Yann LeCun：发现智能原理是AI的终极问题 | 独家对话

导读：在《科学之路：人，机器与未来》一书中，图灵奖得主，卷积网络之父杨立昆（Yann LeCun）提出，在科学史上，技术产品的出现往往先于解释其工作的理论和科学。发现智能工作的潜在机制和原理，是他未来几十年的研究规划。

新书分享会上，北京智源人工智能研究院院长黄铁军、清华大学计算机系副教授刘知远、知名科学科普博主袁岚峰三位人士，就AI是技术还是科学、人工智能的生物启发等话题进行了高屋建瓴的探讨。智源社区针对访谈核心内容进行摘录，并进行了不改变原意的整理。

嘉宾介绍

杨立昆（Yann LeCun）：图灵奖得主，卷积网络之父，Facebook首席人工智能专家，纽约大学教授；

黄铁军：智源研究院院长，北京大学计算机学院教授；

刘知远：清华大学计算机科学与技术系副教授、智源青年科学家；

袁岚峰（嘉宾主持）：知名科学科普博主，“科技袁人”节目主理人，中国科学技术大学副研究员。

对话整理：李梦佳 周致毅

01

神经网络的诞生——反向传播算法的前世今生

（首先，杨立昆介绍了神经网络和反向传播算法的诞生历程）

杨立昆：人们认识我大多源自于卷积神经网络。这种模型是一种组织神经元之间的连接，并将神经元组织成多层结构的特殊方式，其灵感来自哺乳动物的视觉皮层结构。这种模型结构非常适合于图像识别甚至医学分析等领域的应用。

比如，现在车辆的挡风板上都有感应摄像头，能识别到汽车前方的障碍物，及时自动停车，避免碰撞。现在的大屏电视，可以从低分辨率信号中获取高分辨率视频。这也被用于医学中的肿瘤自动检测系统，如拍X光片和核磁共振等医学成像技术。这些都是源于卷积神经网络。我参与发明的技术无处不在，甚至可以挽救生命，这是我引以为傲的事情。

其实神经网络最初的想法来自上世纪60年代Hubel和Wiesel在神经科学领域的经典著作。上世纪七八十年代，日本科学家福岛邦彦，构建了首个基于无监督学习的卷积神经网络，但当时还没有反向传播算法，训练效果受到一定局限。

而我和同事们是第一批成功实践了卷积神经网络的人（即杨立昆1988-1989年期间在贝尔实验室提出LeNet）。当时没有PyTorch、TensorFlow等工具，需要自己写深度学习环境，也没有Python，需要写自己的语言进行交互。当时也没有Linux和Windows操作系统，需要使用昂贵的平台来处理图像系统。因此，当我们付诸心血来构建能实现它的工具，并精心设计结构使其奏效之后，便开启了一种新的技术突破。在我看来这项突破并不算知识突破，因为站在知识的角度上，其原理早已存在。

杨立昆在贝尔实验室期间提出LeNet

卷积神经网络的成功离不开反向传播算法。1986年，我用法语写了一篇论文发表，却无人问津，如果用英语写也许会让更多人看到，我在书里也写到了这个故事。当时我独立地提出了反向传播算法的原型，并不知道Hinton也有相似的观点。在20世纪60年代，即使人们知道使用多层卷积可以提升神经网络的效果，也无法设计出合适的优化算法。因为他们使用的是二进制神经元，函数的间断导致在一些区域内导函数不存在࿰