑，而是谷歌大脑研究团队。

在过去几年中，研究小组已经创造了超过 1000 个深度学习项目将其应用在谷歌现有的产品当中：如 YouTube，谷歌翻译和谷歌相册等。研究人员通过深度学习将大量数据输入到神经网路当中，学习比人类识别速度更快的模式。

● ● ●

如何看待AI学者大规模从校园“出走”到工业界？

最近几年时间里， 多伦多大学 Geoffrey Hinton 加入谷歌，纽约大学的 Yann LeCun 到了 Facebook，斯坦福大学的吴恩达加入百度，卡耐基梅隆大学的 Alex Smola 加入亚马逊。上周，谷歌聘任了斯坦福大学 AI 实验室负责人李飞飞。这些学者当中，有些依然在大学保留教职，但在商业领域存在感更强。

据美国国家科学基金会（National Science Foundation,NSF）统计，如今美国计算机科学领域的博士在工业界任职比例高达 57%，十年前这一比例是 38%。工业界的计算研究协会（Computing Research Association）称，尽管美国博士生的总数在增加，但愿意留在学术界的人数比例达到了“历史最低点”。

AI 领域的学生“对于公司来说至少价值 500-1000 万美元”，卡耐基梅隆大学计算机科学学院主任 Andrew Moore 说道。

科技巨头给予的优厚待遇非大学能比拟，他们提供的不仅是稳定的研究经费、海量数据库和计算能力，还有那种直接创造产品从而改变亿万人民生活的“兴奋感“。

从个人收入来说，公司提供的大大高于学校，或许还会伴随着股票期权，日后财富收入更为客观。据 NSF 统计，在美国的计算机和信息科学领域，大学实验室博士后的中等年薪为 5.5 万美元，而公司实验室工作的博士后中等年薪是 11 万美元。

● ● ●

MIT人工智能算法披露：我们如何用 200 万张图片预见 1.5 秒后的世界

麻省理工学院（MIT）计算科学与人工智能实验室（CSAIL）的研究工作者的一项研究成果再次推进了机器学习的发展。深度学习算法仅仅通过一张图片，就可以让计算机便生成一小段视频来模拟图中场景，并预测接下来会发生的情景。

训练过程使用了 200 万个无标签的镜头，视频总时长达一年。相比使用基准模型算法，这一算法生成的视频更真实。在测试过程中，深度学习算法生成的视频和比基准模型算法真实度高了 20%。

研究团队称，这项技术可以用于改进安检策略、提高自动驾驶安全性等诸多领域。据该实验室博士生与第一作者透露，这一算法能够实现人类活动的机器识别从而摆脱人工识别的高昂费用。

“这些视频展现了电脑认为将会发生的场景，”Vondrick 表示，“如果你可以预测未来，那么你必须能够理解目前发生的事情。“Vondrick、MIT 教授 Antonio Torralba 还有 Hamed Pirsiavash 教授共同发表的这一成果。Pirsiavash 教授是 CSAIL 的博士后，现于马里兰大学担任教授。这项工作将于下周在巴塞罗那召开的神经信息处理系统大会（NIPS）上展出。