在這里大家可以看到在網(wǎng)絡(luò)當中使用的幾個層，比如說有100層或者180層的一些人工神經(jīng)網(wǎng)絡(luò)，在Facebook當中我們會廣泛使用。因為有了這樣的一些應(yīng)用，可以看到識別錯誤率在不斷下降，有的時候表現(xiàn)甚至比人還要好。它的性能非常好，已經(jīng)成為一種標桿。另外它實際上比CPU識別圖像或者對象要更加復(fù)雜一些。它不僅僅能夠識別對象，同時能夠進行本地化處理。

這個是在Facebook人工智能部門我們所做的研究，叫做Marsk RCNN，可以看到它的結(jié)果，它可以標記這樣的圖像，就像我剛才給大家展示的例子非常像的，展示出非常好的性能。如果能夠展示這種效果的話，它不僅僅可以識別出每個人，同時它會為每個人加一個Marsk，所以可以很容易區(qū)分出是一個人還是一只狗，在這里大家可以看到它可以識別電腦、酒杯、人、桌子，都可以識別出來。如果五年之前問系統(tǒng)這些問題的話，我們當時認為需要10-20年時間才能達到今天呈現(xiàn)的效果。

這也是Facebook所做的一些研究，叫做Techaround。大家可以下載上面的代碼，它可以探測200多種不同的類別，這也是Facebook在AI方面的一些研究，我們不僅僅發(fā)布了一些論文，同時連代碼也都發(fā)布出來了，世界各地都可以更好的熟知這種技術(shù)。

對于我們研究團隊來說，不僅僅要開發(fā)對我們公司非常有用的技術(shù)，同時我們也希望所開發(fā)的技術(shù)能夠引導(dǎo)整個社區(qū)，能夠解決我們所感興趣的問題。我們認為AI不僅僅會幫助我們解決問題，同時還會幫助我們解決很多人類自己無法解決的挑戰(zhàn)，所以我們會與我們的科學(xué)團隊一起朝這方面努力。這里是在過去的幾年里，IFRR所發(fā)布的一些開源項目，包括像深度學(xué)習(xí)網(wǎng)絡(luò)、深度學(xué)習(xí)框架，這是關(guān)于深度學(xué)習(xí)的應(yīng)用。

我剛才講到每天都會有一些新的應(yīng)用發(fā)布，也可以進行語言的翻譯甚至過濾，安全診斷，以及面部識別等等。另外，可以看到深度學(xué)習(xí)也被廣泛應(yīng)用來進一步推動科學(xué)方面的研究。我們會看到在接下來幾年里深度學(xué)習(xí)會發(fā)生更大的革命。

接下來我們再來看一下差異化編程，我們可以從另外一個角度來學(xué)習(xí)深度學(xué)習(xí)。實際上它是一個固定架構(gòu)，涉及到編程，可以用人工神經(jīng)網(wǎng)絡(luò)解釋。這個編程一共有三個指數(shù)，它實際上和人工神經(jīng)網(wǎng)絡(luò)非常類似，它會根據(jù)所展示的數(shù)據(jù)有所不同。

另外，根據(jù)數(shù)據(jù)系統(tǒng)也會有所變化。所以現(xiàn)在的問題是，我們是否有一種方法可以自動地生成一個自己的程序。同時可以對其進行培訓(xùn)完成某個具體任務(wù)，這也就是我們所說關(guān)于編程的想法。現(xiàn)在人們已經(jīng)開始在做一些深度學(xué)習(xí)方面的研究。

大家看到這里是我們最近深度學(xué)習(xí)的成就，之后我們來看一下關(guān)于AI有沒有我們觸及到的。對于新技術(shù)，我們可以進入到更多的領(lǐng)域中，大家看到這里我們可以進行更多的影像分析。關(guān)于醫(yī)學(xué)方面，我們還可以進行更多翻譯，或者是有更多的其他的領(lǐng)域。在這個方面我們覺得對于機器確實可以擁有一定的人工智能，但是關(guān)于機器人分辨出它有些功能，比如我們還需要更多的功能，比如像洗碗機之類這樣的功能我們都要探討。

在機器學(xué)習(xí)方面，我們在這兒可以看到有一些具體的圖像，我們有些新的方法。在實際的生活當中其實這種方式不太成功，因為關(guān)于深度學(xué)習(xí)方面我們要進行深入的挖掘，因為對于機器本身它會有不同的解決方案，比如在實際生活中是不能夠去實施的。

有時候讓機器學(xué)習(xí)很長時間才能玩游戲，比如100個小時。所以，確實核心功能方面我們現(xiàn)在還沒有觸及到。盡管這些機器是能夠做到的，但是我們還沒有挖掘出來。我們也可以對機器本身進行更深入的培訓(xùn)。比如說我們要讓系統(tǒng)進行成千上萬次的培訓(xùn)，之后它們才能進行學(xué)習(xí)。

有些學(xué)習(xí)是力學(xué)方面的，但是在實際生活中不可能實時進行，所以我們只夠進行模擬，但是它也需要我們進行很多的嘗試才能夠讓機器學(xué)到。對于嬰兒他們怎么去學(xué)習(xí)呢？如果我們讓嬰兒展示的話，比如說就好像左下角的這幅圖像展示的，六個月以下的嬰兒，他們可能不太了解比如物理方面的運動，可是他們在滿了八個月之后，他們的能力就變得非常驚奇，已經(jīng)知道自由落體的作用。我的一位朋友，她在巴黎工作，給我們展示了嬰兒怎么學(xué)會一些概念，而且他們也能夠了解到一些物理基本的原理。

對于嬰兒，他們能夠了解到背景知識，學(xué)會常識。另外我們在向動物展示這樣的情景，比如大猩猩，它們在幼年的時候由培訓(xùn)員給它們一些展示，大猩猩會覺得很有意思，面對這樣的魔術(shù)會笑出來，所以大家會把它們當做世界最起初的原型來看待。但是我們希望機器能夠建立一些樣本，最終機器學(xué)會學(xué)習(xí)，進行一些預(yù)測，什么是可行的，我們就可以使得機器像人一樣有效運行。我們有這樣的監(jiān)督或者學(xué)習(xí)，就能夠使得機器得到培訓(xùn)，它們能夠進行規(guī)劃，進行反映，這是我們需要它們建立起的一個系統(tǒng)。