首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >资源 | Yann LeCun最新演讲:大脑是如何高效学习的?(附PPT+视频)

资源 | Yann LeCun最新演讲:大脑是如何高效学习的?(附PPT+视频)

作者头像
AI科技大本营
发布于 2018-04-26 09:04:39
发布于 2018-04-26 09:04:39
7340
举报

整理 | 周翔

作为深度学习的奠基人之一,Yann LeCun 的一言一行都颇受关注。近日,Yann LeCun 在 CCN 2017 (认知计算神经科学大会)上发表了主题为“How does the Brain learn so much so quickly”的演讲,内容详实,非常有启发性。

该演讲主要分为以下几个部分:

1)Obstacles to AI(通往 AI 的阻碍)

  • Learning models of the world
  • Learning to reason and plan

2)The Architecture of an Intelligent System(智能系统的架构)

3)Predictive Models In Questioning-Answering and Dialog(问答和对话中的预测模型)

4)Predictive Models with Uncertainty Adversarial Training(具有不确定性对抗训练的预测模型)

5)Video Prediction of semantic Segmentation(基于语义分割的视频预测)

6)Semi-Supervised Learning (adversarially)(半监督学习)

7)Fader Networks: Disentangling factors of variation to Parameterize the Image Manifold (adversarially)

8)How do we "design" objective functions? We learn them

以下是AI科技大本营整理的完整PPT内容和视频播放地址:

B站地址:

https://www.bilibili.com/video/av15938572/

Youtube地址:

https://www.youtube.com/watch?v=cWzi38-vDbE

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-11-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI科技大本营 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
学界丨Facebook Yann LeCun最新演讲: AI 研究的下一站是无监督学习(附完整视频加37页PPT)
作为 Facebook 人工智能部门主管, Yann LeCun 是 AI 领域成绩斐然的大牛,也是行业内最有影响力的专家之一。 近日,LeCun在卡内基梅隆大学机器人研究所进行了一场 AI 技术核心问题与发展前景的演讲。他在演讲中提到三点干货: 1. 无监督学习代表了 AI 技术的未来。 2. 当前 AI 应用的热点集中在卷积神经网络。 3. 用模拟器提高无监督学习的效率是大势所趋。 演讲完整视频如下。该视频长 75 分钟,并包含大量专业术语,因此雷锋网节选关键内容做了视频摘要,以供读者浏览。 以下
AI科技评论
2018/03/08
1.1K0
学界丨Facebook Yann LeCun最新演讲: AI 研究的下一站是无监督学习(附完整视频加37页PPT)
【AI头条&优质资源】深度学习近期和未来有哪些突破?Yann LeCun的Quora解答
优秀论文精选』 《A Tour of TensorFlow》链接:https://arxiv.org/pdf/1610.01178.pdf 『AI头条』 《麦肯锡AI研究报告》链接: https://pan.baidu.com/s/1gePqW0r 密码: k4xe 《(麻省理工科技评论)本年度全球50大最聪明公司》链接:https://www.technologyreview.com/lists/companies/2017/intro/#nvidia 『深度学习tips』 《What are some
fishexpert
2018/11/21
5300
【NIPS 主旨演讲】Yann LeCun:用预测学习替代无监督学习(75PPT)
【新智元导读】日前,Facebook AI 实验室负责人、纽约大学教授 Yann LeCun 受邀在今年的 NIPS 大会发表主旨演讲,畅谈深度学习最近技术进展。值得注意的是,LeCun 试图改变人们对 AI 的通常分类(即无监督学习、监督学习和增强学习),他在演讲中用“预测学习”替代“无监督学习”,因为预测学习要求机器不仅能在没有人类监督的情况下学习,而且能够学习世界的预测模型。 此外,LeCun 还引入了使用 RNN 实体从文本中推断世界的状态等新的技术,结合深度学习领域最新发展,比如 TorchCra
新智元
2018/03/26
1.7K0
【NIPS 主旨演讲】Yann LeCun:用预测学习替代无监督学习(75PPT)
演讲 | Yann LeCun清华演讲:深度学习与人工智能的未来
机器之心原创 作者:高静宜 2017 年 3 月 22 日下午,Facebook 人工智能研究院院长、纽约大学终身教授 Yann LeCun 在清华大学大礼堂为校内师生以及慕名而来的业内人士呈现了一场主题为《深度学习与人工智能的未来(Deep Learning and the Future of AI)》的精彩公开课。 随着 AlphaGo 事件的不断发酵,神经网络成为时下人工智能产学领域万众瞩目的研究焦点,也成为普罗大众的热门话题。事实上,神经网络作为一种算法模型,很早就已经被广泛关注和研究,也曾长时间内
机器之心
2018/05/07
9820
演讲 | Yann LeCun清华演讲:深度学习与人工智能的未来
【独家】深扒Yann LeCun清华演讲中提到的深度学习与人工智能技术(PPT+视频)
本文长度为3000字,建议阅读10分钟 本文为Yann LeCun在清华大学做的关于深度学习与人工智能技术的演讲梗概。 姚期智先生引言: 非常荣幸来给大家介绍今天的演讲嘉宾!大家一定还记得去年的一个大事件——AlphaGo在围棋上战胜了人类冠军。围棋被认为是人类智力竞赛的王冠,而AlphaGo背后的最重要的技术就是深度学习。今天的演讲嘉宾就是深度学习方面的专家LeCun。 “ LeCun现任Facebook AI研究院院长,同时他也是美国纽约大学的终身教授。他的研究兴趣包括机器学习、计算机视觉、移动
数据派THU
2018/01/29
1.1K0
学习世界模型,通向AI的下一步:Yann LeCun在IJCAI 2018上的演讲
Yann LeCun 开场介绍说,当前几乎所有的机器学习从业者在实践中使用的都是监督式学习:向机器展示大量的样本,然后告诉机器正确的答案与内部参数,然后就能做图像识别之类的任务。而过去几年,监督式学习有了极大的成功,应用也非常广泛。下图对比了传统机器学习与深度学习各自的特点。
机器之心
2018/07/26
4920
学习世界模型,通向AI的下一步:Yann LeCun在IJCAI 2018上的演讲
ICLR 2017深度学习(提交)论文汇总:NLP、无监督学习、自动编码、RL、RNN(150论文下载)
【新智元导读】ICLR 2017 将于2017年4月24日至26日在法国土伦(toulon)举行,11月4日已经停止接收论文。本文汇总了本年度NLP、无监督学习、对抗式生成、自动编码、增强学习、随机循
新智元
2018/03/26
1.3K0
ICLR 2017深度学习(提交)论文汇总:NLP、无监督学习、自动编码、RL、RNN(150论文下载)
Yann LeCun 最新演讲:人工智能下一站——无监督学习(68ppt)
【新智元导读】 日前,Facebook AI 实验室负责人、纽约大学教授 Yann LeCun 受邀来到 CMU 进行分享,讲述深度学习领域最近技术进展,并回答听众提问。LeCun 表示,未来几年的挑战是让机器学会从原始的、没有标签的数据中学习,比如从视频或文本中学习,也就是无监督学习。如今的 AI 系统并不具有所谓的“常识”,有些人认为,无监督学习将是机器具有常识的关键。 LeCun认为,对抗式生成网络是近20年来最酷的创造,他个人非常看好。 LeCun 从深度学习的基础讲起,评析了实现无监督学习的几种
新智元
2018/03/26
9410
Yann LeCun 最新演讲:人工智能下一站——无监督学习(68ppt)
Yann LeCun最新访谈:能量模型是通向自主人工智能系统的起点
大数据文摘授权转载自AI科技评论 来源:ZDNet 编译:钱磊 编辑:陈彩娴 继自监督学习之后,Yann LeCun 在接受 ZDNet 的最新访谈中又着重探讨了他在几年前曾大篇幅推崇的概念:「能量模型」(energy-based models)。 什么是能量模型? Yoshua Bengio、 Ian Goodfellow 和 Aaron Courville 等人在2019年出版的《深度学习》(又称「花书」)一书中将「概率函数」定义为「描述了一个或一组随机变量呈现其每种可能状态的可能性大小」,而能量模型
大数据文摘
2022/04/07
3630
Yann LeCun最新访谈:能量模型是通向自主人工智能系统的起点
【一文打尽 ICLR 2018】9大演讲,DeepMind、谷歌最新干货抢鲜看
---- 新智元报道 来源:iclr、Google/DeepMind blog 【新智元导读】ICLR 2018即将开幕,谷歌、DeepMind等大厂这几天陆续公布了今年的论文,全是干货。连同3篇最佳论文和9个邀请演讲一起,新智元带来本届ICLR亮点的最全整理。 ICLR 2018即将在明天(当地时间4月30日)在温哥华开幕,谷歌、DeepMind等大厂这几天陆续公布了今年的论文,全是干货。连同3篇最佳论文一起,新智元带来本届ICLR亮点的最全整理。 ICLR 2018为期4天,5月3日结束。与往年
新智元
2018/05/29
1.5K0
资源 | 生成对抗网络新进展与论文全集
选自GitHub 参与:蒋思源、吴攀 生成对抗网络(GAN)是近段时间以来最受研究者关注的机器学习方法之一,深度学习泰斗 Yann LeCun 就曾多次谈到 这种机器学习理念的巨大价值和未来前景。在本文中,机器之心总结了 GitHub 上两篇关于 GAN 的资源,其中一篇介绍了 GAN 的一些引人关注的新理论和实践(如 Wasserstein GAN),另一篇则集中展示了大量 GAN 相关的论文。 以下是两篇原文的链接: GAN 理论&实践的新进展:https://casmls.github.io/gene
机器之心
2018/05/07
7920
资源 | 生成对抗网络新进展与论文全集
【深度学习Deep Learning】资料大全
  最近在学深度学习相关的东西,在网上搜集到了一些不错的资料,现在汇总一下: Free Online Books Deep Learning66 by Yoshua Bengio, Ian Goodfellow and Aaron Courville Neural Networks and Deep Learning42 by Michael Nielsen Deep Learning27 by Microsoft Research Deep Learning Tutorial23 by LISA lab,
Charlotte77
2018/01/09
5.8K0
【干货】Google GAN之父Ian Goodfellow ICCV2017演讲:解读生成对抗网络的原理与应用
【导读】当地时间 10月 22 日到10月29日,两年一度的计算机视觉国际顶级会议 International Conference on Computer Vision(ICCV 2017)在意大利威尼斯开幕。Google Brain 研究科学家 Ian Goodfellow 在会上作为主题为《生成对抗网络(Generative Adversarial Networks)》的Tutorial 最新演讲, 介绍了GAN的原理和最新的应用。为此,专知内容组整理了的Goodfellow的slides,进行了解读
WZEARW
2018/04/09
1.5K0
【干货】Google GAN之父Ian Goodfellow ICCV2017演讲:解读生成对抗网络的原理与应用
【专知荟萃01】深度学习知识资料大全集(入门/进阶/论文/代码/数据/综述/领域专家等)(附pdf下载)
【导读】主题荟萃知识是专知的核心功能之一,为用户提供AI领域系统性的知识学习服务。主题荟萃为用户提供全网关于该主题的精华(Awesome)知识资料收录整理,使得AI从业者便捷学习和解决工作问题!在专知人工智能主题知识树基础上,主题荟萃由专业人工编辑和算法工具辅助协作完成,并保持动态更新!另外欢迎对此创作主题荟萃感兴趣的同学,请加入我们专知AI创作者计划,共创共赢! 今天专知为大家呈送第一篇专知主题荟萃-深度学习知识资料全集荟萃 (入门/进阶/论文/代码/数据/专家等),请大家查看!专知访问www.zhuan
WZEARW
2018/04/09
1.3K0
【专知荟萃01】深度学习知识资料大全集(入门/进阶/论文/代码/数据/综述/领域专家等)(附pdf下载)
解惑 | Yann LeCun答深度学习现存的各类疑问,你是否想知道答案?
联合编译:陈圳,高斐,章敏 深度学习的局限性表现在哪些方面? 深度学习的一些“典型”形式包括各种前馈模块(卷积网络)和递归网络(有时以记忆单元,如LSTM或MemNN的形式呈现出来)的多种结合形式。 这些模型在其“推理”能力方面具有局限性,即执行复杂的推理或优化程序,以得到一个适切的答案。计算步骤受到前馈网络中的层数和递归网络对事物的记忆时间的长短两者共同约束。 为了使深度学习结构具备推理能力,我们需要对该结构进行调整,使其不仅能计算得出一个单一的输出结果(例如,对一个图像的理解,对一个句子的翻译等)
AI科技评论
2018/03/07
8590
解惑 | Yann LeCun答深度学习现存的各类疑问,你是否想知道答案?
最全深度学习资源集合(Github:Awesome Deep Learning)Awesome Deep Learning
偶然在github上看到Awesome Deep Learning项目,故分享一下。其中涉及深度学习的免费在线书籍、课程、视频及讲义、论文、教程、网站、数据集、框架和其他资源,包罗万象,非常值得学习。
古柳_DesertsX
2018/08/21
1.6K0
最全深度学习资源集合(Github:Awesome Deep Learning)Awesome Deep Learning
业界干货 | 图解自监督学习,从入门到专家必读的九篇论文
如果人工智能比作一块蛋糕,那么蛋糕的大部分是自监督学习,蛋糕上的糖衣是监督学习,蛋糕上的樱桃是强化学习。
对白
2022/04/01
8080
业界干货 | 图解自监督学习,从入门到专家必读的九篇论文
【重磅】深度学习顶会 ICLR 2018 匿名提交论文列表(附pdf下载链接)
【导读】ICLR,全称为「International Conference on Learning Representations」(国际学习表征会议),2013 年才刚刚成立了第一届。这个一年一度的会议虽然今年2017年办到第六届,已经被学术研究者们广泛认可,被认为「深度学习的顶级会议」。这个会议由位列深度学习三大巨头之二的 Yoshua Bengio 和 Yann LeCun 牵头创办。Yoshua Bengio 是蒙特利尔大学教授,深度学习三巨头之一,他领导蒙特利尔大学的人工智能实验室(MILA)进行
WZEARW
2018/04/09
2.4K0
【重磅】深度学习顶会 ICLR 2018 匿名提交论文列表(附pdf下载链接)
面向工程师的最佳统计机器学习课程,Fall 2017 美国圣母大学,28章节详细讲述(附PPT下载,课程目录视频)
【导读】美国圣母大学2017年新开课程《给科学家和工程师的统计学习》Statistical Computing for Scientists and Engineers 涵盖了统计学习中的几乎所有重要知识,包括《概率与统计、信息论、多维高斯分布、最大后验估计、贝叶斯统计、指数族分布、贝叶斯线性回归、蒙特卡洛方法、重要性采样、吉布斯采样、状态空间模型、EM算法、主成分分析、连续隐变量模型、核方法与高斯过程等》,并提供视频,PPT,课程作业及其参考答案与代码,还有大量参考学习资源,是不可多得的统计学习课程。
WZEARW
2018/04/12
1K0
面向工程师的最佳统计机器学习课程,Fall 2017 美国圣母大学,28章节详细讲述(附PPT下载,课程目录视频)
人工智能学术速递[7.6]
cs.AI人工智能,共计75篇 【1】 What Makes for Hierarchical Vision Transformer? 标题:是什么造就了分层视觉转换器? 作者:Yuxin Fang
公众号-arXiv每日学术速递
2021/07/27
1.8K0
推荐阅读
学界丨Facebook Yann LeCun最新演讲: AI 研究的下一站是无监督学习(附完整视频加37页PPT)
1.1K0
【AI头条&优质资源】深度学习近期和未来有哪些突破?Yann LeCun的Quora解答
5300
【NIPS 主旨演讲】Yann LeCun:用预测学习替代无监督学习(75PPT)
1.7K0
演讲 | Yann LeCun清华演讲:深度学习与人工智能的未来
9820
【独家】深扒Yann LeCun清华演讲中提到的深度学习与人工智能技术(PPT+视频)
1.1K0
学习世界模型,通向AI的下一步:Yann LeCun在IJCAI 2018上的演讲
4920
ICLR 2017深度学习(提交)论文汇总:NLP、无监督学习、自动编码、RL、RNN(150论文下载)
1.3K0
Yann LeCun 最新演讲:人工智能下一站——无监督学习(68ppt)
9410
Yann LeCun最新访谈:能量模型是通向自主人工智能系统的起点
3630
【一文打尽 ICLR 2018】9大演讲,DeepMind、谷歌最新干货抢鲜看
1.5K0
资源 | 生成对抗网络新进展与论文全集
7920
【深度学习Deep Learning】资料大全
5.8K0
【干货】Google GAN之父Ian Goodfellow ICCV2017演讲:解读生成对抗网络的原理与应用
1.5K0
【专知荟萃01】深度学习知识资料大全集(入门/进阶/论文/代码/数据/综述/领域专家等)(附pdf下载)
1.3K0
解惑 | Yann LeCun答深度学习现存的各类疑问,你是否想知道答案?
8590
最全深度学习资源集合(Github:Awesome Deep Learning)Awesome Deep Learning
1.6K0
业界干货 | 图解自监督学习,从入门到专家必读的九篇论文
8080
【重磅】深度学习顶会 ICLR 2018 匿名提交论文列表(附pdf下载链接)
2.4K0
面向工程师的最佳统计机器学习课程,Fall 2017 美国圣母大学,28章节详细讲述(附PPT下载,课程目录视频)
1K0
人工智能学术速递[7.6]
1.8K0
相关推荐
学界丨Facebook Yann LeCun最新演讲: AI 研究的下一站是无监督学习(附完整视频加37页PPT)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档