↑ 點(diǎn)擊藍(lán)字?關(guān)注極市平臺(tái)

作者丨陳大鑫、青暮

來源丨AI科技評(píng)論

編輯丨極市平臺(tái)

極市導(dǎo)讀

?

本文介紹了Yann LeCun——紐約大學(xué)終身教授、紐約大學(xué)數(shù)據(jù)科學(xué)中心的創(chuàng)始人、Facebook人工智能研究院首席科學(xué)家，以及2018年圖靈獎(jiǎng)的得主，他的精彩人生60年。?>>加入極市CV技術(shù)交流群，走在計(jì)算機(jī)視覺的最前沿

當(dāng)今世界人工智能領(lǐng)域，有三位AI學(xué)者被業(yè)內(nèi)奉為“神一樣的存在”，其中兩位來自加拿大，一位來自法國(guó)。

他們就是2018年的圖靈獎(jiǎng)得主Geoffrey Hinton、Yoshua Bengio，以及我們今天要著重介紹的Yann LeCun（以下簡(jiǎn)稱“LeCun”)——紐約大學(xué)終身教授、紐約大學(xué)數(shù)據(jù)科學(xué)中心的創(chuàng)始人、Facebook人工智能研究院首席科學(xué)家。

LeCun是法國(guó)學(xué)術(shù)界非常引以為豪的科學(xué)家，也是在美國(guó)科技巨頭公司中擔(dān)任要職的為數(shù)不多的法國(guó)人。雖然同為“極客”，但法國(guó)人獨(dú)特的氣質(zhì)讓LeCun和很多美國(guó)科學(xué)家相比，看起來更加隨意、富有親和力。

他所開發(fā)的手寫數(shù)字辨識(shí)模型LeNet，不但是反向傳播算法的首次被實(shí)踐，也證實(shí)了Hinton的想法是可行的，更是計(jì)算機(jī)視覺中常見的卷積神經(jīng)網(wǎng)絡(luò)原型。

在這篇文章中，AI科技評(píng)論將帶大家回顧LeCun的一路走來的六十年。

1 從“2001太空漫游”到單板機(jī)

LeCun全名為Yann André Le Cun，他于1960年7月8日出生于法國(guó)巴黎西北邊的一個(gè)小鎮(zhèn)上。而Yann LeCun這個(gè)名字的由來，則是因?yàn)樗紤]到自己的發(fā)展重心是美國(guó)和加拿大，為避免英語使用者將自己的姓氏“Le Cun”中的“Le”誤認(rèn)為是中間名，于是將“Le Cun”改寫為“LeCun”。此外，他的中文譯名來源也有一個(gè)有趣的小故事。Yann LeCun的中文譯名原為揚(yáng)·勒丘恩，而華人AI圈一直親切地稱他為“楊樂康”，據(jù)說Yann LeCun聽聞后，干脆自己給自己取了中文名字——“楊立昆”。

LeCun的父親是航空機(jī)械工程師，母親是家庭主婦，他還有一位從小一起長(zhǎng)大的哥哥。在父親的影響下，LeCun小時(shí)候就對(duì)科學(xué)和工程非常感興趣，建造飛機(jī)模型和電子玩具是他和哥哥的重要童年回憶。LeCun第一次見識(shí)到“有智能”的機(jī)器，來自在9歲那年偶然看到的電影“2001太空漫游”，這部電影在他心中埋下了好奇的種子。

身為一個(gè)太空迷，LeCun還仿照星球大戰(zhàn)中的納布皇家巡洋艦制作過一個(gè)模型。

LeCun擁有的第一部電腦，是在17歲那年買的一臺(tái)單板機(jī)。這臺(tái)單板機(jī)的構(gòu)造非常簡(jiǎn)單，除了一個(gè)小小的鍵盤，就是一個(gè)只能顯示六位數(shù)字的屏幕，這似乎和計(jì)算器的構(gòu)造差不多。然而它的使用復(fù)雜得多，必須自己編程，而重量更是達(dá)到了四公斤。學(xué)理科的人一般對(duì)音樂的理解能力較高，LeCun也不例外。他喜歡文藝復(fù)興音樂和爵士樂，還能吹奏雙簧管、長(zhǎng)笛等多種古典樂器。兩種興趣的碰撞讓他催生了用單板機(jī)打造“管樂合成器”（wind synthesizer）的想法，并付諸實(shí)施。這種“寓學(xué)于樂”的操作，讓他在玩音樂的同時(shí)，也快速地學(xué)習(xí)了很多編程技能。

2 兩本啟蒙書

LeCun大學(xué)就讀于巴黎高等電子與電氣工程師學(xué)校，學(xué)習(xí)電機(jī)工程專業(yè)，并在1983年獲得工程師學(xué)位。除了學(xué)習(xí)應(yīng)用數(shù)學(xué)與物理學(xué)，他還對(duì)神經(jīng)科學(xué)感興趣。在這段時(shí)期內(nèi)，LeCun就開始讀可學(xué)習(xí)機(jī)器方面的各種文獻(xiàn)，并嘗試做了一些簡(jiǎn)單的項(xiàng)目，這些項(xiàng)目在今天看來也能歸入人工智能領(lǐng)域。然而，直到他讀到了兩本書，才堅(jiān)定了自己的興趣和未來研究方向。

這兩本書的其中一本名為《語言與學(xué)習(xí)》（Language and Learning），這本書是LeCun在大二時(shí)無意間翻到的，這本書通過發(fā)展心理學(xué)家讓·皮亞杰與語言學(xué)泰斗喬姆斯基之間的辯論，來探討語言的本質(zhì)：語言是后天學(xué)習(xí)的能力，還是與生俱來的天賦？書中關(guān)于“學(xué)習(xí)機(jī)器”（learning machine）的討論更是讓LeCun心醉神往。

另一本名為《感知器：計(jì)算幾何學(xué)概論》（Perceptrons: an introduction to computational geometry），由人工智能先驅(qū)馬文·明斯基和Seymour Papert所著。

LeCun在這本書里第一次接觸到了“感知器”（perceptron）的概念，他心中涌現(xiàn)出一股沖動(dòng)，就是打造一臺(tái)“可學(xué)習(xí)”的機(jī)器。然而，這本書也指出，單層神經(jīng)網(wǎng)絡(luò)感知器的應(yīng)用是有限的，這種結(jié)合神經(jīng)科學(xué)與計(jì)算機(jī)科學(xué)的方法論在當(dāng)時(shí)的學(xué)術(shù)界基本被人所遺忘。

LeCun于是乎瘋狂地游竄于各個(gè)大學(xué)的圖書館，尋找一切關(guān)于感知器的內(nèi)容加以深入學(xué)習(xí)研究。

在此之后，LeCun除了想打造“可學(xué)習(xí)的機(jī)器”，也希望這種方法論在AI領(lǐng)域內(nèi)得到復(fù)興。

在1983年，LeCun發(fā)現(xiàn)在法國(guó)有一群人在研究Automata（自動(dòng)機(jī)）。那時(shí)候計(jì)算機(jī)科學(xué)還沒有任何人在研究神經(jīng)網(wǎng)絡(luò)，甚至連簡(jiǎn)單的機(jī)器學(xué)習(xí)都沒有。LeCun當(dāng)時(shí)遇到了一些人，他們?cè)谒伎己芏嗪?jiǎn)單的單元互相連接起來形成的網(wǎng)絡(luò)會(huì)有哪些新的性質(zhì)。實(shí)際上，這就是神經(jīng)網(wǎng)絡(luò)。LeCun和他們?nèi)〉寐?lián)系以后，發(fā)現(xiàn)他們有一個(gè)全球性的研究社區(qū)。

之后，LeCun讀了 John Hopfield 寫的 Hopfield 網(wǎng)絡(luò)的論文，也聽說了 Geoffrey Hinton 和 Terry Sejnowski 這兩個(gè)人，他們那時(shí)候剛剛發(fā)表了一篇關(guān)于玻爾茲曼機(jī)的論文。LeCun覺得那篇論文寫的非常好，并期待能見到他們。

3 與Hinton、Bengio相遇

LeCun在巴黎第六大學(xué)就讀博士，并在1987年獲得計(jì)算機(jī)科學(xué)博士學(xué)位。LeCun的導(dǎo)師對(duì)神經(jīng)網(wǎng)絡(luò)一無所知，他對(duì)LeCun說：“我可以給你的論文簽字，你似乎挺聰明的，但是從技術(shù)角度講我確實(shí)沒辦法幫助你?！?/span>

在這段期間內(nèi)，LeCun提出了多層神經(jīng)網(wǎng)絡(luò)以及反向傳播算法學(xué)習(xí)算法的原型，突破了單層神經(jīng)網(wǎng)絡(luò)感知器的限制。

現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)復(fù)興的起點(diǎn)，發(fā)生在1986年的夏天。盡管有了原型，但是當(dāng)時(shí)LeCun的模型中的矩陣乘法運(yùn)算速度非常慢，這樣的實(shí)驗(yàn)效果不足為外人道也。在這一年，和Geoffrey Hinton的相遇使得希望顯現(xiàn)，LeCun驚喜地發(fā)現(xiàn)Hinton也在研究反向傳播算法。

知音相遇，一拍即合，他們后來一起發(fā)展出了更加完善的反向傳播算法。

1987年，剛剛獲得博士學(xué)位的LeCun正值27歲，這時(shí)他已經(jīng)讓人工智能學(xué)界重拾對(duì)神經(jīng)網(wǎng)絡(luò)的信心。他離開法國(guó)飛到了加拿大，在Hinton的指導(dǎo)下開啟多倫多大學(xué)的博士后研究生涯。

在這一年的冬天，蒙特利爾舉行了一場(chǎng)學(xué)術(shù)演講，LeCun在臺(tái)下聽到一位年輕人不斷提出聰明的問題。他好奇地走近了那位年輕人，結(jié)識(shí)了另一位未來的極為重要的伙伴——Yoshua Bengio。

4?LeNet的誕生

1980年代末，LeCun和Bengio以及其他組員，來到了當(dāng)時(shí)美國(guó)電信巨頭AT＆T所屬的實(shí)驗(yàn)室──AT＆T貝爾實(shí)驗(yàn)室。這座美國(guó)最大的業(yè)界研究機(jī)構(gòu)，培育了數(shù)不清的精英人才，許多發(fā)明至今依然影響深遠(yuǎn)。

LeCun與他的研究團(tuán)隊(duì)很快就將反向傳播算法應(yīng)用在卷積神經(jīng)網(wǎng)路上。這種進(jìn)階版的人工神經(jīng)網(wǎng)路，可以自動(dòng)尋找數(shù)據(jù)中的模式和表征，于是就可以應(yīng)用在圖像與文字的識(shí)別上。

1993年，時(shí)年32歲的LeCun便是在這樣的基礎(chǔ)上，開發(fā)出了世界上第一個(gè)用于文本數(shù)字識(shí)別的卷積網(wǎng)絡(luò)──LeNet。

圖注：32年前Yann LeCun當(dāng)初演示用CNN識(shí)別數(shù)字的視頻，視頻中，參與這項(xiàng)實(shí)驗(yàn)的研究人員還有實(shí)驗(yàn)室負(fù)責(zé)人Rich Howard，和計(jì)算機(jī)專家Donnie Henderson。

在演示視頻中，系統(tǒng)快速且精準(zhǔn)地識(shí)別出了手寫數(shù)字210-949-4038。據(jù)說，這是LeCun當(dāng)時(shí)在貝爾實(shí)驗(yàn)室的電話號(hào)碼。

LeNet后來成功商業(yè)化，被金融和郵政機(jī)構(gòu)拿來讀取信件或支票上的數(shù)字與條碼，這不僅是LeCun在業(yè)界賺到的第一桶金，也證明了他當(dāng)初與導(dǎo)師Hinton一同鉆研的基于反向傳播算法的卷積神經(jīng)網(wǎng)路是可行的。

圖注：Lenet-5 ?在線識(shí)別手寫數(shù)字

然而好景不常，對(duì)于神經(jīng)網(wǎng)絡(luò)報(bào)以厚望的人們變得“貪婪”起來，人們不再滿足于簡(jiǎn)單的手寫數(shù)字的辨認(rèn)，而是更復(fù)雜、多樣的圖像，可是這也意味著需要更多、更深的網(wǎng)絡(luò)隱藏層，這帶來的計(jì)算量遠(yuǎn)遠(yuǎn)超出當(dāng)時(shí)計(jì)算硬件設(shè)備的上限。

期望越大失望越大，資本和市場(chǎng)很快對(duì)之失去了耐心，神經(jīng)網(wǎng)路再次被打入冷宮。與此同時(shí)，AT＆T為了與其他電信公司競(jìng)爭(zhēng)，專注于通訊服務(wù)的經(jīng)營(yíng)，于是公司原先的實(shí)驗(yàn)室被一分為二，成為「貝爾實(shí)驗(yàn)室」與「AT＆T實(shí)驗(yàn)室」兩個(gè)不同公司下的研究部門。

LeCun雖然可以留在AT＆T實(shí)驗(yàn)室繼續(xù)他的研究，但是許多其他相關(guān)領(lǐng)域的朋友，例如當(dāng)初協(xié)助將LeNet拓展到金融服務(wù)業(yè)的工程人員，都被拆散到了另一個(gè)實(shí)驗(yàn)室，這使得所有相關(guān)研究計(jì)劃被迫暫停。

LeCun也因此有整整六年時(shí)間沒有再碰神經(jīng)網(wǎng)路。這段時(shí)間也被后人稱為「人工智能的第二次寒冬」，LeCun在這段時(shí)間收拾心情，重整他之前寫到一半的論文，并與其他組員研發(fā)出新的圖片壓縮技術(shù)──DjVu。

DjVu的特點(diǎn)在于能將圖像中重復(fù)度高的形狀獨(dú)立出來，當(dāng)再次出現(xiàn)時(shí)只要需記錄位置信息即可，因此可以有效壓縮高清晰度影像，這也是DjVu一名取自法語déja vu（似曾相識(shí)）的原因。在當(dāng)時(shí)很多藝術(shù)與文化的資料，例如全彩雜志內(nèi)頁(yè)的掃描，若以djvu的格式儲(chǔ)存，相較于傳統(tǒng)的jpeg或pdf格式，大小可以縮減到五倍以上。

所幸隨著摩爾定律的生效，計(jì)算硬件設(shè)備的性能也逐年遞增，特別是近幾年來GPU在很多科學(xué)計(jì)算上逐漸嶄露頭角。很多研究者發(fā)現(xiàn)GPU對(duì)于可高度并行化的簡(jiǎn)單任務(wù)（例如卷積操作），有著取代CPU的巨大潛力。自此之后，神經(jīng)網(wǎng)路憑借著與GPU結(jié)合，漸漸走出低谷。

近些年，卷積神經(jīng)網(wǎng)絡(luò)（CNN）已經(jīng)成為眾多科學(xué)領(lǐng)域的研究熱點(diǎn)之一。特別是在計(jì)算機(jī)視覺領(lǐng)域，由于CNN避免了對(duì)圖像的復(fù)雜前期預(yù)處理，可以直接輸入原始圖像進(jìn)行操作，這讓其得到了更為廣泛的應(yīng)用，這種革命性的系統(tǒng)從一開始能夠識(shí)別手寫數(shù)字，隨著算力的不斷發(fā)展和訓(xùn)練數(shù)據(jù)的不斷豐富，CNN從高清圖像中識(shí)別視覺出如貓和狗早已不在話下。

CNN后來在計(jì)算機(jī)視覺領(lǐng)域可謂是大殺四方，ImageNet競(jìng)賽一晃十載，歷年來霸榜的神經(jīng)網(wǎng)絡(luò)模型如AlexNet、Inception、ResNet等等無一不是以CNN為基礎(chǔ)架構(gòu)。

而最近一年多來Transformer模型的出現(xiàn)以及在視覺模型上的成功應(yīng)用似乎對(duì)CNN的壟斷地位構(gòu)成了嚴(yán)峻的挑戰(zhàn)，至于是哪個(gè)模型能笑到最后，還需更多的時(shí)間來檢驗(yàn)。

5 產(chǎn)學(xué)兩棲

2002年，LeCun離開了AT＆T實(shí)驗(yàn)室，帶著組員來到日本電氣公司（Nippon Electric Company，NEC）位于美國(guó)普林斯頓的研究中心。

無奈當(dāng)時(shí)NEC研究中心正值轉(zhuǎn)型期，很多LeCun想合作的研究人員都相繼出走；一年半的短暫停留后，LeCun轉(zhuǎn)戰(zhàn)來到了紐約大學(xué)，時(shí)至今日仍未離開。

LeCun先后與其他學(xué)者在紐約大學(xué)成立了數(shù)據(jù)科學(xué)中心，并擔(dān)任共同主任；2013年，數(shù)據(jù)科學(xué)中心被Facebook看上，LeCun獲聘擔(dān)任其下AI研究部門Facebook AI的主任。今日Facebook與Instagram上的人臉識(shí)別與自動(dòng)標(biāo)注功能，很大一部分是LeCun與其團(tuán)隊(duì)的研究成果。

Facebook產(chǎn)品中的AI背后的許多基礎(chǔ)研究現(xiàn)在都在FAIR進(jìn)行。它最有影響力的創(chuàng)意之一是記憶網(wǎng)絡(luò)，它可以存儲(chǔ)足夠的數(shù)據(jù)來回答常識(shí)性問題，從而改善機(jī)器與人們的交談方式。此外，LeCun還將開放研究作為其計(jì)劃的基石?，F(xiàn)在，F(xiàn)AIR幾乎公開了其所有工作，并開放了其大部分代碼、數(shù)據(jù)集和工具的資源，例如經(jīng)典機(jī)器學(xué)習(xí)框架PyTorch，從而促進(jìn)工業(yè)界和學(xué)術(shù)界的交流。

正因?yàn)槿绱?，LeCun一直在積極倡導(dǎo)在產(chǎn)學(xué)合作制度──讓從事科學(xué)研究的學(xué)者一部分時(shí)間待在業(yè)界、另一部分時(shí)間在大學(xué)任教──引進(jìn)商業(yè)界的資源與運(yùn)營(yíng)模式，使AI的發(fā)展在學(xué)界和業(yè)界互通有無。他曾經(jīng)專門寫過一篇文章，提出了“雙重聯(lián)盟”（dual-affiliation）的概念，來闡述這種模式的好處。

雖說這樣「產(chǎn)學(xué)兩棲」的學(xué)者不在少數(shù)，然而樹大難免招風(fēng)。LeCun的這個(gè)舉動(dòng)引起了紐約大學(xué)其他同僚的非議，認(rèn)為這會(huì)讓一名教授投注在教學(xué)上的時(shí)間與精力大大減少。

LeCun覺得很多人都誤解了雙重聯(lián)盟的非常重要的一點(diǎn)，就是：只有一個(gè)工業(yè)界實(shí)驗(yàn)室是研究性質(zhì)的實(shí)驗(yàn)室，而不是開發(fā)性質(zhì)的實(shí)驗(yàn)室，以及這個(gè)實(shí)驗(yàn)室做的是開放性的研究，設(shè)立這個(gè)實(shí)驗(yàn)室的企業(yè)對(duì)實(shí)驗(yàn)室的知識(shí)產(chǎn)權(quán)沒有很強(qiáng)的占有欲的時(shí)候，這種雙重聯(lián)盟的模式才是可行的。

LeCun在產(chǎn)學(xué)合作制度基礎(chǔ)上還主張研究成果的開放，讓更多人了解自己正在從事的研究。

他表示：“要和大學(xué)實(shí)驗(yàn)室保持良好關(guān)系，讓他們?yōu)槟爿斔透黝惾瞬?，進(jìn)行各種可能的研究，這就必須要開放項(xiàng)目和研究成果?？蒲腥藛T公開發(fā)表自己的研究成果是非常重要的，因?yàn)槟愕牡匚辉谟趯W(xué)術(shù)影響。你不能簡(jiǎn)單地告訴人們‘我正在為Facebook工作，但我不能告訴你們我在研究什么’，這樣你的職業(yè)生涯就毀了，這真的很重要。”

2020年，LeCun有一個(gè)主講的紐約大學(xué)《深度學(xué)習(xí)》課程，后來因?yàn)橐咔樵?，LeCun在網(wǎng)上也有堅(jiān)持親自授課。

而在人工智能的商業(yè)化方面，LeCun則表示：“基礎(chǔ)研究的影響在比較長(zhǎng)的時(shí)間后才能體現(xiàn)出來。你不能幻想種下一顆種子，然后就突然冒出了實(shí)體產(chǎn)品線，商業(yè)模式就能發(fā)生徹底改變。這是一種長(zhǎng)期投資，它需要的是有遠(yuǎn)見的人，這樣的人谷歌有，F(xiàn)acebook也有。”

2018年，LeCun與Hinton和Bengio三人共同獲得了有「計(jì)算機(jī)科學(xué)界的諾貝爾獎(jiǎng)」之稱的圖靈獎(jiǎng)。

ACM 表示，Yann LeCun 主要做出了三大貢獻(xiàn)：提出卷積神經(jīng)網(wǎng)絡(luò)、改進(jìn)反向傳播算法、拓寬神經(jīng)網(wǎng)絡(luò)視角。

除了是對(duì)研究的肯定，這個(gè)獎(jiǎng)項(xiàng)更為Hinton、LeCun與Bengio三人之間，這段亦師亦友的感情做了最好的注解。

獲得圖靈獎(jiǎng)后，LeCun卻似乎不滿足于此，他的研究腳步仍未停下。

6?學(xué)術(shù)之道&人生之道

LeCun曾表示，人工智能發(fā)展的一大難題是讓機(jī)器掌握人類常識(shí)，這是讓機(jī)器和人類自然互動(dòng)的關(guān)鍵。關(guān)于機(jī)器視覺如何與常識(shí)相聯(lián)系，LeCun說，有很多種看法。其中一種觀點(diǎn)認(rèn)為，給人工智能系統(tǒng)提供足夠信息的唯一方式是加入視覺認(rèn)知，因?yàn)橛跋駮?huì)比語言的信息密度高得多。

對(duì)此，LeCun表示：“這跟嬰兒的學(xué)習(xí)方式類似。然而，幼兒在學(xué)習(xí)很多事情的時(shí)候并不需要明確的指示。”LeCun認(rèn)為在沒有指導(dǎo)的過程中的學(xué)習(xí)才是他想要達(dá)到的。

近年來，人們?cè)絹碓綋?dān)心，如果AI無法如期實(shí)現(xiàn)當(dāng)前人們的期望乃至通用人工智能（AGI），那么另一個(gè)冬天將很快到來。LeCun并不認(rèn)同通用人工智能的說法，他曾說道，“沒有像AGI這樣的東西”，因?yàn)椤叭祟惖闹悄苓€遠(yuǎn)未達(dá)到通用水平。” 但是，他熱衷于追求“人類級(jí)AI”。

LeCun曾打過一個(gè)比方：「人類與動(dòng)物的學(xué)習(xí)大都是無監(jiān)督學(xué)習(xí)。所以說如果智能是一塊蛋糕，那么無監(jiān)督學(xué)習(xí)才是蛋糕本體，監(jiān)督學(xué)習(xí)則是那層糖霜，強(qiáng)化學(xué)習(xí)不過是蛋糕上的一顆櫻桃。」

監(jiān)督學(xué)習(xí)所訓(xùn)練出來的模型，通常只有在特定目標(biāo)、特定范圍內(nèi)才有不錯(cuò)的效果效，但這與人類舉一反三、鑒古知今的學(xué)習(xí)方法有很大的區(qū)別。

LeCun曾說過在你退休之前最想做出來的成果，是找到一個(gè)普遍適用的好方法來做自監(jiān)督學(xué)習(xí)。不難看出對(duì)于LeCun而言，我們距離真正的「智能」還有很長(zhǎng)一段路要走。

我認(rèn)為，一旦突破了那堵磚墻，我們將在AI系統(tǒng)功能開發(fā)上取得重大進(jìn)步。但事實(shí)是，它后面可能會(huì)還有一堵磚墻。我們現(xiàn)在不知道，是因?yàn)樗[藏起來了。因此，我們不知道要達(dá)到老鼠級(jí)別的智能、貓級(jí)別的智能、人類級(jí)別的智能，還需要經(jīng)過多少堵磚墻。我們甚至不知道要花多長(zhǎng)時(shí)間才能突破第一堵墻。

在被問及成功秘訣時(shí)，LeCun則認(rèn)為，自己并不是天才，但與天才的相遇讓他受益匪淺。

我的秘訣是鉆到一群比我聰明的人里面去，所以在很多方面我都根本沒覺得自己有什么天賦。反倒是，我經(jīng)常為別人感到驚嘆。比如我和 Léon Bottou 有過很長(zhǎng)時(shí)間的聯(lián)系和合作，在機(jī)器學(xué)習(xí)界他是一個(gè)知名人物，而且?guī)缀趺總€(gè)方面他都比我強(qiáng)！

我喜歡做的事，就是一直向下挖掘，去發(fā)現(xiàn)一個(gè)疑問背后真正的問題是什么?！溉绾尾拍茏寵C(jī)器學(xué)習(xí)」，類似這種。有點(diǎn)像是考慮大方向、考慮哪些是真正重要的問題。把問題簡(jiǎn)化、再簡(jiǎn)化，直到達(dá)到真正的核心問題。

有時(shí)候一個(gè)想法或者一個(gè)概念顯得很復(fù)雜，因?yàn)槠渲杏玫搅撕芏嗪苈闊┑臄?shù)學(xué)知識(shí)，但是它真正的核心往往就是一個(gè)很簡(jiǎn)單的想法。我覺得我還沒法和 Richard Feynman 相提并論，但是這種思考方式真的和他的很像。就是要問最基本的問題、摒棄一切表面上的東西，直到得到一個(gè)簡(jiǎn)單得不可思議的問題。不過我做得還沒有他那么好。

當(dāng)然，也有些人覺得自己成功的秘訣在于專注，比如Yoshua Bengio，Yoshua 是非常自律的、井井有條的人。我不是那樣的人，我活得亂糟糟的。

最后值得一提的是，不同于Hinton和Bengio，LeCun比較熱衷于在推特上活躍發(fā)言，目前在推特上有24萬的粉絲，妥妥的大V。當(dāng)然，LeCun在推特上也有過不愉快的一段往事，曾經(jīng)一度退出推特......

參考鏈接：

https://www.yicai.com/news/5272525.html

https://www.leiphone.com/news/201811/62TcDCKFomfCEWnQ.html

推薦閱讀

• IBM中國(guó)研究院被曝已全面關(guān)閉
  

• 誰是全球最頂級(jí)AI實(shí)驗(yàn)室？DeepMind、OpenAI和FAIR霸榜前三
  

• 最新！2021中國(guó)內(nèi)地大學(xué)ESI排名出爐：326所高校上榜！
  

添加極市小助手微信（ID : cvmart2），備注：姓名-學(xué)校/公司-研究方向-城市（如：小極-北大-目標(biāo)檢測(cè)-深圳），即可申請(qǐng)加入極市目標(biāo)檢測(cè)/圖像分割/工業(yè)檢測(cè)/人臉/醫(yī)學(xué)影像/3D/SLAM/自動(dòng)駕駛/超分辨率/姿態(tài)估計(jì)/ReID/GAN/圖像增強(qiáng)/OCR/視頻理解等技術(shù)交流群：每月大咖直播分享、真實(shí)項(xiàng)目需求對(duì)接、求職內(nèi)推、算法競(jìng)賽、干貨資訊匯總、與?10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動(dòng)交流~

△長(zhǎng)按添加極市小助手

△長(zhǎng)按關(guān)注極市平臺(tái)，獲取最新CV干貨

覺得有用麻煩給個(gè)在看啦~??