在 AlphaGo 胜利光芒的照耀下，各个国家、企业都开始围绕人工智能（AI）展开激烈的竞争，生怕慢一步，就会错过即将到来的全新科技曙光。

但 Yann LeCun 却说，“这条路我们无法预测有多远要走，可能要越过崇山峻岭，翻过第一个山头后，还有无数的山头等待着被征服。”

Yann LeCun是谁？这个名字对于不太关注人工智能的人来说或许会稍显陌生。但事实上，业内对于这位 Facebook 人工智能研究院（FAIR）的掌门人评价极高，一致认为他是人工智能领域内的大师。

但就是这样一位大师的人物也无法准确的告知世人AI的未来究竟是怎样的！他唯一指出的是：科研人员的通病就是太高估短期的进展，却低估了长期的发展效益，对于 AI 发展，现在能做的就是奔向那些等待被世人征服的高山。

图丨Facebook人工智能研究院（FAIR）院长Yann LeCun

人工智能的发展并非从现今才开始，学术界从上世纪60年代就已展开了研究，例如 Frank Rosenblatt 提出的感知器（The Perception）。“当时的神经科学带动了后续的机器学习及AI的发展”，LeCun说。

但历经了一波狂热之后，整体科学界对 AI 研究却走向沉寂，大家所投入的兴趣、资金均大幅减少，于是就来到了业界人士口中所谓的“AI寒冬”（AI Winter）时期。直到近年来，计算机软件系统及 GPU 的效能提升及价格降低，云端服务开始普及，大数据的概念深入人心，以及 Google、Amazon、Facebook等各大巨头积极投入，在天时地利人合下，AI成了显学，AI First是顺理成章的成了人人必喊的口号。

今年适逢苹果 iPhone 推出十周年，人们对于苹果创办人乔布斯历经失败、重返荣耀的故事耳熟能详。然而，现在身为人工智能大师的LeCun，一路走来也并非顺风顺水，他也曾被边缘化，他认为让机器建立有知觉的神经网络（Neural Network）以及开发的卷积神经网络（Convolutional Nets）理论在当时都不受到青睐。

LeCun自己就举了一个有趣的例子。过去他在AT&T贝尔实验室（AT&T Bell Labs）做研发，在1988～1992年间，Bell Labs的Adaptive Systems Research Department开发了卷积神经网络和支持向量机（SVM）。人工智能祖师级人物、英伟达的机器学习顾问Larry Jackel当时是部门的主管，研究小组成员包括Yann LeCun和统计学习理论之父Vladmir Vapnik等人。

图丨Larry Jackel、Vladmir Vapnik和Yann LeCun

1995年，Jackel 和 Vapnik 打了两个赌，谁输了就要请谁吃一顿高级丰盛的晚餐，LeCun则是这场赌注的见证人。

第一个打赌是什么呢？Jackel 认为，到了 2000 年人们会了解，大型神经网络可以很好地应用在庞大的资料库中。

但，他输了。

第二个打赌则是，Vapnik 认为，直到 2000 年以前没有人会使用他们在 1995 年就已经拥有的神经网络架构。但他认为，每个人都会使用支持向量机。

Vapnik 不仅在 2000 年输了，而且 2012 年 Google 和微软都部署了神经网络的案例更加证明他的失算。

LeCun 回忆并笑着说，2000 年他们在纽约的 Siam Garden 餐厅享用了这顿晚餐，Jackel 和 Vapnik 平分帐单。但这个有名的打赌说明了现今 AI 主流技术是历经了多年才被众人所接受及应用。

图丨三位大师对人工智能相关技术的打赌，来自Yann LeCun的Google+帐号

LeCun 近期在大陆和台湾展开了一系列的学术演讲。在演讲上，他先是带大家回顾了AI技术发展的历程，例如监督式学习 （Supervised Learning）、深度学习（Deep Learning）、多层神经网络（Multi-Layer Neural Nets）、卷积神经网络（Convolutional Nets）等。

再加上前不久 Facebook 宣布全球用户突破 20 亿，使得外界更加好奇FAIR都在做什么？又已经做出了什么？不过 LeCun 并未透露太多，只表示有些已经应用在Facebook网站上，例如照片的人脸、物体辨识、建议用户可标示朋友。同时，也有希望将AI技术应用在打击恐怖主义上。