Facebook AI研究所在最近的全球最大机器学习会议NeurIPS上提出了一个重要的议题：AR眼镜可能成为机器学习领域的重要应用。Facebook AI研究院的首席AI科学家Yann LeCun认为，AR眼镜有望成为一个具有巨大潜力的设备，因为它涉及到多个尚未解决的技术挑战。

理想的AR眼镜需要整合对话式AI、计算机视觉等多种复杂的系统，这些系统必须具备小型化的特点，方便用户佩戴和使用。为了实现这一目标，低功耗AI技术必不可少，以确保合理的电池续航时间，使用户能够长时间佩戴和使用。

与苹果、Niantic和高通等公司一样，Facebook也在努力开发AR眼镜，预计在2025年前完成这一目标。LeCun指出，硬件方面的挑战非常大，因为AR眼镜需要配备实时跟踪视觉的摄像头，并且在移动过程中仍需保持精准的跟踪。此外，用户希望通过语音与助手互动，并且希望助手能够实时识别手势。

LeCun提到，实时手部跟踪技术已经取得了一些进展，但如何将其实现得更加小巧并且低功耗仍然是一个难题。“我们已经知道如何做到实时手部跟踪，但要将其做得足够小且功耗合适，仍然需要创新的方法。”他说。

LeCun在会议上还谈到了硬件限制对研究人员的影响，强调了硬件性能不足可能会阻碍新想法的发展。他表示，一些创新的想法可能会因为硬件性能不佳而被放弃。此外，他提到了深度学习的一些特定方法，如差分联想存储器和卷积神经网络，这些方法正在推动硬件的革新。

麻省理工学院的电气工程与计算机科学副教授Vivienne Sze在会议上也强调了系统性评估深度神经网络的需求。她提出了一种评估框架，可以更好地估计硬件能耗，帮助研究人员设计更加高效的AI系统。

在此次会议上，还展示了多种低功耗AI解决方案，包括DistilBERT等轻量级模型，以及一些对深度神经网络进行量化比较的研究成果。这些解决方案旨在提升AI系统的能效，减少能源消耗。

此外，多位专家呼吁机器学习界关注气候变化问题，并提出应该减少不必要的出版物，转而关注那些能够对环境产生积极影响的研究。谷歌AI负责人Jeff Dean也表示支持创建“每瓦计算标准”的想法，以鼓励使用更高效的硬件。

会议还强调了AI对环境的影响，特别是碳足迹的问题。会议的组织者提议，未来的AI研究者需要分享他们工作的碳足迹，以促进环境可持续性的发展。AI Now Institute的最新报告也建议，应该测量和公开算法的碳足迹，以推动更加公平的社会。

总的来说，朝着更加高效的机器学习方向发展，不仅可以带来创新，还可以减少对环境的影响。LeCun认为，AR眼镜是一个很好的例子，展示了机器学习在实际应用中的潜力和挑战。