Ян ЛеКун: как убедить весь мир в пользе нейронных сетей и укрепить название DeepLearning

Биографии известных в IT людей часто напоминают собой резюме, которые представляют на суд работодателям. LabelMe берется исправить эту вопиющую несправедливость. Сегодня расскажем тебе про Яна ЛеКуна, который в 2018 году получил премию Тьюринга и титул “крестного отца нейронных сетей” наряду с Джеффри Хинтоном и Йошуа Бенжио.

Какие проблемы, препятствующие очередной AI-революции ЛеКун обозначил? Как он добился популяризации нейронных сетей и почему против них был объявлен заговор? Обо всем этом читай в новой статье LabelMe.

Становление

ЛеКун родился в 1960 году в Монморанси — небольшом административном делении в пятнадцати километрах к северу от Парижа. Сейчас это богатый пригород столицы Франции, а в Средневековье тут обитала знатная семья, последний член которой был казнен в 1632 году за измену.

В начале 80-х к юному ЛеКуну в руки попадет диалог между лингвистом Ноамом Хомским и философом Жаном Пиаже на тему врожденного и приобретенного изучения языка.

“Я заметил аргумент, относящийся к нейронным сетям, которого я не знал. Это многообещающее поле было несколько заброшено, и я занялся им самостоятельно”.

С этого момента он загорелся идеей представить мир в виде ряда чисел, которые представляют собой столько же векторов мысли. Избранный путь сделает его мировым авторитетом в сфере искусственных нейронных сетей.

Йен ЛехКан, Ян ЛиЧун, Йен ЛиКун

У многих культур, одно и то же божество имеет несколько наименований. Они разнятся друг от друга в зависимости от контекста этноса. В случае с Яном эта аксиома работает на все сто: как только не коверкали его имя иностранные коллеги, когда ЛеКун посещал их конференции.

Однако думать, что успех пришел к ЛеКуну одномоментно — ошибочно. Это сейчас современный человек может пользоваться плодами трудов Яна. К примеру, цифровые помощники в смартфонах миллиардов людей запросто распознают речь. Таким же образом распознаются лица на изображениях, автоматически вычисляются классы объектов и индексируются тысячи видео в социальных сетях. Подобное стало возможным благодаря прорывным работам одного из трех “крестных отцов” искусственного интеллекта — Яна ЛеКуна. Именно он приложил руку к созданию сверточной нейронной сети, которая оказалась неожиданно искусной в анализе визуальных данных. Сейчас на этой базе управляется все: от беспилотных автомобилей до технологий распознавания лиц.

В 1985 году ЛеКун напишет свою первую статью, где будет описываться метод быстрой настройки сети. Спустя год американцы добьются в идентичной идее большего успеха, а на статью ЛеКуна будет приведена одна из четырех ссылок . Среди авторов так же был Джеффри Хинтон, который в будущем станет для Яна другом и конкурентом.

Второй ключевой момент его биографии случился десять лет спустя. В подвалах AT&T Bell Laboratories ЛеКун создаст новый тип сети, который положит начало машинам распознавания символов. Новые технологии будут считывать содержание банковских чеков. В конце 90х и начале 2000х эта система будет считывать более 10% всех чеков в Соединенных Штатах Америки.

Российскому обывателю ЛеКун может быть знаком по формату DjVu, который он разработал вместе с Леоном Ботту. Во времена зарождения интернета, когда скорость интернета была меньше мегабита, DjVu — являлся панацеей и аналогом PDF, потому что он особым образом сжимал изображения.

“В России DjVu был успешен только потому, что облегчал распространение книг или статей по низкоскоростным соединениям”.

В это время весь мир компьютеной науки знает про нейронные сети, но предпочитает их не замечать.

Заговор против нейронных сетей. Триумф DeepLearning

Этот феномен в конце 90-х одинаково отмечали Йошуа Бенжио, Джефрри Хинтон и Ян ЛеКун. В СМИ нейронные сети тогда позиционировались как нечто опасное и непонятное:

“У этих технологий не было хорошей прессы. Поэтому при поддержке Канадского института мы начали целенаправленные действия (семинары, конференции, демонстрации и т.д.), чтобы убедить людей в их функционировании”.

Чтобы окончательно избавиться от негативных коннотаций, в 2004 было принято решение сменить название на Deep Learning. К 2012 такая тактика дала плоды. В этом году Microsoft, Google и IBM достигают рекордных значений в распознавании речи благодаря Deep Learning.

В этом же году Джеффри Хинтон и ЛеКун независимо друг от друга повторяют схожие успехи, но уже в распознавании изображений.

Примерно с этого времени Хинтон, ЛеКун и Бенжио становятся всемирно известны. Теперь даже один твит Яна ЛеКуна может служить самостоятельным инфоповодом, как это случилось в 2017 году. Тогда Ян отказался ехать в Саудовскую Аравию, где атеизм с 2014 года считается терроризмом.

“Я не могу принять приглашение от страны, которая считает меня врагом”

Что нужно для очередной AI революции?

Сегодняшний успех ИИ был продиктован ростом вычислительных мощностей. На сегодняшний день он ими и ограничен.

По мнению Лорана Наджмана — друга и профессора ESIEE, который знает ЛеКуна более 20 лет, в своей научной деятельности Ян решительный оптимист. Он скорее отклонит проект, потому что он “недостаточно амбициозен”, нежели чем рискован. Однако в опредлении порогов AI, которые еще предстоит обойти, он весьма рационален.

В своих докладах ЛеКун называет проблемы, разрешение которых катализирует “вторую революцию” искусственного интеллекта. Вот проблемы, над которыми исследователи современности пока что ломают свои головы:

1. Обучить машину рассуждениям. Фактически, речь идет о предсказаниях, когда модель учитывает причинно-следственные связи в своих прогнозах.
2. Планирование в условиях реального физического мира. Сам по себе ИИ не может этого делать, за исключением задач, где представлено достаточное количество данных.
3. Обучение на меньшем количестве данных или “обучение без учителя”, когда модель обучается за счет обратной связи от системы.

Но, пока AI-революции не случилось, ты можешь воспользоваться функционалом LabelMe, который подготовит для тебя качественный датасет. От тебя нужно только обозначить задачу — остальную рутинную работу LabelMe берет на себя.

Оставить заявку и узнать примерную цену можно на нашем сайте, или напрямую связавшись с CEO LabelMe Георгием Каспарьянцем: +7 (926)345 53 82

Ян ЛеКун: “хватит использовать картинку из Терминатора!”

Сейчас ЛеКун возглаявляет AI-отдел Facebook и прилагает усилия, чтобы помочь искусственному интеллекту перейти из лабораторий в реальный мир. Ежедневно ПО его команды автоматически описывает фотографии для слепых пользователей и выполняет 4,5 миллиарда лингвистических переводов в день.

Он активно ратует, чтобы СМИ перестали сопровождать новости про нейронные сети картинкой из х/ф “Терминатор”, а среди возможных угроз называет многие, но не сценарий Скайнет.

Отдельно он вспомнил историю, которая замелькала в социальных сетях летом 2017 года. Тогда Facebook занимался тестированием ботов-переговорщиков, основная цель которых заключалась в том, чтобы реализовать сквозное обучение, когда связки “человек — бот” или “бот — бот” могла приходить в переговорах к общим решениям и результатам. По итогам испытания было принято решение отключить ИИ.

Эта история дошла до СМИ в искаженном виде. Заголовки информационных ресурсов рапортовали, что “ИИ изобрели собственный язык и инженеры Facebook в панике их выключили”. На деле все оказалось гораздо прозаичнее.

Инженеры допустили ошибку, когда не обозначили двум чат-ботам задачу общаться меж собой в рамках понятных человеку правил. Как итог, боты в попытках учиться друг у друга стали болтать попусту, используя производную стенографию. Это могло показаться жутким со стороны, но на деле это все, что было.

Интернет был взорван первоначальной новостью. Появились “эксперты”, заявляющие о серьезной опасности ИИ. Ян ЛеКун по этому поводу поспешил отшутиться в своем Facebook, пока ситуация не приняла опасный событийный ход. Вот что он говорит по этому поводу интернет-журналу The Verge:

“Раньше в прессе было нельзя увидеть статью [об ИИ] без изображения Терминатора. Это всегда был Терминатор, 100 процентов. Сейчас такого мракобесия меньше, и это хорошо. […] Иногда встречается, конечно, определенная пресса, которая поднимает вопрос под этим углом. Так они выявляют полное непонимание того, что происходит и свою некомпетентность”.

Спасибо за внимание. Теперь ты знаешь, почему Ян ЛеКун — носит титул “крестного отца” Deep Learning. Сейчас на базе его разработок управляется все: от беспилотных автомобилей до технологий распознавания лиц.

Источник: m.vk.com

Комментарии: