【经典】Yann LeCun：如何有效实现无监督学习（158页PPT）

【新智元导读】Yann LeCun日前在法国大学做了系列讲座。这篇演讲中他结合大量实例，全面系统梳理了深度学习关键知识点和待解决的问题。其中，LeCun简单讲解了如何有效实现无监督学习，并详细比较了不同深度学习的特点。LeCun指出目前实现强人工智能还是一个科学问题，并非技术挑战；同时，要区分“智能”与“自主”的概念，大部分的智能系统将不会是自主性的。

第一部分

LeCun以“我们应该拷贝大脑来发展智能机器吗？”这一问题作为开题，随后给出否定答案，对于智能机器的发展，我们“应该从自然中获得动力，但不能太多”。

接着，LeCun回溯历史上第一台学习机器——知觉（1957），详解知觉的学习过程。

在第一部分中，LeCun还介绍了普遍意义上的机器学习（监督式学习）。

传统的模型识别模式

深度学习=整个机器都是可训练的

深度学习=学习分层的代表

可训练特征分层

浅VS深=查找表格VS多步骤的算法

大脑是如何解读图像的

第二部分

多层次的神经元网络

多层网络的目标函数是非凸的

第三部分

卷积网络（ConvNet或者CNN），在这一部分，LeCun介绍了ConvNet在多字符识别、脸部识别、行人识别、远程视野和场景剖析等方面中的应用。

卷积网络架构

多层卷积

多字符识别

脸部识别

场景剖析/标签

自适应机器远程视野中的ConvNet

第四部分

ConvNets下的对象识别和定位

分级+定位：多级别的滑动窗

分级+定位：滑动窗+边界框回归

人物识别和姿势评估

识别渠道

第五部分

ConvNet语音识别

第六部分

无处不在的ConvNet

英伟达：基于ConvNet的辅助驾驶

MobilEye：基于ConvNet的辅助驾驶

connectomics中的ConvNet

脑瘤检测

第七部分

嵌入世界

第八部分

自然语言理解

第九部分

人工智能面临的四大阻碍

第十部分

目标函数几何学上的神秘性

第十一部分

增强学习、监督式学习、无监督式学习

第十二部分 详解无监督式学习

第十三部分

预言式无监督学习：视频预测

无监督式学习是AI中的暗物质

第十四部分

机器智能和人类智能有很大的不一样

结论