多年饱受批评、被边缘化之后，56岁的LeCun扬眉吐气，主流市场也终于肯定了他的工作。但LeCun仍谨慎表示，革命之路还有很远，成就也远非他一人之功。

　　目前，FAIR正在教给计算机如何像人类一样预测结果。

　　LeCun介绍，他们让AI看大量相关视频，在中间暂停，然后向程序提问接下来会发生什么事情。

　　“在某种程度上，智能的本质就是预测能力，”他认为，“如果你能预测行动的后果，你就能够计划，规划出实现特定目标的一连串行动。”

　　另一方面，AI还得学会在不确定的情形下预测。帮助AI理解并接受不确定性，是AI领域“无监督学习”的部分内容，也是研究前沿。当AI观察得足够多，知道世界如何运转、能够预测接下来的事态进展时，机器的思考就能像人类靠拢，学会一些常识。LeCun认为，这是让机器更聪明的关键。

　　说到做到的扎克伯格早先已经炫耀过他自己写的人工智能管家Jarvis、实现了自己的16年愿望。而在LeCun的标准里，他希望打造的AI助理得能够真正理解用户说的话，“（是）能够跟你对话的机器，能够提前规划的机器，不会让你因为机器的愚钝而烦心。”

　　当前，相关研究尚无蓝图，但FAIR的工作或许有助于开疆拓野。一方面，要让AI对世界有初步的认识，训练它的预测能力，另一方面，要让AI学会读写，而这正是FAIR运用神经网络主攻的方面。

　　对电脑来说，一幅图、一句话、一段文本都能用一串数字来表示，因此研究员能够用神经网络的架构来识别图片中的物体、句子中的词语或是文本里的主语。现在AI对文字的理解还比不上理解图片的程度，但LeCun心里已经有了AI助理的理想模样——具有常识，有能力跟其他助理沟通。

　　Facebook正在测试的简化版数字助理“M”由Messenger团队负责运营，“M”是依托FAIR的一些研究成果。

　　最近，Messenger推出了“M建议”功能，M会在它认为自己能够派上用场的时候跳进对话给你提议，j2直播，比如在对话涉及个人位置时让你选择一键发送自己的地理位置。

　　M只是Facebook在AI语义理解方面的一个应用。FAIR团队成员Y-Lan Boureau早已开始训练AI，让它在Facebook上推动建设性的对话氛围，而非让用户习惯性、选择性地忽视与己相反的看法，创造一个尽可能多元包容的世界。

　　AI可以帮助理清文本中的模式，认清对话如何走偏，开奖，进而有可能设法改变对话走向。

　　未来：对抗机器学习

　　LeCun深知一波又一波的炒作周期可能危害AI研究，我们当前就身处这样的浪潮中。

　　根据彭博社报道，2013年第一季度还只有六家公司在财报中提及AI，四年后的现在，这个数字增长到了244家。

　　谈到未来时，LeCun的措辞慎之又慎。他警告公众，AI离人类水平的智能，后说通用人工智能还差得远。 但是，他也不时地表露出自己那无法抑制的热情，尤其是在对抗训练（Generative Adversarial Nets，GAN）方面。

　　这是一种相对较新的AI研究方式，有助于解决不确定性和预测问题，其方法是让两个AI系统相互对弈，比如让其中一个系统画图，让另一个系统判断该图是否为人类所画，前者再通过后者的反馈来优化绘画技能。

　　LeCun表示，对抗训练“是过去十年乃至二十年里，机器学习领域最好、最酷的想法。”

　　Facebook数年前在AI上的积累还是几乎一无所有，目前已经拥有FAIR和AML两大实验室，同时布局于基础研究以及产品应用。

　　Facebook应用机器学习团队（AML）负责人Joaquin Candela评价：“人们在Facebook全套产品上的综合体验与AI密不可分。今天的Facebook已经离不开AI了。”(本文首发钛媒体，综合自，编译/陈倩敏）