半个月前，Yann LeCun要来清华演讲的消息在国内AI圈一经传开，各位AI界人士便坐不住了。作为Facebook人工智能研究院院长、纽约大学终身教授、卷积神经网络之父，LeCun已然成为了AI人心目中的男神。
演讲当天（3月22日），雷锋网(公众号：雷锋网)也来到了LeCun的演讲现场。演讲开始前，只见许多想要听演讲，却无奈没有得到票的同学，焦急地坚守在演讲大厅门前，希望能一睹男神风采，或运气爆棚能偶得一票。一个专业性质极强的学术演讲能吸引这么多人来参加，也再一次体现了Yann LeCun的个人魅力和在AI界的影响力。也许是被莘莘学子们热爱学习的精神所打动，最后，工作人员临时加开了演讲大厅的二楼，让许多没有票的同学也能进入大厅，最后现场可谓是座无虚席。
据雷锋网了解，Yann LeCun此次演讲由清华大学经济管理学院发起，清华 x-lab、Facebook 共同主办，作为《创新与创业：硅谷洞察》课程的第一节公开课的演讲者，昨日，LeCun为大家带来的演讲题目为《深度学习与人工智能的未来》。
这两年，提起AI一定绕不开的一个话题就是AlphaGo。演讲刚开始，LeCun也以这个大家熟知的事件说起，随即引出一个问题：
“当有大量可用样本（比如桌椅、猫狗、和人）时，训练机器没有问题；但如果机器从来没有见过这些实物，它还能识别出样本吗？”
带着这个问题，LeCun开始了当天的演讲。
演讲中，LeCun带大家回顾了神经网络的发展历程，并以身边的小故事为例，讲述了神经网络发展在早期被受质疑，遭遇重重瓶颈，而在当下则是备受好评、突破不断，他向大家展示了在这两个阶段，人们对神经网络截然不同的看法。
接着，LeCun讲到，如今，AI发展的一大难题就是怎么样才能让机器掌握人类常识。掌握人类常识是让机器和人类自然互动的关键。想要做到这一点，它需要拥有一个内在模型，以具备预测的能力。LeCun用一个公式简洁地概括了这种人工智能系统：预测+规划=推理。而研究人员现在要做的，就是不需依赖人类训练，让机器学会自己构建这个内在模型。
除了AI发展的困境，LeCun还和大家分享了神经网络当下的研究进展。
如今，深度卷积网络已可用于解决包括目标识别在内的各类计算机视觉问题。并且，随着网络深度不断增加，还出现了可用于图像识别、语义分割、ADAS 等众多场景的新型深度卷积神经网络结构，如VGG、GoogLeNet、ResNet 等。
LeCun在演讲中还特别提到Facebook人工智能研究院的最新研究成果——通用目标分割框架 Mask R-CNN，并展示了该框架在 COCO 数据集上的结果（详细内容请参见雷锋网报道Facebook 最新论文：Mask R-CNN实例分割通用框架，检测，分割和特征点定位一次搞定（多图））。
最后，LeCun还为大家带来了一系列技术干货：具体讲解了对抗训练中的深度卷积对抗生成网络 （DCGAN）和基于能量的对抗生成网络（EBGAN），还提到了语义分割的视频预测技术，并向大家展示了时间预测结果。
演讲一结束，同学们迫不及待地涌上前去，向LeCun提出自己的疑问。LeCun也对每个同学的问题做出了详细解答，令同学们收获良多。
而对近日腾讯围棋 AI 绝艺夺冠这一消息，LeCun也表示非常欣喜，并且看好AI在ADAS、医疗等领域的发展。
本文作者：夏睿
本文转自雷锋网禁止二次转载，原文链接
