深度学习“三巨头”、图灵奖得主 Yann LeCun:我没有天赋,所以才追随聪明人

作者 | 胡巍巍

出品 | 程序人生(ID:coder_life)

“彻头彻尾的骗局。”

2018年初,历史上首个获得公民身份的机器人索菲亚,又是上节目,又是去联合国演讲,可谓红得发紫。

但也就在此时,深度学习“三巨头”之一的Yann LeCun(以下简称Yann),却发Twitter猛批索菲亚就是一场谎言。

在这则Twitter中,他用括弧备注了几个单词:“pardon my French”。

是的,Yann是一个法国人。

 

7岁,观影迷科技

 

1961年,Yann出生于法国巴黎,读中学时,Yann对于科技就很感兴趣,他那时最喜欢的电影是《2001太空漫游》,这部在Yann 7岁时上映的电影,一定程度上影响了他的一生。

有心理研究发现,一个人的一生,在7岁之前就已经被决定。虽然没有那么绝对,但是Yann后来的人生路,确实在童年就埋下伏笔。

大学时,Yann在巴黎高等电子工程师学校,学习电子工程。

大二,Yann读了一本哲学书,这本书主要记录了麻省理工学院的语言学教授Noam Chomsky和瑞士儿童发展心理学家Jean Piaget的辩论内容。

整本书中,这两位专家,都在围绕语言是天生的、还是后天发展出来的而争论。

书中,Jean Piaget提到麻省理工学院的一个Perceptron(感知机)模型,挑起了Yann的好奇心。

为找到Perceptron模型的资料,他跑遍巴黎城好几所大学的图书馆,但却收获甚微。

而正是这场小小的遗憾,为Yann后续的研究方向埋下了梗。

大学期间,Yann就和教授们,做了一些神经网络的项目,但在20世纪80年代,他们基本是孤军奋战,甚至找不到可以讨论问题的“同行”。

本科毕业后,Yann来到巴黎第六大学,学习电子芯片设计,学完之后,他希望做多层神经网络方面的研究。

在此期间,Yann结识法国一个实验室的成员们,当时他们在研究自动机网络,他们还给Yann看了一篇论文,作者是Geoffrey Hinton(神经网络之父,以下简称Hinton)和 Terrence Sejnowski(世界十大AI科学家之一,美国“四院院士”,以下简称Terrence)的论文。

论文的主题是波尔茨曼机(波尔茨曼机由Hinton和Terrence共同发明的),而论文中的隐层神经元和多层神经网络,似乎给Yann打开了新世界。

Yann被深深震撼到,当时他就暗自发愿,一定要见见这两位大佬。

所有的相遇,都是久别重逢。

几年后,Yann真的见到了论文的作者之一Terrence。

 

24岁,邂逅法兰西

 

1985年,Yann正在法国读博士,有次他参加了一个研讨会,好巧不巧,会上的演讲者之一,正是Terrence!

演讲中,Terrence提到了反向传播。但是那时,还没有任何反向传播的论文发表。

演讲结束后,Yann主动和Terrence攀谈,并说自己也在做反向传播。

Terrence回到美国后,跟Hinton说:“在法国也有个小孩在和我们研究一样的东西。”

若干年后,Yann回忆此时,忍不住哈哈笑,似乎有点不好意思。

如果说和Terrence的相逢,只是一个绪论,那么和Hinton的相逢,才是好戏开演。

认识Terrence数月后,Yann参加了另一个会议,Hinton是演讲者之一。

那天他讲了波尔茨曼机,讲完之后,周围好几十位“粉丝”围着他,但他却问:“有个叫Yann LeCun的你认识吗?他看到我的论文了,论文是用法语写的,他能看懂一些,(还)能看懂这就是反向传播。”

果然是多会一门语言,多一个世界。就在那天中午,Yann和Hinton吃了顿午饭,然后......然后就成了忘年交。

后来,Yann毕业后,来到加拿大多伦多大学,投奔Hinton,并在后者的实验室做博士后,在此期间,Yann开始研究卷积网络。

而接下来,Yann人生的第三个重要相逢,来了。

在当年和Terrence认识的那场研讨会上,Yann还认识了几位贝尔实验室(以下简称贝尔)的大佬(情商太高了吧)。

 

27岁,贝尔展才华

 

1988年,Yann博士后出站后,当年结识的几位“贝尔大佬”,挖他到贝尔。

短短几年,Yann完成了从法国、到加拿大、再到美国的人生迁移。

1994年,贝尔正在研究字母识别。

当时,实验室有一个叫USPS的数据集,里面有五千个训练样本,Yann立马用这个数据集,建立了卷积网络,这是正是第一代LeNet。

于此同时,Yann还和小伙伴们,给卷积网络申请了专利。

LeNet的诞生,让Yann迎来第一个事业小巅峰。

心灵鸡汤说,人生都是波浪式前进,Yann也不例外。

1995年,贝尔被拆分成三个公司:AT&T、朗讯和NCR。

前面提到的专利,也被分配到NCR公司,多年后,Yann表示,NCR公司连一个知道卷积网络是啥的人都没有。

因为Yann不在NCR公司,这导致他没法继续开发卷积网络技术。多年后,Yann提起这件事,仍旧闷闷不乐。

不过,上帝给你关上一扇木窗,还为给你打开一扇铝合金窗。

贝尔拆分后,Yann成为拆分后的一个图像处理研究实验室的主管,那时因特网方兴未艾,他意识到,因特网会把知识从纸张,搬运到数字世界中。

由是,他开始牵头做DjVu,这是一种图像压缩技术,也是现在标准的图像文档格式之一,它的优势在于,高分辨率的文章,经过DjVu压缩后,只有几百KB。

 

58岁,圆梦图灵奖

 

21世纪的钟声敲响三年后,Yann离开贝尔实验室,来到纽约大学教学。

2012年,他创建了纽约大学数据科学中心。

2013年,他加入美国西海岸的Facebook做研究,纽约大学的工作也没辞掉,仍在那里做兼职教授。

如今,Yann是Facebook的首席人工智能科学家。

他的专长和Facebook,可谓是天作之合,他曾说:“如果把深度学习从Facebook去掉,Facebook就是尘埃。”

并且,Facebook在知识产权方面相对宽松,这也方便Yann和大学合作,他所在的部门,也保留着纯正的研究味道。

2018年春,Yann迎来人生极光时刻,因“将反向传播算法引入了CNN(卷积神经网络),并且发明了权值共享、池化等技巧,让CNN真正更为可用”,ACM(Association for ComputingMachinery, 国际计算机协会)将2018年图灵奖,授予Yann。

一同获奖的,还有他的导师Hinton。古人言,“打虎亲兄弟,上阵父子兵”。这对师徒估计也没想到,若干年后,能再次重逢在领奖台。

 

永远的法国人

 

业余的Yann,用他自己的话说,“最大的爱好”是妻子和三个儿子。

他和很多法国人一样,喜欢喝红酒,特别是波尔多和圣朱利安酒。没事儿还爱听听爵士乐,别看身材略胖,玩帆船根本不在话下。

对于中国,他也非常有感情:“中国占全球五分之一人口,这里拥有非常多的人才,扎克伯格非常重视中国市场。”

谈及自己的成就,他很谦虚:“我(喜欢)钻到一群比我聪明的人里面去,所以在很多方面我都根本没觉得自己有什么天赋。”

西方经典说,虚心的人有福了。

Yann的一生,或许正是这句话的写照。

如果不虚心,他就不会心心念念见大佬;

如果不虚心,他就不会负笈求学Hinton;

如果不虚心,他就不会甘心给小自己23岁的扎克伯格“打工”。

虚心的人有福了!大佬的好习惯,希望你也有!

参考:

Yann LeCun个人主页:http://yann.lecun.com

雷锋网:吴恩达专访 Yann LeCun:是的我们曾经历黑暗时刻,但我始终抱有信念

《三联生活周刊》:图灵奖为何颁给了深度学习?

CSDN博主“言有三”:《【AI大咖】再认识Yann LeCun,一个可能是拥有最多中文名的男人》

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值