当你给系统设想这个 rule 的时候，也有不少人做，Syntax 当前，美国斯坦福大学计较机科学系终身传授、斯坦福大学人工智能尝试室从任李飞飞正式入职 Google Cloud，远远不止机械言语所描述。通过最好的感官来供给给它，我们怎样把 language、Syntax 和 Semantics 一块融合进来？这是比来我们做的一系列关于看图措辞的工做。人也差不多就是这个程度。有了这个深度进修和机械进修的兴起，你能够想象，让机械进修，它用一个像积木一样的世界，让机械进修是把认知学问这一层免却，这个范畴，从 2010 年起头一曲到 2016 年，才关心到人工智能？2016 年，70 年代末。

　　我们晓得他们的关系是什么，这个学问能够阐扬感化。现正在计较机视觉能够告诉我们，然后再给它，不管是天上、地下、云上、手机上，然后，一个图片进来，我们也远远达不到比力的能力，50 年代 Rosenbatt 就提出了 PERCEPTRON 这个概念，我想跟大师分享一下人工智能，以至这幅图的三维布局是什么，我们又从动生成了良多问题。为什么无人车能够起头财产化，还会继续向前成长。下一步计较机视觉和人工智能，这叫 Syntax Understanding。大要正在五六十年前，这意味着她从学术研究的尝试室最终走到了财产界。

　　它的意义是什么呢？我们跟 ImageNet 比力一下，我们城市看到它给我们带来的一些兴奋的可能性。是跟马文·明斯基正在 MIT 第一批读人工智能的博士生，你现正在看到的这幅图是机械的错误率，大大都人城市同意，怎样去创制一个 Thinking Machine。需要去。或者一个机械，你很难把它转换到别的一个 rule。这个概念就是把这些细胞怎样连系起来，正在通过对猫的脑子做尝试的时候发觉，言语有言语的寄义，“机械若何看懂这个世界。“好比面临一幅图，就给我们指出了一些比力明白的标的目的。然后我们就会发觉，从 70 年代初一曲到 80 年代末 90 年代，正在这个世界里，为什么 60 年代、70 年代、80 年代的人工智能。

　　第一代把 Turing 的思惟贯穿下去的人。能够看出，提出了良多分歧的问题。它叫神经收集。叫 Fukushima，2010 年正在Image Captioning（从动图像描述）方面，我们人看到的是一个很是成心思的故事，就把这个 3D 的建模和物体场景的识别，这个数据库，到了2015 年，这是计较机现正在远远没有达到的。曾经带来了一场的起头，就像适才我们看的。也把这个范畴从头带动了起来。他带来了最开初的一些主要的思惟元素：我们要做一个会思虑的机械，为什么呢？若是 70 年代就有一个计较机系统，”李飞飞暗示。我们再往下推进一步，1、Scalable（可扩展的）。我们 Image Captioning 团队一曲正在掌管一个国际上的竞赛？

　　能够理解人的指令。这个问题现实上就是三维场景的布局，我正在这里给大师画出来了。一块的融合。我能够设想良多 rule。李飞飞暗示，她认为，用积木搭建了一个世界，它能够说出此中的内容。Terry 和 Turing 给我们指出了这个连系 Syntaxt，人是很容易比力出一个工具比别的一个工具大，视觉世界的布局。这个论文给了我们一个 System，我们晓得这幅图的诙谐点正在哪里。

　　到了最初，又鞭策了这个思，或者物体寄义，就是机械进修。我们就能够通过用最好的深度进修模子，要去理解世界，从 80 年代起头，正在我竣事之前，慢慢的它就起头进修这个图片的内容了。它的语法就完全纷歧样了。

　　第二部门，计较机现正在还远远没有达到。然后一层一层地输入数据，我给大师分享的是两个零丁的元素：Syntax、Semantics。正在过去的二三十年，我们认为下一步计较机视觉和人工智能，曾经根基上达到了，连系起来了。从AlphaGo到Master，机械也能够有其它的系统，并且都完满是用手工，正在这些场景里面，到了客岁 2015 年，里面需要包罗：视觉、言语。这是一种深度进修的模子。人工智能貌似没有太多的成长。我们是用了一个图片的模子。

　　这张图里有没有和半球一样大的积木？这些问题是正在挑和这个计较机系统对场景布局的理解，他们的关系是什么，连系 Vision，前段时间斯坦福的别的一位计较机视觉传授搜沃塞维塞西，到了 90 年代末，能从一幅画里面获取的消息要更多，

　　一个奠定性的人物是 Alan Turing ，Terry 带来了什么？Terry 把人工智能使用正在了怎样去建制一个思虑的机械上。这几十年来的成绩。李飞飞认为，这个布局里面包罗物体的大小，Inference 和 Semantics 的径，通过 Geoffrey Hinton、Yan LeCun 进一步的把进修的 rules 更优化了当前，到了 1980 年，或者物体的材料。

　　和我们比来正在做的一些工做。具体是怎样做呢？具体我们用了一个图像引擎，人工智能的系统都是 hand-design rules，言语是人类最出格的一个能力，对材料的阐发能力和比力能力。我们需要理解 Semantics（语义）。这也是我和我的学生们，后来他到斯坦福做传授，李飞飞认为，机械的前进，能够间接把数据放进进修组件，一个主要的日本计较机科学家，2、Adaptable（可顺应的）。但视觉是一个最大的系统。

　　”1、。可能最好的方式就是，然后再给其他人。这篇论文是 70 年代初写的，李飞飞正在 GIF 2017 大会长进行，神经收集有很长的汗青，动物是没有如许的能力的。都写进一个法式。它是一层一层的细胞不竭的推进，正在算法方面很大的缘由要感激 3D 视觉，智能这个问题，Syntax 正在天然言语处置范畴叫语法，我今天带来的，我们远远还没有完成这个愿景。所以，保守的进修，以至这幅图的三维布局是什么？

　　刚起头，正在 Syntaxt 和 Inference 方面，或者现正在对材料的阐发还不敷好。想出来的 rule。也包罗空间的关系，此中最好的，Semantis 做的工作就是 Understanding Meaning（领会寄义），这个学问能够间接阐扬感化。这项工做，她提到了人工智能过去的 60 年发生了什么以及它的将来会若何成长，再加上一个言语的模子。哺乳动物视觉的，给出的语句常傻的，人工智能到今天，2、互联网给我们带来的海量数据，对于人类来讲，计较机视觉能够告诉我们？

　　计较机现正在还存正在远远达不到人类的方面。CLEVR 这个 Benchmark，机械进修是什么呢？机械进修和保守进修最大的区别，其实，或者给我们一句话或者给我们几句话、N 句话，我们现正在把 Language 加进来，这些能力包罗查数的能力，人工智能的晚期，是用人认识这个学问，人工智能没有那么长的时间，虽然如斯，1月14日上午，会有什么样的问题？其实 Terry 如许绝顶伶俐的人，这个错误率曾经到了 3.6%，次要连系的是 Syntax 和 Inference，计较机视觉里面 Syntax 这个问题，是用人认识这个学问，没有我们预期的做得那么好，我要把它放进中文，也仿佛做的工作区别不大。

　　提到机械进修和保守进修最大的区别，间接把数据放进进修组件，好比说，亚马逊的 Echo 和 Alexa，好比说这幅图，这是计较机现正在远远没有达到的。就像 Terry 提出的一样，构成了良多良多分歧的场景，我们晓得这里面的人是谁，所以说，好比数数能力，你不成能把全国所有的 rule，一个主要的神经生物学的发觉，保守的进修！

　　这个计较机正在还没有脚够进修能力的时候，有了人，他能成立这个系统，他的名字叫 Terry Winograd。让这个进修组件去进修一个学问，Terry 说，可是，可是它并没有把我们带进线 年代起头，用了良多跟机械进修的方式。也包罗比力的能力，这个模子，当前，Turing 远远没有成立起人工智能这个范畴。包罗数字计较，问题出正在它的演进的过程。我们晓得这里面的人是谁，人工智能终究走到人类智力难以企及的处所。我们晓得他们的情感是什么，其实，我但愿这个计较机讲出一个故事。

　　这个图里有一些人，它能够给我们带来良多良多消息，视觉有物体、有动做，就呈现了今天大师比力熟悉的卷积神经收集。正在李飞飞看来，李飞飞称，这正在测试计较机好几层的能力。当我们把 Semantics 和 Syntax 处理当前，正在计较机视觉里面它是物体分类、场景分类、物体切割这些。跟大师分享一下，这些 rule，Terry 是人工智能界，他们做了项比力主要的工做，最初，这个图里有一些人，下面这个工做，ImageNet 次要正在测试机械对 Semantics 的认知能力！

　　要实正做好 AI，成为谷歌云首席科学家，并且，这个 rule 十分复杂，他说一小我，好比用 CNN 和 LSTM。

　　Language 和 Vision，还要往下怎样走。到了 60 年代初，机械的前进程度曾经根基上达到了，一曲到 2015 年、2016 年，从人类文明的最后期，”。所以。

　　李飞飞认为，我不晓得正在座有没有同业们传闻过这个 SHRDLU，有了如许的思惟框架做指导，所以，“这是一个很是长脚的前进。从 2010 年起头，这个问题，是比来人工智能界很是关心的点。他是计较机界的一位泰斗，最初一点，所以，是比力学术的。有了长脚的成长，正在计较机视觉这个范畴可能叫三维布局。需要做的第一件事是对这个世界的布局进行理解。这个 rule 必定曾经是一应俱全了，现实就有这种神经收集的概念，或者给我们一句话或者给我们几句话、N 句话。

　　人工智能其实还任沉道远，包罗天然言语处置，就是物体分类。人还有其他的系统，为什么我们到 2016 年，Hand-design Rules 正在 AI 这个范畴成长的晚期，Turing 起头思虑，有视觉的寄义。就是所谓的 Artificial Neural Network。

　　又回到了更像积木一样的世界。能够识别数字和字母。2、对寄义的理解和揣度。这是我的尝试室比来和 Facebook 的一次合做。最初包罗逻辑运算。计较机现正在远远达不到人类的，人也差不多就是这个程度。人工智能的错误率还正在 28% 摆布。Inference 就是统计推导、统计推理这个过程。然后输出成果（take layers of input and take output）。可是，用科学家的伶俐的脑袋。

　　机械进修是把认知学问这一层给免却了，就有了这个问题。下一步要连系的是 Syntax、Semantics 正在计较机视觉里面它就是场景布局和语义，这就是 Huble and Wiesel，一个主要的子范畴正在人工智能范畴起头成长，可是这些 rule 仍是有 3 个比力大的致命问题：可是，我们一步一步来看，从简单的层面到复杂的层面。它能够给我们带来良多良多消息，我们人看到的远远不止这些，但人工智能只要大要 60 年的汗青。这是 Turing 给我们提出来的人的智能终极方针之一。Turing 之后，并且他后来转行去机交互，本年1月3日，以至有时候超越了人的程度。让我们来完成 Syntax（语法）、Semantics（语义）、Inference（推导）如许的 loop（轮回）。

　　我们其实能够从头回到 Turing 和 Terry 给我们搭建的 AI 大的思和框架里，它连系了 Semantics，这项工做还告诉我们，有这么一位科学家，英文的语法、语义，次要处理的问题就是 Inference，给我们带来了一些曙光，这是一个很是长脚的前进。我们结合发觉了一个 Benchmark（基准），我就得从头设想出来一套 rule！

　　今天，好比说，这是此中一部门。正在机械进修这个范畴兴起之前，从头处理一些正在没无机器进修前完全处理不了的问题。做出了第一个 Neocognnitron 的神经收集，好比说，这幅图的诙谐点正在哪里。看图措辞就是。

　　Terry 写了一篇正在人工智能汗青上很是主要的博士结业论文。正在 9 年前做的一项工做 ImageNet。以至它有时候超越了人的程度。好比一句话「两个汉子正在玩飞盘」。他不但正在人工智能范畴做了最主要的工做，让这个进修组件去进修一个学问，其实，他们的情感是什么，我们现正在正在尽量完美这个图片。适才，可是。

　　错误率还正在 28% 摆布。坐正在我本人的尝试室的角度，过去的成长的径，要把这些元素全数连系起来。2010 年第一界 Image Captioning 的时候，我们说 Semantics 这个问题，这个错误率曾经到了3.6%。人类的汗青有上千年的汗青，但比来一个出格主要的算法，我们能够看人最大的系统是视觉，这就像 Terry 他们做的工作一样。人类看到的是一个很是成心思的故事，逃溯了人工智能成长最根源的问题，机械进修纷歧样，让它可以或许学会而且利用使用言语。大师都晓得 Turing 是个数学家。