انسان در واقع اشیاء را بدون ناظر یاد می‌گیرد و بعد اینکه مثلا مدتی یک شی را دید و یاد گرفت، بلافاصله پس از اینکه نام آن شی را شنید برچسب آن را نیز یاد میگیرد.
در حال حاضر بهترین مدلهای بینایی ماشین که در سالهای اخیر، خصوصا بعد از الکس‌نت سال 2012 ارائه شده اند با ناظر هستند. خیلی خوب عمل می‌کنند اما به داده ی برچسب گذاری شده ی زیادی نیاز دارند.
اگر به نحوی بتوانیم از داده های بدون برچسب استفاده کنیم و مدل را آموزش دهیم، سپس در فاز کوتاهی با داده های اندک اشیائی که مدل یاد گرفته است را به صورت با ناظرآموزش دهیم تحول بزرگی در یادگیری مدل ها ایجاد خواهد شد. در این صورت میتوان به سادگی میلیون ها ساعت ویدیو را مثلا با استفاده از یوتیوب به مدل آموزش داد و پس از آموزش مدل، شروع به آموزش نام اشیاء یادگرفته شده به مدل پرداخت روندی که در انسان هم مشاهده میشود! در واقع کودک از بدو تولد اشیاء مختلف را میبیند و آن ها را یاد میگیرد اما با یک یا چند بارشنیدن نام آن به آن دسته یا شئی که قبلا فراگرفته نام اختصاص میدهد.

The Next Frontier in AI: Unsupervised Learning
#Yann_LeCun
Director of AI Research at Facebook, Professor of Computer Science, New York University

November 18, 2016


https://www.youtube.com/watch?v=IbjF5VjniVE

Abstract
The rapid progress of #AI in the last few years are largely the result of advances in #deep_learning and neural nets, combined with the availability of large datasets and fast GPUs. We now have systems that can #recognize images with an accuracy that rivals that of humans. This will lead to revolutions in several domains such as autonomous transportation and #medical #image understanding. But all of these systems currently use #supervised learning in which the machine is trained with inputs labeled by humans. The challenge of the next several years is to let machines learn from raw, #unlabeled_data, such as #video or #text. This is known as #unsupervised learning. AI systems today do not possess "common sense", which humans and animals acquire by observing the world, acting in it, and understanding the physical constraints of it. Some of us see unsupervised learning as the key towards machines with common sense. Approaches to unsupervised learning will be reviewed. This presentation assumes some familiarity with the basic concepts of deep learning.

اسلاید ارائه :

📝موضوع : The Next Frontier in AI: Unsupervised Learning


👤 ارائه دهنده :#Yann_LeCun
⏱ زمان: November 18, 2016

#اسلاید

@cvision

#ارائه_علمی
📝 Predictive Learning: the Next Frontier in A.I.
👤Yann LeCun, Facebook AI director
🕐 March 2017
🏛 Nokia Bell Labs
More: http://bit.ly/2sQoOhY

#Yann_LeCun #deep_learning

#ارائه_علمی

Yann LeCun - Power & Limits of Deep Learning
https://youtu.be/0tEhw5t6rhc
(Published on Nov 19, 2017)

Yann LeCun is Director of AI Research at Facebook, and Silver Professor of Dara Science, Computer Science, Neural Science, and Electrical Engineering at New York University, affiliated with the NYU Center for Data Science, the Courant Institute of Mathematical Science, the Center for Neural Science, and the Electrical and Computer Engineering Department.

#yann_lecun

#نکته
#توئیت امروز یان‌لیکان،
از minibatch بزرگتر از 32 استفاده نکنید

مرتبط با مقاله:
https://t.me/cvision/559


https://twitter.com/ylecun/status/989610208497360896?s=19

#Yann_LeCun

#Yann_LeCun

https://www.facebook.com/722677142/posts/10155666561482143/

https://twitter.com/ylecun/status/1071416683749892096

Book link: https://www.amazon.com/dp/B07H8L8T2J/ref=cm_sw_r_cp_awdb_t1_

#آموزش #ویدیو
اسلایدها و فیلم سخنرانی AAAI امروز

ویدیو:
https://vimeo.com/390347111
اسلاید سخنرانی یان لکان:
https://drive.google.com/file/d/1r-mDL4IX_hzZLDBKp8_e8VZqD7fOzBkF/view

Video of the talks:
- 1:10 in for #Geoff_Hinton,
- 1:44 for #Yann_LeCun,
- 2:18 for #Yoshua_Bengio
- 2:51 for the panel discussion moderated by Leslie Pack Kaelbling