一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

Yann LeCun:如果把深度學習從Facebook去掉,Facebook就是塵埃

DPVg_AI_era ? 來源:lq ? 2018-12-12 09:36 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

Yann LeCun說,Facebook現在完全以AI中心,如果把深度學習從Facebook去掉,Facebook就是塵埃。

如果沒有人工智能,Facebook今天不會剩下多少遺留后世的東西。

這是五年前創(chuàng)立Facebook人工智能研究實驗室的Yann LeCun所說。

“如果你把深度學習從Facebook去掉,Facebook就是塵埃。”LeCun說,“Facebook現在完全以AI為中心”,這種技術已經應用在新聞信息流中。

當LeCun建立實驗室時,Facebook已經開始涉足深度學習——這是他自20世紀80年代以來一直致力的一種機器學習。早在2013年,Facebook就知道AI將成為其未來的關鍵部分,與其他一些科技公司一樣,Facebook專注于深度學習,將其專門用于分類照片和進行人臉識別。

雖然看起來很有希望,但當時并不清楚AI會有多大用處。但多年以后,在從用戶和日益強大的計算機收集的大量數據的幫助下,AI迅速得到改善。Facebook和其他公司,比如谷歌、微軟和亞馬遜,正在將AI用于許多不同的事情,例如在照片中標記人物并讓虛擬助手告知天氣。

LeCun表示,如果沒有深度學習,Facebook尤其無法運作。他說,現在AI應用“絕對無處不在”。

這不僅適用于用戶可以看到的內容,也適用于他們可能看不到的內容。深度學習也有助于Facebook的內容過濾,并有助于從社交網絡中刪除仇恨言論等內容。

但Facebook的AI工作也受到了批評。例如,公司正在通過人工智能,以幫助提醒人類版主出現在平臺上的仇恨言論,但很多這種仇恨帖子都能夠鉆系統(tǒng)的漏洞。雖然深度學習和其他人工智能方法正在發(fā)展,但AI可能需要數年時間來優(yōu)化內容。

然而,盡管該技術的功能日益增強,但LeCun強調人工智能無法接近他所謂的“終結者情景”——在此期間機器人將會接管。

現在,AI可以在像圍棋這樣的游戲中擊敗人類,但我們仍遠未創(chuàng)造出所謂的通用人工智能。這種類型的AI可以完成類似人類的任務,并且具有足夠的常識來幫助日常生活,而不僅僅是像亞馬遜的Alexa今天那樣執(zhí)行相當腳本化的任務。

LeCun表示,即使是非常前沿的人工智能系統(tǒng)也不會像人類那樣擁有相同的驅動力,除非它們內置于人體中。

“主宰的欲望與智力無關?!彼f, “事實上,世界上有很多這方面的例子。人類中最聰明的人不一定想成為主宰者?!?/p>

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯系本站處理。 舉報投訴
  • Facebook
    +關注

    關注

    3

    文章

    1432

    瀏覽量

    56743
  • 深度學習
    +關注

    關注

    73

    文章

    5561

    瀏覽量

    122794

原文標題:Yann LeCun:假如沒有深度學習,Facebook就是塵埃

文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    嵌入式AI技術之深度學習:數據樣本預處理過程中使用合適的特征變換對深度學習的意義

    ? 作者:蘇勇Andrew 使用神經網絡實現機器學習,網絡的每個層都將對輸入的數據做一次抽象,多層神經網絡構成深度學習的框架,可以深度理解數據中所要表示的規(guī)律。
    的頭像 發(fā)表于 04-02 18:21 ?884次閱讀

    SLAMTEC Aurora:深度學習“卷”進機器人日常

    在人工智能和機器人技術飛速發(fā)展的今天,深度學習與SLAM(同步定位與地圖構建)技術的結合,正引領著智能機器人行業(yè)邁向新的高度。最近科技圈頂流DeepSeek簡直殺瘋了!靠著逆天的深度學習
    的頭像 發(fā)表于 02-19 15:49 ?457次閱讀

    軍事應用中深度學習的挑戰(zhàn)與機遇

    人工智能尤其是深度學習技術的最新進展,加速了不同應用領域的創(chuàng)新與發(fā)展。深度學習技術的發(fā)展深刻影響了軍事發(fā)展趨勢,導致戰(zhàn)爭形式和模式發(fā)生重大變化。本文將概述
    的頭像 發(fā)表于 02-14 11:15 ?538次閱讀

    BP神經網絡與深度學習的關系

    BP神經網絡與深度學習之間存在著密切的關系,以下是對它們之間關系的介紹: 一、BP神經網絡的基本概念 BP神經網絡,即反向傳播神經網絡(Backpropagation Neural Network
    的頭像 發(fā)表于 02-12 15:15 ?855次閱讀

    NPU在深度學習中的應用

    隨著人工智能技術的飛速發(fā)展,深度學習作為其核心驅動力之一,已經在眾多領域展現出了巨大的潛力和價值。NPU(Neural Processing Unit,神經網絡處理單元)是專門為深度學習
    的頭像 發(fā)表于 11-14 15:17 ?1911次閱讀

    NE5534音頻信號音頻輸入口輸入后,如果將Rq電阻去掉,輸出端的輸出信號下半部分被削平了,為什么?

    如圖所示,當音頻信號音頻輸入口輸入后,如果將Rq電阻去掉,輸出端的輸出信號下半部分被削平了,加上去就沒事~ 這是因為什么呢
    發(fā)表于 10-31 08:21

    Pytorch深度學習訓練的方法

    掌握這 17 種方法,用最省力的方式,加速你的 Pytorch 深度學習訓練。
    的頭像 發(fā)表于 10-28 14:05 ?655次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學習</b>訓練的方法

    GPU深度學習應用案例

    GPU在深度學習中的應用廣泛且重要,以下是一些GPU深度學習應用案例: 一、圖像識別 圖像識別是深度學習
    的頭像 發(fā)表于 10-27 11:13 ?1363次閱讀

    激光雷達技術的基于深度學習的進步

    信息。這使得激光雷達在自動駕駛、無人機、機器人等領域具有廣泛的應用前景。 二、深度學習技術的發(fā)展 深度學習是機器學習的一個分支,它通過模擬人
    的頭像 發(fā)表于 10-27 10:57 ?1066次閱讀

    FPGA加速深度學習模型的案例

    FPGA(現場可編程門陣列)加速深度學習模型是當前硬件加速領域的一個熱門研究方向。以下是一些FPGA加速深度學習模型的案例: 一、基于FPGA的AlexNet卷積運算加速 項目名稱
    的頭像 發(fā)表于 10-25 09:22 ?1229次閱讀

    AI大模型與深度學習的關系

    AI大模型與深度學習之間存在著密不可分的關系,它們互為促進,相輔相成。以下是對兩者關系的介紹: 一、深度學習是AI大模型的基礎 技術支撐 :深度
    的頭像 發(fā)表于 10-23 15:25 ?2887次閱讀

    深度學習GPU加速效果如何

    圖形處理器(GPU)憑借其強大的并行計算能力,成為加速深度學習任務的理想選擇。
    的頭像 發(fā)表于 10-17 10:07 ?613次閱讀

    FPGA做深度學習能走多遠?

    。FPGA的優(yōu)勢就是可編程可配置,邏輯資源多,功耗低,而且賽靈思等都在極力推廣。不知道用FPGA做深度學習未來會怎樣發(fā)展,能走多遠,你怎么看。 A:FPGA 在深度
    發(fā)表于 09-27 20:53

    塵埃到潔凈:工廠清潔機器人的日常使命與成就

    塵埃到潔凈:工廠清潔機器人的日常使命與成就 在繁忙的工廠車間里,機器轟鳴,生產線高速運轉,每一寸空間都見證著工業(yè)文明的蓬勃發(fā)展。然而,在這份繁榮背后,隱藏著一個不容忽視的挑戰(zhàn)——清潔與維護。塵埃
    的頭像 發(fā)表于 09-27 18:20 ?617次閱讀

    用OPA4140四運放設計了一個儀表放大電路和一個跟隨電路,正弦波的峰出現很多毛刺怎么解決?

    我用OPA4140四運放設計了一個儀表放大電路和一個跟隨電路,電路見: 一是,如果把中間高通濾波電路去掉,儀表直接接到跟隨電路,我在跟隨輸入之前和輸出之后測量結果如下: 正弦波的峰出現很多
    發(fā)表于 08-19 07:32