10
1在本次 Lex Fridman 对深度学习之父 Yann LeCun 的访谈中，二人深入探讨深度学习相关话题。先以 Hal 9000 为例论 AI 价值对齐与客观函数设计，探讨深度学习惊人现象、神经网络推理要素等。回顾深度学习发展，分析其 90 年代遇冷原因与专利看法。还讨论基准测试、智能系统训练环境，反驳 “人类智能具有一般性”，表达对自监督学习兴趣。之后，介绍自监督学习在不同领域的情况，谈及主动学习、自动驾驶等。阐述构建人类水平智能系统的障碍，探讨索菲亚机器人项目、人工智能与身体关系，提及常识推理及情感对智能的重要性。
从《2001太空漫游》谈AI价值对齐与客观函数
以Hal 9000为例阐述AI价值错位问题
探讨实现AI价值与社会公益对齐的方法
提出为AI系统设定类似医生誓言规则的设想
深度学习超大神经网络小数据训练有效的惊人事实
推理系统需具备工作记忆等要素的观点
深度学习的奇妙现象及神经网络推理
另一种推理形式基于能量最小化及相关应用
早期AI在知识获取和符号表示上存在主要问题
论文探讨让神经网络关注因果关系及相关挑战
90年代机器学习社区对神经网络失去兴趣及原因
卷积网络曾有专利，讨论专利相关概念
深度学习发展历程、专利及未来方向
1996年律师将卷积神经网络专利分配给NCR
警惕声称解决通用人工智能方案的人，要用基准测试检验
机器人场景中样本会产生依赖性，影响训练测试
切断并随机排列视神经纤维，视觉皮层难学视觉
对自监督学习感兴趣，认为其有发展希望
自监督学习、主动学习与自动驾驶中的深度学习
自然语言处理中自监督学习的应用方式
图像和视频自监督学习中处理不确定性的难题
主动学习是向人类寻求帮助选择需标注部分
需构建含不确定性预测能力的世界预测模型
探讨深度学习在自动驾驶问题上的作用
构建人类水平智能系统的探讨
构建人类水平智能系统面临诸多未知障碍
首个挑战是让机器像婴儿一样通过观察学习世界模型
智能自主行动需具备世界模型、目标预测等组件
索菲亚机器人项目存在对公众沟通不实的问题
无情感便难以拥有高智能，情感至关重要
配音由ai生成
