大咖 | 从Ian Goodfellow到Yann LeCun，对话Quora AI大佬TOP 10

点击查看全文

与AI大咖对话，是不是听起来就很激动呢？

在人工智能、数据科学领域，学术与行业的发展瞬息万变，成果频出，通过二手资料了解这一领域似乎已远远不够。如果有机会，当然还是要紧跟大咖们的步伐呀~

那么，人工智能、数据科学领域的大咖到底在哪里？文摘菌悄悄告诉你，他们可都在国外知名问答论坛Quora上等着你呢！从GAN之父Ian Goodfellow，到CNN之父Yann LeCun，你都能在Quora上找到他们的身影。

今天，文摘菌就将为你盘点Quora上人工智能、数据科学领域的10位大咖，并为每位大咖精选了一篇他们参与的问答，一起来追寻大咖的脚步吧！

Roman Trusov

档案：战斗民族的独立数据科学家

Quora主页：https://www.quora.com/profile/Roman-Trusov

受欢迎指数：1.5/5

活跃指数：4/5

专业指数：2/5

从基础开始学习机器学习真的有必要吗？既然那么多算法、工具都是黑箱，我们何不只学如何用library？

来来来，我给你讲个故事吧。

【第一天】

经理：今天要交给你一个重任——开发一个实时监测路上行人的系统！

程序猿：没问题的！肯定有个R包可以做这个任务，不行的话也会有一个“Scikit-自动驾驶”库。我保证下周之前做完给你！

【几小时的百度后】

程序员：看起来好像没有直接能用的包。难不倒我，我可以用一个“Scikit-视觉魔法”库，在Kaggle上下载一个csv后缀的数据集，最后从Kaggle的指导课程里面学一些标准化的方法，完工！完美！

【第二天】

程序员：额，好像没有可以用的数据集，也没有立马能用的库...哎，好吧好吧。让我用用看Keras吧，再看看Github上有没有类似的项目。

无功而返，还在StackOverflow上被别人diss了几下。

【自己捣腾一番】

程序员：好嘞，我现在已经跑了一轮自己的数据了，但这个模型出的结果奇奇怪怪的，而且这个现象不在使用指南里... 我是不是需要深入了解一下Keras？

【查了几个Quora问题】

经理：咱系统整得咋样了？

程序员：（惊醒）报告老板，马上搞定，让我再修复几个小bug~

【内心一阵慌乱】

程序员：这个模型怎么中看不中用啊。看来我要用TensorFlow来搭一个我自己的模型了！

【复制、粘贴了几轮教学代码】

经理：不是说今天就能完工的吗？

程序员：碰到了几个小问题，我得确保万无一失嘛。

【内心又是一阵慌乱】

程序员：这个库自带的损失函数（loss function）简直一塌糊涂！我要自己来定义一个损失函数，然后加上一点正则化处理（regularization）。事情咋这么多...

【学了一门机器学习课程】

程序员：接受域好像有点太窄了啊... 要是我学过深度学习就好了...

程序员：BN算法（batch normalization）好牛逼啊！为啥我之前在scikit-learn的入门指导里没看到这东西？！

【读了一本Ian Goodfellow的书】

程序员：妈呀，我真是犯了一堆错误。不过呢，这就是学习的乐趣啊~

程序员：太好了，现在程序可以跑了，模拟结果看起来也很棒哦！

部署工程师：哇！耶？！你这个系统需要24G的内存，而且1秒只能处理2帧。完全没法在汽车上用啊。

程序员：MMP！要是我知道我设计的网络的运算复杂度就好了。话说啊，那个FP16是咋回事呀？

【一天后】

经理：我们经费用完了。我准备去吃土了，一起吗？

Abhishek Patnia

档案：亚马逊数据科学家

Quora主页：https://www.quora.com/profile/Abhishek-Patnia

受欢迎指数：1/5

活跃指数：4/5

专业指数：2/5

未来5年里最热门的深度学习问题是什么？

现在，深度学习在监督学习和强化学习中进展快速。包括了像计算机视觉，机器翻译，AlphaGo，和自动驾驶等。

然而，这只是智能这块蛋糕很小的一部分。我想接下来几年，我们会看到很多在无监督学习方面的工作，构建能够理解环境细节并进行推理的系统。所以，无监督学习会非常热门并是深度学习接下去首要解决的问题。

Alexey Kurakin

档案：谷歌大脑研究员

Quora主页：https://www.quora.com/profile/Alexey-Kurakin-1

受欢迎指数：3星（2.8k）

活跃指数：2星（总回答10，最近3个月10）

专业指数：3.5星

今年人工智能是否被吹嘘得太过了？

是也不是，取决于你谈论哪个领域。

如果你说的是学术研究领域，答案是否定的。过去的几年中，AI科研社区有很多伟大的突破。

另一方面，如果你在讨论商业投机，那么回答是肯定的。热过头了。太多风投公司和大公司的副总将资金注入贴上人工智能标签的技术项目上。这和之前电子，互联网泡沫没有任何区别。在你的代码里有if-then-elseif判断语句并不会把它变成人工智能。

我和大公司里知晓技术的副总级任务聊过，他们在听了Yann Lecun的演讲之后认定监督学习问题已经完全被解决了。那么，如果监督学习被解决了，然后我们又有成吨的钱，我们就可以花钱获得大量有标记的数据，然后解决任何问题，是吗？不是的！当Yann LeCun说一个问题被解决了，他是站在了一个研究者的角度。如果你在马路上的物体识别准确率只有80%，很显然你并没有解决自动驾驶的问题！

总而言之，如果你不知道怎么从一个技术里赚钱，但你一直有听到这个技术，那么你很可能在一个技术泡沫之中！

Yann LeCun

档案：“深度学习三巨头”之一，纽约大学教授，Facebook AI研究中心主任

Quora主页：https://www.quora.com/profile/Yann-LeCun

受欢迎指数：2/5

活跃指数：1/5

专业指数：5/5

当机器人有物理上的损坏时，强化学习如何能被用于机器人学？

你需要使用“基于模型的强化学习”，这能够让系统对机器人一系列动作可能产生的结果进行模拟。

在这里，我们主要的问题是如何训练一个准确地模拟真实世界。

我们称训练这些模型为无监督预测学习。这也是阻碍人工智能进步之所在。

Håkon Hapnes Strand

档案：挪威数据科学家，象棋运动员

点击查看全文