在這里大家可以看到在網(wǎng)絡(luò)當(dāng)中使用的幾個(gè)層，比如說(shuō)有100層或者180層的一些人工神經(jīng)網(wǎng)絡(luò)，在Facebook當(dāng)中我們會(huì)廣泛使用。因?yàn)橛辛诉@樣的一些應(yīng)用，可以看到識(shí)別錯(cuò)誤率在不斷下降，有的時(shí)候表現(xiàn)甚至比人還要好。它的性能非常好，已經(jīng)成為一種標(biāo)桿。另外它實(shí)際上比CPU識(shí)別圖像或者對(duì)象要更加復(fù)雜一些。它不僅僅能夠識(shí)別對(duì)象，同時(shí)能夠進(jìn)行本地化處理。

這個(gè)是在Facebook人工智能部門我們所做的研究，叫做Marsk RCNN，可以看到它的結(jié)果，它可以標(biāo)記這樣的圖像，就像我剛才給大家展示的例子非常像的，展示出非常好的性能。如果能夠展示這種效果的話，它不僅僅可以識(shí)別出每個(gè)人，同時(shí)它會(huì)為每個(gè)人加一個(gè)Marsk，所以可以很容易區(qū)分出是一個(gè)人還是一只狗，在這里大家可以看到它可以識(shí)別電腦、酒杯、人、桌子，都可以識(shí)別出來(lái)。如果五年之前問(wèn)系統(tǒng)這些問(wèn)題的話，我們當(dāng)時(shí)認(rèn)為需要10-20年時(shí)間才能達(dá)到今天呈現(xiàn)的效果。

這也是Facebook所做的一些研究，叫做Techaround。大家可以下載上面的代碼，它可以探測(cè)200多種不同的類別，這也是Facebook在AI方面的一些研究，我們不僅僅發(fā)布了一些論文，同時(shí)連代碼也都發(fā)布出來(lái)了，世界各地都可以更好的熟知這種技術(shù)。

對(duì)于我們研究團(tuán)隊(duì)來(lái)說(shuō)，不僅僅要開(kāi)發(fā)對(duì)我們公司非常有用的技術(shù)，同時(shí)我們也希望所開(kāi)發(fā)的技術(shù)能夠引導(dǎo)整個(gè)社區(qū)，能夠解決我們所感興趣的問(wèn)題。我們認(rèn)為AI不僅僅會(huì)幫助我們解決問(wèn)題，同時(shí)還會(huì)幫助我們解決很多人類自己無(wú)法解決的挑戰(zhàn)，所以我們會(huì)與我們的科學(xué)團(tuán)隊(duì)一起朝這方面努力。這里是在過(guò)去的幾年里，IFRR所發(fā)布的一些開(kāi)源項(xiàng)目，包括像深度學(xué)習(xí)網(wǎng)絡(luò)、深度學(xué)習(xí)框架，這是關(guān)于深度學(xué)習(xí)的應(yīng)用。

我剛才講到每天都會(huì)有一些新的應(yīng)用發(fā)布，也可以進(jìn)行語(yǔ)言的翻譯甚至過(guò)濾，安全診斷，以及面部識(shí)別等等。另外，可以看到深度學(xué)習(xí)也被廣泛應(yīng)用來(lái)進(jìn)一步推動(dòng)科學(xué)方面的研究。我們會(huì)看到在接下來(lái)幾年里深度學(xué)習(xí)會(huì)發(fā)生更大的革命。

接下來(lái)我們?cè)賮?lái)看一下差異化編程，我們可以從另外一個(gè)角度來(lái)學(xué)習(xí)深度學(xué)習(xí)。實(shí)際上它是一個(gè)固定架構(gòu)，涉及到編程，可以用人工神經(jīng)網(wǎng)絡(luò)解釋。這個(gè)編程一共有三個(gè)指數(shù)，它實(shí)際上和人工神經(jīng)網(wǎng)絡(luò)非常類似，它會(huì)根據(jù)所展示的數(shù)據(jù)有所不同。

另外，根據(jù)數(shù)據(jù)系統(tǒng)也會(huì)有所變化。所以現(xiàn)在的問(wèn)題是，我們是否有一種方法可以自動(dòng)地生成一個(gè)自己的程序。同時(shí)可以對(duì)其進(jìn)行培訓(xùn)完成某個(gè)具體任務(wù)，這也就是我們所說(shuō)關(guān)于編程的想法�，F(xiàn)在人們已經(jīng)開(kāi)始在做一些深度學(xué)習(xí)方面的研究。

大家看到這里是我們最近深度學(xué)習(xí)的成就，之后我們來(lái)看一下關(guān)于AI有沒(méi)有我們觸及到的。對(duì)于新技術(shù)，我們可以進(jìn)入到更多的領(lǐng)域中，大家看到這里我們可以進(jìn)行更多的影像分析。關(guān)于醫(yī)學(xué)方面，我們還可以進(jìn)行更多翻譯，或者是有更多的其他的領(lǐng)域。在這個(gè)方面我們覺(jué)得對(duì)于機(jī)器確實(shí)可以擁有一定的人工智能，但是關(guān)于機(jī)器人分辨出它有些功能，比如我們還需要更多的功能，比如像洗碗機(jī)之類這樣的功能我們都要探討。

在機(jī)器學(xué)習(xí)方面，我們?cè)谶@兒可以看到有一些具體的圖像，我們有些新的方法。在實(shí)際的生活當(dāng)中其實(shí)這種方式不太成功，因?yàn)殛P(guān)于深度學(xué)習(xí)方面我們要進(jìn)行深入的挖掘，因?yàn)閷?duì)于機(jī)器本身它會(huì)有不同的解決方案，比如在實(shí)際生活中是不能夠去實(shí)施的。

有時(shí)候讓機(jī)器學(xué)習(xí)很長(zhǎng)時(shí)間才能玩游戲，比如100個(gè)小時(shí)。所以，確實(shí)核心功能方面我們現(xiàn)在還沒(méi)有觸及到。盡管這些機(jī)器是能夠做到的，但是我們還沒(méi)有挖掘出來(lái)。我們也可以對(duì)機(jī)器本身進(jìn)行更深入的培訓(xùn)。比如說(shuō)我們要讓系統(tǒng)進(jìn)行成千上萬(wàn)次的培訓(xùn)，之后它們才能進(jìn)行學(xué)習(xí)。

有些學(xué)習(xí)是力學(xué)方面的，但是在實(shí)際生活中不可能實(shí)時(shí)進(jìn)行，所以我們只夠進(jìn)行模擬，但是它也需要我們進(jìn)行很多的嘗試才能夠讓機(jī)器學(xué)到。對(duì)于嬰兒他們?cè)趺慈�學(xué)習(xí)呢？如果我們讓嬰兒展示的話，比如說(shuō)就好像左下角的這幅圖像展示的，六個(gè)月以下的嬰兒，他們可能不太了解比如物理方面的運(yùn)動(dòng)，可是他們?cè)跐M了八個(gè)月之后，他們的能力就變得非常驚奇，已經(jīng)知道自由落體的作用。我的一位朋友，她在巴黎工作，給我們展示了嬰兒怎么學(xué)會(huì)一些概念，而且他們也能夠了解到一些物理基本的原理。

對(duì)于嬰兒，他們能夠了解到背景知識(shí)，學(xué)會(huì)常識(shí)。另外我們?cè)谙騽?dòng)物展示這樣的情景，比如大猩猩，它們?cè)谟啄甑臅r(shí)候由培訓(xùn)員給它們一些展示，大猩猩會(huì)覺(jué)得很有意思，面對(duì)這樣的魔術(shù)會(huì)笑出來(lái)，所以大家會(huì)把它們當(dāng)做世界最起初的原型來(lái)看待。但是我們希望機(jī)器能夠建立一些樣本，最終機(jī)器學(xué)會(huì)學(xué)習(xí)，進(jìn)行一些預(yù)測(cè)，什么是可行的，我們就可以使得機(jī)器像人一樣有效運(yùn)行。我們有這樣的監(jiān)督或者學(xué)習(xí)，就能夠使得機(jī)器得到培訓(xùn)，它們能夠進(jìn)行規(guī)劃，進(jìn)行反映，這是我們需要它們建立起的一個(gè)系統(tǒng)。