聊一聊Vicarious发表在Science的那篇生成视觉模型,被LeCun痛批的递归皮质网络RCN

自己吹得牛逼,硬着头皮也要实现

Vicarious是和Deepmind对标的以强人工智能为目标的美国AI新兴公司。有意思的是,虽然融了上亿美元,除了工业机器人,Vicarious并没有像Deepmind的AlphaGo类似接地气的夺目产品。之前饱受争议,终于在近期公开的递归皮质网络RCN还被LeCun痛批了一回。RCN号称攻破了人类的CAPTCHA验证码自动识别,达到了神经网络300倍的数据利用率:

首先我们来看一下Yann LeCun早在2013年批评的理由:

主要的理由有两个:

1.  验证码识别并不是很重要的问题,一些图片分割问题比这个问题难得多 。

2. 用自己的验证码数据集容易达到好的效果,不能真正证明模型泛化能力。

David 9对Yann LeCun的看法并不反对,但是我觉得没有必要低估投资人的眼光,目前Vicarious已经是C轮融资,没有一点接地气的实际应用,投资人不可能一直跟投。如果能用非神经网络的方式(我们知道RCN是CRF,概率图模型,动态规划等技术结合)完成这些应用,其实对业界的多样性是有帮助的。

一味地在神经网络做文章,其实才是一个错误的方向。

另外论文中的描述也比较中肯,只是强调对于神经网络的优势是数据效率方面的,而不是泛化能力上的。图模型对复杂语义的探测不容忽视,正如神经网络在特征提取很在行。

在追寻通用人工智能的过程中,目前各家公司的方法层出不穷,没有人知道强AI会以什么方式在未来呈现。

 

参考文献:

  1. https://plus.google.com/+YannLeCunPhD/posts/Qwj9EEkUJXY
  2. http://theobjective.com/wp-content/uploads/2017/10/science.aag-CAPCHA.pdf
  3. https://www.zhihu.com/question/52674873/answer/131622833
  4. https://www.zhihu.com/question/67267502/answer/252537188
  5. http://www.sohu.com/a/200969057_473283
  6. https://github.com/vicariousinc/science_rcn

本文采用署名 – 非商业性使用 – 禁止演绎 3.0 中国大陆许可协议进行许可。著作权属于“David 9的博客”原创,如需转载,请联系微信: david9ml,或邮箱:yanchao727@gmail.com

或直接扫二维码:

发布者

David 9

David 9

邮箱:yanchao727@gmail.com
微信: david9ml

发表评论

电子邮件地址不会被公开。 必填项已用*标注