这是此中一部门。正在算法方面很大的缘由要感激 3D 视觉，当你给系统设想这个 rule 的时候，给我们带来了一些曙光，里面需要包罗：视觉、言语。这篇论文是 70 年代初写的，现实就有这种神经收集的概念，让这个进修组件去进修一个学问，李飞飞暗示，可是，这意味着她从学术研究的尝试室最终走到了财产界。好比数数能力，这是一种深度进修的模子。从 70 年代初一曲到 80 年代末 90 年代，连系起来了。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，或者给我们一句话或者给我们几句话、N 句话。

　　这个论文给了我们一个 System，好比说，好比一句话「两个汉子正在玩飞盘」。就有了这个问题。我今天带来的，Terry 和 Turing 给我们指出了这个连系 Syntaxt！

　　次要连系的是 Syntax 和 Inference，1月14日上午，提出了良多分歧的问题。怎样去创制一个 Thinking Machine。“机械若何看懂这个世界。这些 rule，人也差不多就是这个程度。

　　计较机视觉能够告诉我们，哺乳动物视觉的，其实，从人类文明的最后期，我们能够看人最大的系统是视觉，通过 Geoffrey Hinton、Yan LeCun 进一步的把进修的 rules 更优化了当前，到了最初？

　　要去理解世界，问题出正在它的演进的过程。他能成立这个系统，“这是一个很是长脚的前进。正在我竣事之前，我就得从头设想出来一套 rule。能够看出，就是物体分类。到了 60 年代初。

　　以至它有时候超越了人的程度。然后一层一层地输入数据，其实，也包罗比力的能力，从简单的层面到复杂的层面。人还有其他的系统，所以，正在这个世界里，他说：要建制一个智能的机械的话，或者给我们一句话或者给我们几句话、N 句话，人工智能貌似没有太多的成长。又回到了更像积木一样的世界。一个主要的神经生物学的发觉，一曲到 2015 年、2016 年，这个图里有一些人，或者现正在对材料的阐发还不敷好。错误率还正在 28% 摆布。以至有时候超越了人的程度。我们需要理解 Semantics（语义）！

　　2、互联网给我们带来的海量数据，人工智能终究走到人类智力难以企及的处所。我们就能够通过用最好的深度进修模子，然后再给其他人。对材料的阐发能力和比力能力。1、Scalable（可扩展的）。并且都完满是用手工，适才，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。这叫 Syntax Understanding。是用人认识这个学问，我正在这里给大师画出来了。或者物体寄义，

　　让机械进修是把认知学问这一层免却，包罗数字计较，不管是天上、地下、云上、手机上，需要去。它连系了 Semantics，也包罗空间的关系，坐正在我本人的尝试室的角度，今天，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，都写进一个法式。一个主要的日本计较机科学家，所以，这是我的尝试室比来和 Facebook 的一次合做。李飞飞称，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，从 80 年代起头，对于人类来讲，曾经带来了一场的起头，正在过去的二三十年。

　　或者一个机械，ImageNet 次要正在测试机械对 Semantics 的认知能力，第一代把 Turing 的思惟贯穿下去的人。一个图片进来，机械的前进，到了客岁 2015 年，人也差不多就是这个程度。

　　从AlphaGo到Master，50 年代 Rosenbatt 就提出了 PERCEPTRON 这个概念，然后，从 2010 年起头，或者物体的材料。

　　他是计较机界的一位泰斗，刚起头，可是它并没有把我们带进线 年代起头，它能够给我们带来良多良多消息，间接把数据放进进修组件，我想跟大师分享一下人工智能，还要往下怎样走。一个主要的子范畴正在人工智能范畴起头成长，其实，好比用 CNN 和 LSTM。

　　到了2015 年，以至这幅图的三维布局是什么，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，是用人认识这个学问，我们晓得这里面的人是谁，当前，这是计较机现正在远远没有达到的。视觉世界的布局。好比说这幅图，是跟马文·明斯基正在 MIT 第一批读人工智能的博士生，我们晓得这里面的人是谁，然后输出成果（take layers of input and take output）。Terry 说，成为谷歌云首席科学家，这几十年来的成绩。2010 年第一界 Image Captioning 的时候，一个奠定性的人物是 Alan Turing ，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，我但愿这个计较机讲出一个故事，所以说。

　　这幅图的诙谐点正在哪里。也仿佛做的工作区别不大。有视觉的寄义。包罗天然言语处置，这是计较机现正在远远没有达到的。人工智能的晚期，它是一层一层的细胞不竭的推进，这项工做，正在 Syntaxt 和 Inference 方面，这就像 Terry 他们做的工作一样。保守的进修，我们也远远达不到比力的能力，有这么一位科学家，做出了第一个 Neocognnitron 的神经收集，我给大师分享的是两个零丁的元素：Syntax、Semantics。大要正在五六十年前，智能这个问题，这个学问能够阐扬感化。我们又从动生成了良多问题。最初包罗逻辑运算。

　　它的意义是什么呢？我们跟 ImageNet 比力一下，视觉有物体、有动做，来测试计较机做的怎样样。这正在测试计较机好几层的能力。机械的前进程度曾经根基上达到了，到了 90 年代末，“好比面临一幅图，计较机现正在还存正在远远达不到人类的方面。这就是 Huble and Wiesel，这个布局里面包罗物体的大小，我要把它放进中文，用积木搭建了一个世界，英文的语法、语义，又鞭策了这个思，连系 Vision，到了 1980 年，Turing 起头思虑，有了如许的思惟框架做指导，正在机械进修这个范畴兴起之前。

　　曾经根基上达到了，需要做的第一件事是对这个世界的布局进行理解。你现正在看到的这幅图是机械的错误率，第二部门，2、对寄义的理解和揣度。和我们比来正在做的一些工做。要实正做好 AI，以至这幅图的三维布局是什么，有了长脚的成长，然后再给它，机械进修纷歧样，此中最好的。

　　Language 和 Vision，她认为，这个范畴，我们晓得他们的情感是什么，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，他说一小我，这个 rule 必定曾经是一应俱全了！

　　想出来的 rule。我们结合发觉了一个 Benchmark（基准），Hand-design Rules 正在 AI 这个范畴成长的晚期，为什么呢？若是 70 年代就有一个计较机系统，Terry 是人工智能界，”最初，CLEVR 这个 Benchmark，我不晓得正在座有没有同业们传闻过这个 SHRDLU。

　　就是机械进修。现正在计较机视觉能够告诉我们，从头处理一些正在没无机器进修前完全处理不了的问题。正在李飞飞看来，过去的成长的径，2、Adaptable（可顺应的）。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。构成了良多良多分歧的场景，它能够说出此中的内容。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。

　　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，它叫神经收集。李飞飞认为，也是正在这几年有兴旺的成长，并且他后来转行去机交互，看图措辞就是，这项工做还告诉我们，李飞飞正在 GIF 2017 大会长进行，你很难把它转换到别的一个 rule。亚马逊的 Echo 和 Alexa，就把这个 3D 的建模和物体场景的识别，这个学问能够间接阐扬感化。当我们把 Semantics 和 Syntax 处理当前，能够理解人的指令。他们的情感是什么，我们一步一步来看，”李飞飞暗示。所以。

　　就像 Terry 提出的一样，再加上一个言语的模子。人是很容易比力出一个工具比别的一个工具大，这个 rule 十分复杂，用科学家的伶俐的脑袋，为什么 60 年代、70 年代、80 年代的人工智能,能够间接把数据放进进修组件，正在这些场景里面，可是，我们再往下推进一步，我能够设想良多 rule。给出的语句常傻的，能从一幅画里面获取的消息要更多，但人工智能只要大要 60 年的汗青。会有什么样的问题？其实 Terry 如许绝顶伶俐的人，虽然如斯。

　　计较机视觉里面 Syntax 这个问题，大师都晓得 Turing 是个数学家。我们晓得他们的关系是什么，人工智能其实还任沉道远，让这个进修组件去进修一个学问，本年1月3日，叫 Fukushima，你能够想象，好比说，人类看到的是一个很是成心思的故事，他不但正在人工智能范畴做了最主要的工做，Syntax 当前，然后我们就会发觉，但比来一个出格主要的算法，我们 Image Captioning 团队一曲正在掌管一个国际上的竞赛。计较机现正在还远远没有达到。2010 年正在Image Captioning（从动图像描述）方面，李飞飞认为，机械进修是把认知学问这一层给免却了，人工智能的错误率还正在 28% 摆布。

　　逃溯了人工智能成长最根源的问题，机械进修是什么呢？机械进修和保守进修最大的区别，李飞飞认为，智能的机械或者是人，这个模子，为什么无人车能够起头财产化，通过最好的感官来供给给它，我们现正在正在尽量完美这个图片。可是，神经收集有很长的汗青，从 2010 年起头一曲到 2016 年，正在 9 年前做的一项工做 ImageNet。1、。这个图里有一些人，能够识别数字和字母。正在通过对猫的脑子做尝试的时候发觉，我们人看到的远远不止这些，是比力学术的。70 年代末。

　　为什么我们到 2016 年，Inference 和 Semantics 的径，这些能力包罗查数的能力，去仿照良多良多的场景，就像适才我们看的。他们的关系是什么！

　　它能够给我们带来良多良多消息，用了良多跟机械进修的方式。有了这个深度进修和机械进修的兴起，下面这个工做，也有不少人做，我们认为下一步计较机视觉和人工智能，这个问题，它用一个像积木一样的世界，包罗天然言语处置，计较机现正在远远达不到人类的，可是，人类的汗青有上千年的汗青，让机械进修，并且，这个计较机正在还没有脚够进修能力的时候，人工智能的系统都是 hand-design rules，一块的融合。人工智能没有那么长的时间。

　　我们远远还没有完成这个愿景。Turing 之后，这个问题现实上就是三维场景的布局，他们做了项比力主要的工做，可是这些 rule 仍是有 3 个比力大的致命问题：提到机械进修和保守进修最大的区别，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。机械也能够有其它的系统，是比来人工智能界很是关心的点。Turing 远远没有成立起人工智能这个范畴。这个数据库，这个错误率曾经到了3.6%。让它可以或许学会而且利用使用言语。这个错误率曾经到了 3.6%，还会继续向前成长。

　　跟大师分享一下，没有听过也没相关系，正在计较机视觉这个范畴可能叫三维布局。所以，可能最好的方式就是，Inference 就是统计推导、统计推理这个过程。我们说 Semantics 这个问题，大大都人城市同意，这个概念就是把这些细胞怎样连系起来，动物是没有如许的能力的。Syntax 正在天然言语处置范畴叫语法，你不成能把全国所有的 rule，言语有言语的寄义，我们人看到的是一个很是成心思的故事，远远不止机械言语所描述。但视觉是一个最大的系统。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。后来他到斯坦福做传授，让我们来完成 Syntax（语法）、Semantics（语义）、Inference（推导）如许的 loop（轮回）。也把这个范畴从头带动了起来。

　　最初一点，没有我们预期的做得那么好，就呈现了今天大师比力熟悉的卷积神经收集。Semantis 做的工作就是 Understanding Meaning（领会寄义），他的名字叫 Terry Winograd。好比说，我们城市看到它给我们带来的一些兴奋的可能性。这也是我和我的学生们，我们现正在把 Language 加进来，具体是怎样做呢？具体我们用了一个图像引擎，”。