新智元报道
新智元报道
【新智元导读】Yann LeCun的AI故事，纪录片回顾了这位深度学习先驱的四十年历程。从索邦大学的孤独探索，到贝尔实验室发明卷积神经网络、推动支票识别商用，再与Hinton、Bengio共创深度学习革命，他始终坚信机器应学会学习。
在AI的璀璨星空中，有一位传奇人物始终闪耀——Yann LeCun。
他不仅是深度学习的开创者之一，也是Meta的首席AI科学家。
当扎克伯格敲定28岁的Alexander Wang出任Meta的首席AI官后，所有人同时想到一个问题。
Yann LeCun去哪里了？
就在最近，Yann LeCun最新的个人纪录片上线了！
一位AI远见者的反思，以及与Yann LeCun合著的AI故事
影片中，这位Meta FAIR实验室的首席科学家，在巴黎回顾了他早期在神经网络领域的工作、与Hinton的合作，以及深度学习和开源AI的演进历程。
LeCun认为，AI领域的真正竞赛无关国界，而在于开放与封闭之争。
「我们看到的并非地区间的竞争，而更多是开放研究、开源世界与闭源生态之间的较量。」
在LeCun看来，AI的真正进步，源于能够让创新成果普惠大众的开放系统。
这一发声的时机颇为微妙，因为扎克伯格最近暗示，Meta可能会重新考虑其Llama型的开源策略。
倘若此事成真，Meta是否还是LeCun的容身之所，将打上一个问号。
在塞纳河畔的巴黎，一座美丽的建筑静静矗立，它是法兰西科学院的殿堂。
Yann LeCun，作为其成员之一，站在这里，仿佛能看到自己学术生涯的起点——不远处的索邦大学。
如今，他被誉为「AI教父」之一，是Meta的首席科学家和纽约大学的教授。
Yann LeCun出生于1960年，是法国裔美籍计算机科学家、人工智能和深度学习领域的先驱人物。
他因在光学字符识别和计算机视觉中引入卷积神经网络（CNN）而闻名于世，被誉为「卷积网络之父」。
Yann LeCun基于CNN的光学字符识别系统
作为「深度学习三剑客」之一，他与Geoffrey Hinton、Yoshua Bengio一道推动了神经网络的复兴，并在2018年共同获得了图灵奖这一计算机领域的最高荣誉。
值得一提的是，Yann LeCun在博士期间提出了一种早期形式的反向传播（Backpropagation）算法，用于训练多层神经网络 。
这项工作为日后深度学习中广泛使用的误差反向传播技术奠定了基础。
但故事的开端，却是一段孤独而坚定的探索之旅。
时间回到上世纪80年代，当LeCun还是索邦大学的一名博士生时，他对机器学习，特别是「神经网络」产生了浓厚的兴趣。
这在当时是一个极其冷门的领域，以至于他在整个法国都找不到同路人。
「人们当时在取笑我们，那些研究神经网络的人，」他回忆道。
但这并未动摇他的信念。他坚信，机器真正的力量在于学习，而非被动地执行预设的程序。
他埋首于John Hopfield、Geoff Hinton、Terry Sienowski等寥寥几位先驱的论文中，并意识到，破解多层神经网络的训练难题，是开启未来的钥匙。
命运的转折点发生在1985年。
在一场研讨会上，他结识了另一位AI巨擘Terry Sejnowski。
回到美国后，Sejnowski兴奋地告诉Hinton：「有个法国的小伙子，正在做跟我们一样的事情！」
右边就是年轻时候的Hinton教授
几个月后，Hinton来到巴黎。
凭借着对法语的粗浅理解和清晰的数学公式，Hinton读懂了LeCun的研究。
当即，他向这位即将毕业的年轻人发出了邀请：「你何不来多伦多，跟我做博士后呢？」
博士毕业后，Yann LeCun前往加拿大，从1987年开始在多伦多大学跟随Hinton教授从事为期一年的博士后研究。
一段传奇的合作就此开启。
在多伦多的博士后经历使Lecun有机会与辛顿直接合作，并深入了解深度神经网络的最前沿思想。
1988年，LeCun加入了群星璀璨的贝尔实验室自适应系统研究部门。
当时贝尔实验室是计算机科学和通信技术的圣地，汇聚了众多顶尖研究人员。
这里是现代科技的摇篮，也成为了他将理论付诸实践的舞台。
仅仅一两个月，他便在一项手写数字识别任务上取得了前所未有的成果。
「我们有了一个可演示的系统，」LeCun生动地描述道，「只需将一张纸放在摄像头下，按一下键，它就能以每秒几个字符的速度识别所有字符。」
这个看似简单的演示，催生了AI最早的商业应用之一：一个能自动读取支票金额的ATM系统。
LeCun的这些创新成果很快在实际中得到验证。
贝尔实验室与银行业合作开发了支票手写体识别系统，利用卷积网络技术自动读取银行支票上的数字信息。
该系统在1990年代末投入商用后，被NCR等公司部署，据估计读取了全美超过10% 的支票，大大提高了金融票据处理的自动化水平。
卷积神经网络（CNN）
在贝尔实验室，LeCun受生物视觉系统的启发，设计出一种层级结构的图像识别模型，即卷积神经网络。
他开发的CNN架构被称为「LeNet」，最初用于识别手写数字。
1989年，他发表了著名论文《利用反向传播算法识别手写邮政编码》, 展示了卷积网络在手写数字识别上的卓越性能。
这项工作证明，多层卷积结构可以自动从图像像素中学习特征，有效地执行字符识别任务 。
LeNet是深度学习历史上的里程碑，被广泛视为现代深度卷积网络的开端。
然而，成功的道路布满荆棘。
尽管技术领先，但要说服世界接受它却异常艰难。「这个系统很难复现，」他解释说，「每个人都用着不同的电脑、不同的操作系统。」
他们手握着未来的钥匙，却难以分享给世界。
进入21世纪，神经网络的名声依然不佳。
2003年，已成为纽约大学教授的LeCun决定，必须改变这一切。
他和同道们做出了一个影响深远的战略决策：「我们改了名字，称之为『深度学习』」。
真正的爆发点来自他的导师Hinton策划的一场天才「阳谋」。
Hinton将他的三名学生作为实习生，分别「安插」进了当时拥有顶级语音识别引擎的三家巨头——微软、谷歌和IBM。
他们的任务只有一个：用深度学习系统替换掉传统引擎中的「声学建模」部分。
「结果他们都取得了更好的成绩，」LeCun笑道，「这手策划真是高明！」
在那之后不到18个月，深度学习就占领了几乎每一部智能手机的语音识别功能。
革命，就这样悄然完成了。
如今，站在巴黎这个欧洲最大的创新温床，LeCun的思考已超越了技术本身。
他认为，AI领域的真正竞争，并非国与国之间，而是「开源世界与封闭专有世界之间的竞争」。
以Meta的Llama模型为例——这个诞生在巴黎、下载量高达8亿次的开源模型，正在赋能全球无数的开发者和企业。
LeCun说选择在Meta工作是因为Meta对开源有着坚定的承诺。
2018年，Yann LeCun的头衔进一步提升为首席AI科学家（Chief AI Scientist），负责统筹Meta平台下所有与AI相关的研究计划。
这意味着他不仅领导FAIR研究院的学术研究，还参与公司AI战略的制定。
「哪个国家处于领先并不重要，」他说，「重要的是，开放研究和开源社区的迭代速度和进步，要比那些选择闭门造车、秘不示人的公司更快。」
对于甚嚣尘上的「AI威胁论」，LeCun则展现了一位工程师的务实与乐观。
他认为，AI失控并非不可避免的宿命，而是一个需要解决的工程问题，就像制造安全的飞机一样。
「认为智力与统治欲望正相关的观点是错误的，」他犀利地指出，「看看政界，情况甚至恰恰相反。」
他提出了「目标驱动架构」的设想，即为AI设定目标和不可逾越的「安全护栏」，让它们为人类服务。
他甚至预言，未来将是「我的正义AI对抗你的邪恶AI」的制衡局面。
「我相信社会最终会做出正确的选择，因为民众会提出这样的要求。」
脱下「教父」的光环，Yann LeCun是一个拥有多元爱好的有趣灵魂。
他从工程师父亲那里继承了动手能力，痴迷于制造各种飞行器，「我们把它们飞上天，再把它们摔下来——当然不一定是故意的。」
他对动物的智慧充满好奇，也热爱音乐，从巴洛克到硬波普爵士，品味广泛。
他怀念巴黎的美食，尤其是外祖母家乡阿尔萨斯的传统炖菜，那是一种对根的眷恋。
LeCun说他有四分之一的阿尔萨斯血统。
而这一切，都构成了他完整的人格——一个既能构建复杂算法，也能在生活中寻找乐趣与灵感的创造者。
在他的故事结尾，LeCun将目光投向了更年轻的一代，言辞恳切而充满力量：
「不要让那些负面或耸人听闻的故事阻碍你前进的脚步。要认识到自己的力量，主动去塑造你所期望的未来。
即使是一个简单的想法，只要它对你意义重大，只要你笃信不疑，就能带来改变。未来，取决于你。」
这或许就是Yann LeCun最核心的信念。
他相信，AI的真正意义在于增强人类的智慧，就像15世纪的印刷机一样。
他所预见的，不仅仅是一场技术革命，更是一场全新的、由每个人共同书写的「文艺复兴」。
而他，正是这场复兴的奠基人与引路者。
<br>
<a class="media_tool_meta meta_primary" href="http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652620611&idx=1&sn=18f29ad5ea79cd9317acf6d2eeca4e9a&chksm=f0596e728da77cd804bffc4d0093b00bd0952519701f58e30dbbdc8c4158a2a530cc94924d2d&scene=0#rd" target="_blank">文章原文</a>
<br>
<img alt="" class="" height="1px" src="https://images.weserv.nl/?url=http://www.jintiankansha.me/rss_static/83671/V0qj4wiRJm&maxage=1y" width="1px"></div></div></body></html>