LeCun ile Wu Enda Diyaloğu: Sinir Ağı 40 yıldır inişler ve çıkışlar yaşıyor
Aufei Tapınağı'ndan Xia Yi kestanesi
Qubit Üretildi | Genel Hesap QbitAI
Derin öğrenmede Üç Büyükten biri olan Yann LeCun.
Son zamanlarda, AI alanındaki bu efsanevi büyük inek, başka bir büyük inek olan Wu Enda ile bir video röportajını kabul etti. Bu konuşmada LeCun, evrişimli sinir ağlarının ve geri yayılımın tarihini ve belirsiz bir "Fransız çocuktan" günümüze nasıl adım adım geçtiğini inceledi.
Bu, kırk yıldır karıştırılan bir hikaye.
Bu, AI bilim adamlarının kişisel mücadelesidir ve aynı zamanda AI rönesansının tarihsel bir sürecidir.
Bu röportaj aynı zamanda DeepLearning.ai kursunun bir parçasıdır.
Aşağıdakiler, Wu Enda'nın LeCun ile diyaloğunun ana içeriğidir, dinleme ve çevirme qubit ve orijinal niyet değiştirilmeden ayarlamalar ve açıklamalar yapılır.
Makalenin sonunda bir portal ile röportaj videosunu tamamlayın.
Giriş
Wu Enda: Uzun zamandır sinir ağı araştırmalarıyla uğraşıyorsun, kendi hikayeni duymak istiyorum, nasıl başladın? Yapay zeka ve sinir ağlarına nasıl yatırım yapılır?
LeCun: Zekayla her zaman ilgilendim, mesela insan zekasının nasıl ortaya çıktığı, çocukken insan evrimiyle çok ilgilendim.
Wu Enda: O sırada hala Fransa'da mıydınız?
LeCun: Evet.
(Qubit notu: LeCun, 1960 yılında Paris yakınlarında doğdu. Aşağıdaki parantez içindeki metin, kübitlerle eklenen tüm notlardır.)
Ortaokul civarında teknoloji ve evrenle ilgilenmeye başladım.En sevdiğim film "2001: A Space Odyssey" (1968'de gösterime girdi) Beni büyüleyen akıllı makineler, yıldızlararası yolculuk, insan evrimi vb. . Akıllı makineler kavramı özellikle bana çekici geliyor.
Daha sonra elektrik mühendisliği okudum ve ikinci yılımda yanlışlıkla MIT hesaplamalı dilbilimci Avram Noam Chomsky ve çocuk psikoloğu Jean Piaget (Jean Piaget) hakkında felsefe tartışan bir kitap gördüm. ) Arasında bir tartışma.
(Bu tartışma Ekim 1975'te Fransa'nın Paris yakınlarındaki Royanmont'ta gerçekleşti. İkisi arasındaki tartışmanın teması şuydu: çocuk gelişimi konularını insan dili mekanizmaları ve dil edinimi perspektifinden tartışmak)
Bu esasen doğa (doğuştan gelen) veya gereklilik (yetiştirme) ile ilgili bir tartışmadır.
Chomsky, dilin bir dizi doğal edinim mekanizmasına (dil organları) dayandığına inanırken, Piaget dilin edinilmiş uygulamanın sonucu olduğuna inanıyor.
Piaget tarafında ise Perceptron modelini inceleyen MIT'den Seymour Papert (yapay zekanın öncüsü ve LOGO dilinin kurucusu) var.
Daha önce perceptron adını hiç duymamıştım ve raporu okuduktan sonra bunun bir öğrenme makinesi olduğunu fark ettim ki kulağa harika geliyor. Sonra çeşitli üniversitelerin kütüphanelerinde algılayıcılarla ilgili her şeyi aramaya başladım.
Seymour Papert'in ortak yazdığı kitabı ("The Perceptron", diğer yazar Minsky'dir) okuduktan sonra, 1950'lerden birçok makalenin geldiğini ve 1960'larda durgunlaştığını öğrendim.
Wu Enda: Bu hangi yıl?
LeCun: 1980'di. O zamanlar, okulda profesörlerle bazı sinir ağı projeleri yaptım, ancak temelde bunu birlikte tartışacak birini bulamadım, çünkü bu alan o zamanlar temelde ortadan kayboldu. 1980'de kimse bunları incelemedi. İlgili deneyler çeşitli simülasyon yazılımları yazmak ve sinirbilim kitapları okumaktır.
Mühendislik çalışmalarımı bitirdikten sonra çip tasarımına başladım. Mezun olduktan sonra benim için en çekici sorulardan biri şudur: Çok katmanlı bir sinir ağı nasıl eğitilir?
1960'lardaki literatür bu sorunu çözmedi. Fukushima Kunihiko'nun, mevcut evrişimli ağımıza çok benzeyen hiyerarşik yapıyı tanımlayan Neo-biliş üzerine makalesini okudum, ancak geri yayılım öğrenme algoritması yok.
Daha sonra Fransa'da küçük bir bağımsız laboratuvarda bir grup insanla tanıştım, Otomata Ağları ile çok ilgilendiler ve Hopfield Ağları hakkında bana birkaç makale verdiler.
Hopfield Networks ilk kez depolama sistemlerini ve sinir ağlarını birleştirdi. Bu, bazı araştırmacıların 1980'lerin başlarında sinir ağlarına olan heyecanlarını yeniden canlandırmalarına olanak tanıdı. Çoğu fizikçiler, yoğun madde fizikçileri ve bazı psikologlardı. Bilim insanı. Mühendisler ve bilgisayar bilimcileri o zamanlar sinir ağlarından bahsetmiyorlardı.
Ayrıca bana o zamanlar hala önceden basılmış bir versiyon olan başka bir makale gösterdiler. Başlık şuydu: Optimal Perceptual Inference Bu Boltzmann Machine (BM) hakkındaki ilk makaleydi. Yazarlar Geoffrey Hinton ve Terrence Sejnowski idi.
Sadece basit bir sınıflandırıcı olmasına rağmen gizli birimleri, çok katmanlı sinir ağlarını vb. Tartışır. Ama okuduktan sonra, yazarı gerçekten görmek istediğimi çünkü doğru yönü bulduklarını söyledim.
Birkaç yıl sonra, doktora programıma başladığımda, La Douche'de (Karayipler'de, Fransız adası Guadeloupe'de bulunan) bir çalıştaya katıldım. Terry (yani Terrence Sejnowski) konuşmacılardan biriydi ve bu ilk tanışmamızdı.
Wu Enda: 1980'lerin başında mıydı?
LeCun: 1985'in başlarında. Çok ilginç bir atölye çalışmasıydı.Bell Labs'tan bazı insanlarla da tanıştım, daha sonra Bell Labs'a da gittim ama bu birkaç yıl sonraydı.
Terry'ye geri yayılımı çalıştığımı ve henüz geri yayılımla ilgili bir kağıt olmadığını söyledim. Bu konudan bahsediyordu. O sırada Rumelhart, Hinton ve Williams'ın geri yayılımla ilgili makaleleri henüz yayınlanmamıştı.
(Bu makale: 1986'da "Nature" dergisinde yayınlanan, geriye doğru yayılan hatalarla temsilleri öğrenmek)
Terry, Hinton'un bir arkadaşıdır ve bilgi birlikte çalışabilir, bu nedenle o sırada geri yayımı nasıl uygulayacağını çoktan incelemeye başlamıştır. Ama bunu bana o zaman söylemedi.
Daha sonra Amerika Birleşik Devletleri'ne döndü ve Hinton'a ülkede bir çocuk olduğunu ve bizimle aynı şeyleri okuduğunu söyledi. Birkaç ay sonra, Haziran ayında Fransa'da başka bir konferans düzenlendi Hinton bir açılış konuşması yaptı ve üzerinde çalıştığı Boltzmann makinesi ve geri yayılım kağıdını tartıştı.
Konuşmanın ardından yaklaşık 50 kişi etrafını sararak iletişim kurmak istedi. Ama organizatöre söylediği ilk şey şuydu: Yann LeCun'u tanıyor musunuz? Çünkü Fransızca gazetemi okudu. Hinton biraz Fransızca okuyabiliyor ve matematik bölümünde ne tür bir geri yayılım olduğunu görebiliyor.
Sonra birlikte öğle yemeği yedik ve o zamandan beri arkadaş olduk.
Hinton ve LeCun 2006'da bir araya geldi
Wu Enda: Anlıyorum. Çünkü siz bağımsız olarak geri yayılımı (yeniden) icat ettiniz.
LeCun: Evet. Gerçekte, geri yayılmanın ilk olarak 1960'larda optimal kontrol çalışmasında icat edildiğini bulduk. Zincir kuralından gelir veya optimal kontrolle meşgul olanlara göre buna ortak durum yöntemi denir.
Geriye yayılmanın özü, gradyan inişini birçok aşamaya uygulayabileceğiniz fikridir.Bu kavram, çeşitli alan ve dönemlerde birçok kez ortaya çıkmıştır.
Ancak bu kavramı popüler yapan Rumelhart, Hinton ve Williams'ın makalesi olduğunu düşünüyorum.
Bell Labs Günü
Wu Enda: ATT Bell Labs'tayken LeNet dahil pek çok şey geliştirdiniz. Bir yaz Bell Labs'ta stajyer olduğumda sicilinizi duyduğumu hala hatırlıyorum. Bana ATT ve LeNet'in hikayesini anlatır mısınız?
LeCun: Hikaye, Toronto Üniversitesi'nde Geoff Hinton doktora sonrası araştırmacı olduğumda başlıyor ve o zaman evrişimli ağları incelemeye başladığım zamandı. Yazdığım ilk kod ve yaptığım ilk deney Toronto'daydı.
O zamanlar veri seti çok küçüktü ve Endless diye bir şey yoktu Fareyle bir sürü harf çizdim ve ardından sistemin performansını test etmek için onu güçlendirdim.
Tamamen bağlı bir ağı, ağırlık paylaşımı olmayan yerel olarak bağlı bir ağı ve paylaşılan ağırlıklara sahip bir ağı karşılaştırdım.Bu en eski evrişimli ağdır. Küçük veri kümeleri için çok dostane olduğu, evrişim yapısı ile fazla sığmadığı görülmüştür.
Ekim 1988'de Bell Labs'a geldim, yapmam gereken ilk şey, daha hızlı bilgisayarlar nedeniyle ağı genişletmekti.
Şirkete katılmadan birkaç ay önce patronum Larry Jackel bana hangi bilgisayarı istediğimi sordu. Güneş 4'ün şu an en iyi B olduğunu söyledim, eğer bir tane gelebilirse. Sonra bir tane vardı ve Toronto'daki tüm departmanda sadece bir Sun 4 olduğunu hatırlıyorum. Larry bana Bell Labs'ın para biriktirme geleneği olmadığını söyledi. Çok iyi değil.
Ben gelmeden önce, Bell Labs zaten karakter tanıma yapıyordu. 5000 eğitim örneği içeren USPS adlı devasa bir veri kümesine sahipler. Bu yüzden, aslında LeNet'in öncülü olan evrişimli bir ağ tasarladım. Eğitim etkisi çok iyidir, daha önce başkalarının elde ettiği sonuçlardan daha iyidir.
Bu şekilde çok gelişmiş bir şeyimiz olduğunu biliyoruz. Ben sadece üç aydır Bell'deyim ve bu tür sonuçlar elde ettim.
O sırada, evrişimli ağ alt örnekleme ve havuzlama katmanlarını ayırmadı, bu nedenle her evrişim doğrudan alt örneklemeydi. Hayır olmamasının nedeni, hesaplama miktarının çok fazla olmasıdır ve her pozisyon için bir evrişime sahip olamayız.
Ancak ikinci versiyonun ayrı bir havuzlama katmanı ve alt örneklemesi var, bence bu gerçekten LeNet 1. Bununla ilgili çok sayıda makale yayınladık.
Eğlenceli bir hikaye var. LeNet hakkında Geoff Hinton dinleyiciler arasında otururken NIPS'te bir konuşma yaptım. Konuşmayı bitirip koltuğuma döndüğümde yanımda olacak. Hinton, konuşmanızda sadece bir eksik bilgi olduğunu ve bunun - makul olan her şeyi yaparsanız etkili olacağını söyledi.
Wu Enda: LeNet daha sonra tarihi yeniden yazdı. O sırada ATT, çekleri okumak için onu çoktan kullanmaya başlamıştı.
LeCun: Evet. ATT'nin içinde büyük ölçekte kullanılır, ancak dışarıda kullanılmaz.
Neden bilmiyorum, belki 1980'lerde internet olmadığı içindi, FTP'de e-posta vardı ama İnternet yoktu. Kullanılan donanım ve yazılım platformları herhangi iki laboratuvar arasında farklıdır.
O zamanlar Python ve MATLAB diye bir şey yoktu ve herkes kendi kodunu yazdı. Bir sinir ağı simülatörü yazmak Leon Bottou ve benim bir buçuk yıl sürdü. Ayrıca bir çevirmen yazın ve sonra kendi LISP çevirmenimizi yazdık. Yani LeNet, LISP'de yazılmıştır ve arka uç, mevcut TensorFlow'a çok benzer.
Ayrıca bir dizi başka uygulama geliştirdik. O zamanlar, daha sonra Microsoft Research'te bir dünyaya sahip olan Chris Burgess gibi son derece zeki bir grup mühendisle çalıştık. Bu insanlarla birlikte, mevcut CRF'ye çok benzeyen, sadece tek bir harf yerine bir dizi karakteri okuyabilen bazı karakter tanıma sistemleri geliştirdik.
Wu Enda: Yani LeNet makalesi sinir ağlarını ve otomatayı birleştiriyor.
LeCun: Evet, makalenin ilk yarısı evrişimli sinir ağları hakkındadır.Birçok insan bu bölümün bir yarış teknesi olduğunu düşünür; ikinci yarısı pek çok kişi tarafından okunmayabilir ve düzenleme gerektirmeyen bir sekans seviyesi hakkındadır. Ayrımcı öğrenme ve temel yapı tahmini aslında CRF'ye çok benzer.
Bu sistem o zamanlar çok başarılıydı. Bununla birlikte, 1995'teki akşam yemeği kutlaması sırasında, tam da bu sistemi uygulamak için büyük bir banka ile bir işbirliğine vardığımızda, ATT üç şirkete ayrılacağını açıkladı: ATT, Lucent ve NCR.
Laboratuvarımız ATT'ye ait, teknik ekip Lucent'e gitti, ancak ürün ekibi NCR'de.
ATT'nin avukatlarının sonsuz bilgeliklerini kullanmaları ve NCR'ye ait olan evrişimli sinir ağı için bir patent başvurusunda bulunmaları özellikle talihsizdir. Ancak NCR'deki insanlar evrişimli sinir ağının ne hakkında olduğunu bile bilmiyor ve biz ve teknik ekip bu sistemi geliştirmeye devam edemiyoruz. Çok depresif.
Neyse ki bu patent 2007'de sona erdi.
2002'de çoğu insan daha sonra ATT'den ayrıldı
Sinir Ağı Kış
Wu Enda: Sinir ağlarının soğuk kışında, hala bu araştırma yönüne bağlı kalıyorsunuz, nasıl bir şey?
LeCun: Bazı yönlerden ısrar ettim ve bazı yönlerden ısrar etmedim.
Her zaman bu teknolojilerin eninde sonunda canlanacağına ve insanların bunları pratik uygulamalara nasıl sokacaklarını bulacağına inanıyorum. Bu fikir her zaman aklımda.
Ancak 1996'da ATT'nin bölünmesinden sonra dijital tanımaya devam edilemedi, terfi ettim ve bölüm başkanı oldum. Şu anda departmanın bundan sonra ne yapacağını düşünmem gerekiyor.
O sıralarda İnternet yeni yeni ortaya çıkıyordu, bence İnternet çok büyük bir sorun, yani kağıt üzerinde depolanan devasa bilginin dijital dünyaya nasıl aktarılacağı.
Bu yüzden, İnternet üzerinden kolay dağıtım için taranan görüntülerin boyutunu sıkıştırmak için DjVu adlı bir proje başlattım.
Bu proje çok eğlenceli ve bir başarı olarak değerlendirilebilir, ancak ATT onu ne için kullanacağını çözemedi.
(DjVu'nun ana sayfası:
Wu Enda: Bunu hatırlıyorum, çevrimiçi kağıtları paylaşmak için kullanılıyordu.
LeCun: Evet, bu teknolojiyi sergilemek için tüm NIPS makalelerini taradık ve internete koyduk. Yüksek çözünürlüklü bir resim yalnızca birkaç kb boyutunda sıkıştırılabilir.
canlanma
Wu Enda: İlk çalışmalarınız tüm bilgisayar görüşü alanını işgal etti ve hatta diğer alanlara genişledi. Bu süreç hakkında ne düşünüyorsunuz?
LeCun: Hahaha bunun olacağını biliyordum.
Öncelikle her zaman bu yöntemin faydalı olduğuna, hızlı bir bilgisayar ve çok fazla veri gerektirdiğine inanıyorum ama her zaman bunun doğru yöntem olduğuna inanıyorum.
Başlangıçta Bell Labs'tayken, makine güçlendikçe belirli bir yönde gelişmeye devam edeceğini düşünmüştüm, hatta evrişimli sinir ağlarını çalıştırmak için bir çip tasarlıyorduk.
Gördüğünüz gibi, insanların yavaş yavaş bu şeye ilgi duyacağını ve gelişmeye devam edeceğini düşünüyoruz.
Ama aslında, insanların sinir ağlarına olan hevesi 1990'larda tamamen ortadan kalktı. 1995'ten 2002'ye kadar, altı ya da yedi yıllık karanlık bir dönem vardı, kimse bunu incelemedi.
Aslında, küçük bir araştırma da var. 2000 yılı civarında Microsoft, Çince karakterleri tanımak için evrişimli sinir ağlarının kullanımı üzerinde çalışıyordu. Yüz tanıma gibi bazı küçük araştırmalar var.
Kısa bir süre önce, ilk CNN makalesini yayınladıktan sonra, bazı ekiplerin tıbbi görüntü tanıma için evrişimli sinir ağlarına benzer yöntemler geliştirdiğini keşfettim. Ama bizim gibi yayınlamadılar, profesyonel araştırma alanına da girmediler.
En karanlık yıllarda bazı insanlar bizimle aynı düşüncelere sahipti.
2012'de ImageNet'ten sonra insanların evrişimli sinir ağlarına olan ilgisi hızla arttı ve bu beni gerçekten şaşırttı.
(Alex Krizhevsky, Ilya Sutskever ve Geoffrey Hinton'dan oluşan SuperVision ekibi, ImageNet ILSVRC2012'nin sınıflandırma ve konumlandırma görevinde şampiyonluğu kazandı. Şampiyonayı kazanan evrişimli sinir ağı AlexNet, makale: Derin Evrişimli Sinir Ağları ile Sınıflandırma)
Floransa'daki 2012 ECCV'de, ImageNet'in Çalıştayı çok ilginçti. Artık herkes Geoff Hinton'ın ekibinin o yıl ImageNet yarışmasında çok ileride olduğunu biliyor ve Atölye'deki herkes öğrencisi Alex Krizhevsky'nin bir konuşma yapmasını bekliyordu.
Ancak o zamanlar, bilgisayarla görme ile uğraşan birçok insan, evrişimli sinir ağının ne olduğunu bilmiyordu. Bunun hakkında konuştuğumu duymaları gerekirdi. 2000 yılında CVPR'de de konuştum ama çoğu insan bunu fark etmedi.
Yaşlı insanlar evrişimli sinir ağlarını bilirler Gençlerin hiçbir fikri yoktur.
Krizhevsky bundan bahsettiğinde, evrişimli sinir ağının ne olduğunu hiç açıklamadı, bu yüzden buraya bakıyorsunuz, bunların hepsi birbirine bağlı, verileri nasıl dönüştürüyoruz, bu sonucu nasıl elde ederiz ...
Herkesin bunu bildiğini düşünerek makine öğrenimi ile uğraşıyor. Pek çok kişi dinlediğinde çok şaşırdı, konuşması sırasında herkesin yüzünde düşüncelerindeki değişiklikleri görebiliyorsunuz.
Wu Enda: Peki, Atölye'nin bilgisayarla görme endüstrisinin zihniyetini değiştirmesi için belirleyici bir an olduğunu düşünüyor musunuz?
Lecun: Evet, orada oldu.
FUAR
Wu Enda: Şimdi NYU'da öğretmenlik yapıyorsun ve aynı zamanda FAIR ve Facebook AI Araştırmalarına da liderlik ediyorsun. Şirketlerin nasıl araştırma yapması gerektiğine dair eşsiz bir görüşünüz olduğunu duydum, bunun hakkında konuşmak ister misiniz?
LeCun: Geçtiğimiz 4 yılda Facebook'ta hissettiğim en iyi şeylerden biri, düşündüğüm en uygun şekilde FUAR inşa etmek için çok fazla özgürlüğe sahip olmam.
Bu onların ilk araştırma enstitüsü. Facebook mühendislik merkezli bir şirkettir. 10 yaşında ve halka arz da çok başarılı, ancak şu ana kadar temelde hayatta kalma veya kısa vadeli şeylere odaklandı. Zuckerberg, önümüzdeki on yıl içinde Facebook için neyin önemli olacağını düşünmek istiyor. Şirketin hayatta kalması artık bir sorun değil ve nihayet önümüzdeki on yılı düşünebiliyor.
Mark ve ekibi, yapay zekanın insanları birbirine bağlamada kilit bir teknoloji olduğuna inanıyor. Dahili olarak bir ekip kurdular ve evrişimli sinir ağları ile yüz tanımada iyi sonuçlar elde ettiler, böylece bu yönle daha fazla ilgilenmeye başladılar.
Bu nedenle, bir grup genç araştırmacıyı işe almak, bir yapay zeka şirketi satın almak gibi birçok yöntem denediler ve sonunda bir araştırma kurumu kurmak için bu alandaki bir yaşlıyı işe almaya karar verdiler.
Başlangıçta bazı kültürel çatışmalar vardı.
Araştırma enstitüsü ve mühendislik ekibi tamamen farklı şekilde çalıştığından, araştırma enstitüsünün daha uzun bir zaman çizelgesi ve daha geniş bir görüş alanı vardır ve araştırma personeli iş yeri seçiminde çok muhafazakar.
En başta, araştırmanın açık olması gerektiğine karar verdim.Araştırmacılar makale yayınlamaya teşvik edilmeli ve hatta makaleler yayınlamalıdır.Araştırma sonuçlarının tutarlı bir ölçüm standardına sahip olması gerekir.
Mark ve CTO Mike (Mike Schroepfer), Facebook'un çok açık bir şirket olduğunu söyledi.Açık kaynak alanında birçok katkı yaptık. CTO Mozilla'dan geliyor ve açık kaynak alanından geliyor.Şirkette açık kaynak ve açık olan çok sayıda insan var. Şirketin DNA'sına kazınmış durumda, açık bir araştırma kurumu kurabileceklerinden eminler.
Facebook fikri mülkiyet konusunda bazı şirketler kadar saplantılı değildir, bu nedenle üniversitelerle işbirliği yapmak daha kolaydır, böylece araştırmacılar akademik dünyaya tek ayakla, endüstriyel dünyaya tek ayakla basabilirler.
Son dört yılda yayınladığım makalelere bakarsanız, çoğu NYU'daki öğrencilerimle birlikte bitiyor. Facebook'ta yaptığım başlıca şeyler laboratuvarlar düzenlemek, insanları işe almak, bilimsel araştırma yönleri belirlemek ve danışman olmaktır. Ancak, bir araştırma projesine katılma şansım olmadı ve adını kağıda bıraktım.
Biliyor musun, şu an ismimi gazetede bırakmak umurumda değil, ama ...
Gençler için tavsiyeler
Wu Enda: AI alanına girmek isteyenler için ne gibi tavsiyeleriniz var?
LeCun: Bu alan, ilk girdiğim zamandan tamamen farklı iki dünya.
Sanırım şu anda bir şey çok iyi.İnsanların bir dereceye kadar dahil olması kolay. TensorFlow, PyTorch gibi kullanımı çok kolay birçok araç var. İhtiyacınız olan tek şey, yatak odasında oturan ucuz bir bilgisayardır ve evrişimli sinir ağınızı ve tekrarlayan sinir ağınızı her şeyi yapmak için eğitebilirsiniz.
Pek çok şey öğrenmek için çevrimiçi öğrenme materyallerini de kullanabilirsiniz, bu çok zahmetli değildir.
Yani şimdi lise öğrencileri bile sinir ağlarıyla meşgul. Bence bu harika. Öğrenci topluluğunun makine öğrenimi ve yapay zeka için coşkusu artıyor. Gençlerin katılımını görmek bir tekne.
Benim tavsiyem, bu alana girmek istiyorsanız, örneğin açık kaynaklı projelere katkıda bulunmak için kendinizi faydalı hale getirin. Örneğin, belirli bir algoritmanın kodunu bulamazsanız, kendiniz uygulayabilir, başkalarıyla paylaşabilir, çok önemli olduğunu düşündüğünüz bir makale bulabilir, içindeki algoritmayı uygulayabilir ve açabilirsiniz. Veya mevcut açık kaynak projelerine katkıda bulunabilirsiniz.
İlginç ve yararlı bir şey yazarsanız, insanlar sizi fark edecek, istediğiniz bir iş bulabilir veya en çok çalışmak istediğiniz doktora için başvurabilirsiniz.
Wu Enda: Teşekkürler Yann, bu hikayelerin detayları bugün hala ilginç geliyor.
LeCun: Bunun gibi birçok hikaye var, bunlar gerçekleştiğinde, on ila yirmi yıl içinde ne kadar önemli olacaklarını bilemezsiniz.
Röportaj videosu
Bu röportaj videosu artık YouTube'da görüntülenebilir.
Ayrıca bir kopyasını Çin'e taşıdık. Duvarın üzerinden geçmek istemiyorsanız, kübit arka planında yanıt verebilirsiniz " diyalog "İki kelime, tüm ilgili adresleri alabilirsiniz.
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
