盡管深度學(xué)習(xí)已經(jīng)在人工智能領(lǐng)域做出重大貢獻(xiàn)，但這項(xiàng)技術(shù)本身仍存在一項(xiàng)缺陷：需要大量數(shù)據(jù)的加持。深度學(xué)習(xí)領(lǐng)域的先驅(qū)者乃至批評(píng)者已經(jīng)就此達(dá)成共識(shí)——事實(shí)上，正是由于可用數(shù)據(jù)量有限加上處理大規(guī)模數(shù)據(jù)的計(jì)算能力不足，才導(dǎo)致深度學(xué)習(xí)直到最近幾年才成為AI層面的前沿技術(shù)。

　　因此，減少深度學(xué)習(xí)對(duì)數(shù)據(jù)的依賴性，已經(jīng)成為AI研究人員最重要的探索方向之一。

　　在AAAI大會(huì)的主題演講中，計(jì)算機(jī)科學(xué)家Yann LeCun討論了當(dāng)前深度學(xué)習(xí)技術(shù)的局限性，同時(shí)提出“自我監(jiān)督學(xué)習(xí)”的發(fā)展藍(lán)圖——這是他為解決深度學(xué)習(xí)數(shù)據(jù)問(wèn)題而構(gòu)建的路線圖。作為深度學(xué)習(xí)領(lǐng)域的教父級(jí)人物之一，LeCun正是卷積神經(jīng)網(wǎng)絡(luò)（CNN）的發(fā)明者，而該網(wǎng)絡(luò)也成為過(guò)去十年內(nèi)推動(dòng)人工智能革命的一大核心因素。

　　自我監(jiān)督學(xué)習(xí)，可謂當(dāng)前提升人工智能服務(wù)器系統(tǒng)數(shù)據(jù)利用效率的多種嘗試之一。目前我們還很難斷言哪種具體嘗試能夠成功掀起下一輪AI革命（也許我們最終會(huì)采取完全不同的政策），但LeCun的規(guī)劃與思路仍然值得我們認(rèn)真了解。

?