Yann LeCun，人工智能界的著名學者、人工智能三巨頭之一（另兩位是 Hinton 與 Bengio）、紐約大學終身教授、NYU數據科學中心創始人、Facebook人工智能研究實驗室負責人、“神經網絡先鋒獎”得主。在 20 余年的研究歷程中，他已累積發表了超過 180 篇論文，他最廣為人知的研究在 1988 年，LeCun 參與開發了著名的「卷積神經網絡」，可以識別手寫數字。隨著數據訓練的不斷持續，這種革命性的系統開始從圖片像素中識別視覺特征，這就像為計算機打開了雙眼，讓它們可以從數據中自我學習。

Yann LeCun表示，AI已經遍布在世界的角角落落，它在日常生活中產生了巨大的變化。但這不是在科幻電影中看到的AI，也沒有神經緊繃的科學家猛擊鍵盤，試圖阻止機器摧毀世界。

人們的智能手機、房子、銀行和汽車已經每天都在使用AI。AI將通過推動自動駕駛汽車的發展、改善醫學圖像分析、促進更好的醫療診斷和個性化醫療，從而帶來社會的重大轉變。AI 也將是支撐未來許多最具創新應用和服務的基本架構。但對許多人來說，AI 仍然很神秘。

Yann LeCun認為，在人工智能的發展過程中，有三個學習方式，具體來說：

強化學習——這是關于代理應該如何行動以獲得最大化獎勵的問題，它受行為心理學理論的啟發。在特定情況下，機器挑選一個動作或一系列動作并獲得獎勵。強化學習通常用于教機器玩游戲和贏得比賽，比如國際象棋、西洋雙陸棋、圍棋或簡單的視頻游戲。強化學習存在的問題是，單純地強化學習需要海量的試錯才能學會簡單的任務。

監督學習——基本上，監督學習就是我們告訴機器特定輸入的正確答案：這是一幅汽車的圖像，正確答案是“汽車”。它之所以被稱為監督學習，是因為算法從帶標簽數據學習的過程類似于向年幼的孩子展示圖畫書。成年人知道正確的答案，孩子根據前面的例子做出預測。這也是訓練神經網絡和其他機器學習體系結構最常用的技術。舉個例子：給出你城市中大量房屋的描述及其價格，嘗試預測你自己家房子的售價。

無監督學習——人類和大多數其他動物學習，是在其生命的前幾個小時、幾天、幾個月和幾年，以沒有人監督的方式學習：人們通過觀察和得知人們行動的結果了解世界如何運作。沒有人告訴我們所看到的每一個對象的名稱和功能。我們學會非常基本的概念，比如世界是三維的，物體不會自行消失，沒有支撐的物體會往下落。當前我們還不知道如何在機器身上實現這一點，至少無法達到人類和其他動物的水平。缺乏用于無監督或預測學習的AI技術，是限制當前AI發展的原因之一。

Yann LeCun指出這都是 AI 是經常使用的方法，但是對于任何計算設備而言，都有很多從根本上無法解決的問題。這就是為什么即使修建出了擁有超越人類智慧的機器，這些機器仍然能力有限。這些機器可能在下國際象棋時打敗人類，但卻不知道在淋雨時躲進屋里。

Yann LeCun認為當下人類對深度神經網絡的訓練，用的大部分還是監督學習的方式。比如說將一張圖片展現給系統并告訴它這是一輛車，它就會相應調整它的參數并在下一次說出“車”。然后你再展現給它一張桌子，一個人。在幾百個例子、耗費幾天到幾周的計算時間之后，它就弄明白了。“這其實并不是一個非常復雜的概念。”

其次，對于一個AI系統來說，預測+規劃=邏輯分析（Predicting + Planning = Reasoning）。如果想要讓機器能夠了解并且預測世界的規律，強化學習（Reinforcement Learning）需要建立一個世界模擬器（World Simulator），模擬真實世界的邏輯、原理、物理定律等。不過真實世界太過復雜，存在大量的表征學習參數，使得機器學習的計算量相當冗余，聽起來似乎很誘人，但是在有限的時間內無法學習到成千上億的參數。

而無監督學習需要機器處理大量沒有標記的數據，就像給它一堆狗的照片，卻不告訴它這是一條狗。機器需要自己找到區分不同數據子集、集群、或者相似圖像的辦法，有點像嬰兒學習世界的方式。

無監督學習的一大困難之處在于：對不確定性的預測。比如當你將一支筆直立在桌面上時，松開手的那一刻，你并不知道這只筆將會朝哪個方向倒下。如果系統回答這只筆會倒下，卻判斷錯誤了倒下的方向，這時需要告訴系統，雖然你不是完全正確，但你的本質上是正確的，我們不會懲罰你。此時需要引入曲面的成本函數，只要系統回答在曲面之下的數據，都是正確的答案。

Yann LeCun認為越來越多的人類腦力活動將與智能機器關聯起來。人之為人，便是因為擁有智慧；而人工智能便是智慧的延伸。

“在建設真正智能機器的征途中，我們正在發現可應用并將改善人們今天、明天、明年日常生活的新理論，原則，方法與算法。這些技術中，有許多已經很快找到了應用到 Facebook 的產品和服務中的途徑，如圖像理解，自然語言理解等。”

談到在 Facebook 的人工智能時，Yann LeCun表示他們有一個長期目標：即了解智能并構建智能機器。這不僅僅是一個技術挑戰，還是一個科學問題。什么是智力？又該如何在機器中將其再現？這仍是人類所探尋的問題。這些問題的答案不僅會對建立智能機器有所幫助，也讓人們更加洞見神秘人類意識與大腦的工作方式。但愿它將能夠幫助人類更好地理解生而為人的意義。