脸书首席人工智能科学家扬·勒村一边摆弄着一支笔，一边解释他希望机器如何通过观察学习，就像婴儿一样。
勒昆说，在婴儿出生的最初几个月里，天辰注册平台他们通过观察眼前的事物来了解世界是如何运转的。他们知道物体是三维的，可以隐藏。在视频采访中，勒昆指出，婴儿还知道，如果一个物体没有被支撑住，它就会掉下来。
他说:“我们希望人工智能系统通过观察来了解世界是如何运转的，因为这将有巨大的意义。”“它将让机器拥有一定程度的常识。”
这家社交媒体巨头的人工智能研究团队正在推动计算机向这个目标迈进，教会它们在不依赖人类标记或整理数据的情况下填空。这种被称为“自我监督学习”(self-supervised learning)的方法有可能改善Facebook，包括内容审核。这家社交网络公司的人工智能团队周四表示，他们在这方面取得了一项“突破”，其名为Seer (self-supervised的缩写)的自我监督计算机视觉模型能够从10亿张随机、无标签、无策划的Instagram公共图片中学习。
通过对这些图像的学习，Seer正确识别并分类了照片中的优势物体，准确率为84.2%。根据这项研究，Seer比现有最好的自我监督系统高出一个百分点。
该研究的一篇博文称，这些发现是“一项重大突破，最终为未来更灵活、更准确、适应性更强的计算机视觉模型扫清了道路”。
正确识别和分类图像可以帮助改进各种产品。Facebook和其他社交网络使用人工智能对信息源中的内容进行排名，并对违反其反仇恨言论或裸体规定的图片和视频进行标记。人工智能被用于汽车，帮助司机避免碰撞，也被用于医疗成像，以简化诊断。Facebook也在其虚拟和增强现实系统中使用人工智能来跟踪一个人在某一区域的位置，该公司计划在今年发布其首款智能眼镜。
“自我监督学习的优点是，你可以训练非常大的网络，它仍然是准确的，天辰注册平台”LeCun说。
对于机器来说，在线图像很难识别，因为它们可能是模糊的，或者是从奇怪的角度拍摄的。如果机器能够自己学习，它们就能适应这些环境。
LeCun表示，自我监督学习可能有助于减少一些人工智能研究中出现的偏见。例如，一些研究表明，面部识别系统很难正确识别少数族裔，可能是因为研究人员使用了包含更多白人的照片集。他说，去掉人类标签的因素可能会减少一些偏见，并警告说，这个理论“有点投机性”。
虽然训练机器变得和人类一样聪明可能会让人担心人工智能会比人类更聪明，但这并不是勒昆担心的未来。他指出，智能与控制世界的欲望无关。
他说:“支配其他实体的欲望是人类固有的天性，但绝对没有理由把它植入我们的人工智能系统或机器人。”
