비디오: AI Pioneer Panel with Yoshua Bengio, Yann LeCun & Geoffrey Hinton (Full Keynote) (십월 2024)
이달 초 AI와 미래의 미래에 관한 워크숍에서 페이스 북 AI 리서치 책임자이자 NYU 데이터 과학 센터의 창립 디렉터 인 Yann LeCun은 "딥 러닝의 힘과 한계"에 대해 이야기했습니다. 최근 AI의 많은 진보의 핵심 인 컨볼 루션 신경망을 개척 한 LeCun은 최근 몇 년간이 분야의 발전에 열성적이며 그러한 시스템이 할 수있는 것과 할 수없는 것에 대해 현실적이었습니다.
LeCun은 AI가 여러 차례 물결을 띠며 현재의 물결이 딥 러닝에 초점을 맞추고 있지만 앞으로 나오는 것은 "인식"이며, 가장 큰 예로는 의료 영상 및 자율 주행 차와 같은 응용 분야가 있습니다. LeCun은 1989 년에 처음 설명했으며 1995 년에 ATM에서 문자 인식에 처음으로 배치 된지도 학습과 대부분의 회 선형 신경망을 사용합니다. LeCun은 2007 년에 만료되었습니다.
최근 몇 년 동안 가장 큰 변화를 가져온 것은 Geoffrey Hinton의 이미지 인식에 GPU를 사용하는 방법을 알아 낸 결과 컴퓨팅 성능이 크게 향상되었을뿐만 아니라 샘플 크기가 큰 빅 데이터 세트입니다. LeCun의 경우에도 이미지 인식의 발전은 "놀라운 수준"이었습니다. 인식은 "실제로 작동"하지만 여전히 누락 된 것은 추론입니다.
LeCun은 세 가지 종류의 접근 방식과 각각의 한계에 대해 이야기했습니다. 강화 학습에는 많은 수의 샘플이 필요합니다. 시스템이 수백만 번의 시련을 겪고 더 나아질 수 있기 때문에 게임에 좋습니다.하지만 벼랑에서 자동차를 5 천만 번 운전하고 싶지 않기 때문에 실제 세계에서는 사용하기가 어렵습니다. 실시간은 현실 세계의 한 요소입니다.
현재 우리가 보는 대부분의지도 학습은 중간 정도의 피드백이 필요하며 잘 작동합니다. 그러나 감독 머신 러닝에는 몇 가지 문제가 있습니다. LeCun은 이러한 시스템은 데이터의 편견을 반영하지만, 이 문제를 극복 할 수 있다고 낙관적이라고 말하면서 사람과 비교하여 기계에서 편견을 제거하는 것이 더 쉽다고 생각합니다. 그러나 이러한 시스템의 신뢰성을 검증하기가 어렵고 그러한 시스템의 출력을 기반으로 한 결정을 설명하기가 어렵 기 때문에 LeCun은 이에 대한 예로 대출 신청에 대해 이야기했습니다.
비디오에서 미래의 프레임을 예측하는 것과 같은 것들에 대해 현재 연구되고있는 비지도 또는 예측 학습에는 많은 피드백이 필요합니다. 비지도 학습은 이용 가능한 모든 정보, 즉 다른 말로 블랭크를 채울 수있는 능력을 통해 과거, 현재 또는 미래를 예측하는 것과 관련이 있습니다. 그는 아기가 이것을 할 수는 있지만 기계를 만드는 것은 매우 어렵다고 연구자들이 불확실한 조건에서 예측을 위해 GAN (generative adversarial network)과 같은 기술을 연구하는 방법에 대해 이야기했다. 우리는 완벽한 솔루션을 갖지 못하고 있다고 그는 말했다.
LeCun은 세 가지 유형의 학습에 대해 케이크의 일부인 것처럼 이야기했습니다. 강화 학습은 맨 위의 체리, 감독 학습을 통한 착빙 학습, 예측 학습이 케이크의 주요 부분입니다.
LeCun은 인공 지능이 비용이 적게 드는 로봇과 실제 인간 경험이 더 많은 비용으로 물건의 가치 평가 방식을 바꿀 것이라고 예측했으며, 이는 "재즈 뮤지션과 장인의 밝은 미래"를 의미 할 것이라고 말했다.
전반적으로 LeCun은 AI가 증기 엔진, 전기 또는 컴퓨터와 같은 범용 기술 (GPT)이라고 말했다. 따라서 경제의 많은 영역에 영향을 미치지 만 생산성에 영향을 미치기까지는 10 년에서 20 년이 걸립니다. LeCun은 AI가 일자리 교체로 이어질 것이라고 말했지만, 기술 배치는 작업자가 얼마나 빨리 훈련 할 수 있는지에 따라 제한된다고 지적했다.
"진정한 AI 혁명"과 관련하여 LeCun은 기계가 상식을 얻을 때까지 이런 일이 발생하지 않으며이를 구축하는 원리를 결정하는 데 2 년, 5 년, 20 년 또는 그 이상이 걸릴 수 있다고 말했다. 그 이상으로, 이러한 원칙을 기반으로 실용적인 AI 기술을 개발하는 데 몇 년이 걸릴 것입니다. 그는 결국 회선망이 중요해지기까지 20 년이 걸렸다 고 지적했다. 그리고 그것은 모두 원칙이 단순하다는 가정에 근거합니다. "지능이 방해물"이라면 훨씬 더 복잡해진다.
