考研概率论，考研概率论听谁的课好
詹士 Pine 发自 凹非寺
量子位 | 公众号 QbitAI
马库斯又开炮了，直指LeCun最新一篇采访。
「LeCun所说的一切，我之前几乎逐字逐句都说过。」
「大部分内容就在2018年一篇论文中，而LeCun当时还嘲笑，大部分内容是错误的」。
同样在Twitter上，马库斯也发布数十条相关主题推文，还是针对LeCun的这篇内容，引发不少业内人关注。
目前，相关媒体ZDNet已注意到马库斯的声音，并在原报道中刊出相关争议——
但目前LeCun尚未回应。
所以，这究竟是怎样一篇采访？LeCun又说了什么？
往下看。
LeCun：AI现在的路走窄了
事情起因是9月24日商业技术媒体ZDNet对LeCun进行了采访，主题关于他在6月发表的一篇探讨AI未来的一篇论文。
该论文中，LeCun披露了自己在未来十年的研究方向：自主机器（Autonomous Machine Intelligence），更多细节之前有过介绍，请参考这篇文章。
此番采访，LeCun介绍了更多信息，更对此前专注的路线予以不小否定。
尤其在深度学习研究路径问题上，他表达了怀疑态度。
目前GPT-3、Transformer拥护者们相信，只要将一切标记化，再训练出巨大模型来做离散预测，AI就会以某种方式出现。但他认为，这还只是未来智能系统的组成部分之一，但不是关键必要的部分——
而即便是强化学习，也无法解决上述问题，他解释道，尽管他们是下棋好手，但仍只是专注于「动作」的程序。
LeCun还补充，很多人都声称要以某种方式推动AI进步，但这些想法误导了我们，目前智能机器的常识性甚至还不如一只猫，这也许才是解决问题的原点。
由此，LeCun坦诚，自己已放弃用生成网络从这一帧预测视频下一帧的研究——
「这是一次彻底的失败」他补充道。
LeCun总结了失败的原因，概率理论基础的模型限制了他自己。同时，他谴责了那些认为概率论的迷信者。他们认为，概率论即解释机器学习的唯一框架，但事实上，一个100%概率构建的世界模型雀食难以实现。
LeCun认为，目前所有AI都面临的基本问题是——
如何测量「信息」。
目前这一底层问题他自己也没能很好解决，不过，LeCun希望去重新思考并打了个比方：
「这好比我们要去月球，于是建了个梯子，但梯子无法到达那里，我们需要退回来重新思考基本原理」。
不只分享学研观点，LeCun提醒，产业界也需要重新思考目前AI技术面临的问题。
尤其在自动驾驶领域，他认为相关公司一直都过于乐观，从业者以为将数据扔进大型神经网络就能让它学到一切。但事实上，我们可能会拥有一个没有常识的L5自动驾驶系统，这将使相关功能变得十分脆弱，仍有很多极端状况无法照顾到。
「终极解决方案是一个能更好地理解世界运作方式的系统」，LeCun提出了自己的思路。
ZDNet还问了LeCun为何此时又出来发声。
他解释道，自己很早就在思考监督学习、强化学习的不足，Hinton也是，他感慨「我们不再年轻，时间不多了」。
值得一提的是，LeCun在采访中直言不讳聊了聊自己的批评者，其中就包括纽约大学教授，加里・马库斯，LeCun评价道「从未对AI做过任何贡献」。
至于另一位常在社交网络开炮的人，LSTM之父、Dalle Molle人工智能研究所联合主任Jürgen Schmidhube，LeCun也小小讽刺了下「提想法容易，有贡献才难」。
大概正是这些言论，为他招来了争议。
马库斯又来了
不出意外，这篇采访前脚刚发，后脚马库斯就来了。
不同于以往的争辩，这次马库斯发布篇幅超过6000个单词的长文，直指LeCun剽窃观点。
马库斯称LeCun观点自己很早之前就已经说过，并表示：
从来没有人比LeCun在采访中更严密地重复我的观点了。
甚至从采访中摘出原话，和自己曾经的观点一一作出比对。
△对比节选（共7条）
一直以来，马库斯就对当前人工智能的架构不抱期待，称要实现通用人工智能还需要引入其他的技术。
对马库斯关于AI的一些观点，LeCun总是认为其在博取关注。此前，他就发布一篇“如何在推特吸引AI圈眼球”的方法论，在其中，若有所指地罗列道：
- 一再指出深度学习的局限性（其实这是每个人都知道的）。
- 根据某人新言论，声称他们改变自己的想法，同意自己N（N=5/10/15/20）年前说的；
- 利用观点模糊性，宣称某人观点出自自己早年言论，指控对方剽窃；
- 坚持发推/写小作文；
如前文提及，LeCun也在此次采访更是专门点名马库斯，「他是一位心理学家，根本不懂AI」。
不出意外，马库斯做出了回应。
他引用了LeCun的讽刺原文回应称，ZDNet已经在报道中补充了他的博客，希望LeCun也能作出相应的解释。
值得一提的是，关于LeCun采访中提及的那篇论文，LSTM之父Jürgen Schmidhube也表达过不满，称其没有正确引用自己实验室1990-2015年的成果。
参考链接：
[1]https://www.zdnet.com/article/metas-ai-guru-lecun-most-of-todays-ai-approaches-will-never-lead-to-true-intelligence/
[2]https://garymarcus.substack.com/p/how-new-are-yann-lecuns-new-ideas?sd=pf&s=09
考研概率论(考研概率论听谁的课好)