揭秘人工智能大牛李飞飞离职谷歌前后

11月20日，根据斯坦福人工智能实验室官方Twitter消息，李飞飞将离任斯坦福人工智能实验室负责人，深度学习自然语言处理领军人、斯坦福教授ChrisManning将接任。而李飞飞将继续担任斯坦福视觉与学习实验室(SVL)负责人，以及新成立的斯坦福以人为本人工智能研究院共同院长。

《连线》网站近日刊文详述人工智能界的大牛李飞飞探寻让人工智能更好地造福人类的征程。众所周知，人工智能存在一个非常棘手的问题：其创造者的偏见正在被硬生生地编码到人工智能的未来中，因而带来不少的隐患，李飞飞打算修复这一问题。

“必须采取行动让AI可造福人类”

去年6月，李飞飞出席了美国国会一场主题为“人工智能——能力越大责任越大”的听证会。李飞飞是会上的唯一一名女性，也是会上唯一一个在人工智能领域取得过突破性成就的人。作为打造出帮助计算机识别图像的数据库ImageNet的研究员，她是屈指可数的推动人工智能在近期取得非凡进展的科学家之一。

去年6月的时候，李飞飞还是谷歌云的首席人工智能科学家，离开了她在斯坦福大学人工智能实验室主任的岗位。但她出现在委员会面前，还因为她的另一重身份：一家专注于招募妇女和有色人种成为人工智能的建设者的非营利组织的联合创始人。

那天议员征询她的专业意见不足为奇。令人惊讶的是她的演讲内容：她如此热爱的领域所引发的种种严重威胁。

技术一经发明，可在短时间内引发翻天覆地的影响。在像ImageNet这样的人工智能工具的帮助下，电脑可以学会处理特定的任务，并取得远远超过人类的办事效率。随着这项技术变得越来越成熟，它被用来过滤、排序和分析数据，以及就全球和社会的重要问题作出决策。虽然这些工具在某种程度上已经存在了60年以上，但在过去的十年里，我们已经开始使用它们来执行会改变人类生活轨迹的任务：今时今日，人工智能可以帮助确定各种各样的问题，比如为病患提供什么样的治疗，谁有资格办理人寿保险，给犯罪者定多长的刑期，为哪些求职者提供面试机会。

当然，这些力量也会带来危险。亚马逊不得不弃用其学会过滤掉女性的简历的AI招聘软件。谷歌年的丑闻还历历在目，当时其照片识别软件将黑人误标为大猩猩。微软由人工智能驱动的聊天机器人也曾发表带有种族歧视的推文。但这些问题可以解释清楚，因而也能够纠正。李飞飞认为，在不久的将来，我们将达到一个无法采取纠偏措施的时刻，这是因为人工智能这项技术被采用得如此之快，影响如此深远和广泛。

李飞飞之所以到去年6月这场听证会作证，是因为她坚定认为她所在的领域需要进行重新校准。多数是男性的科技行业大牛们一直在警告，未来由人工智能驱动的技术会给人类带来存亡威胁。但李飞飞认为那些担忧被严重放大了。她专注于不那么夸张、但更为重要的问题：人工智能将会如何影响人们工作和生活的方式。它必将改变人类的体验，但不一定是往好的方向改变。“我们有时间，”李飞飞说道，“但我们必须现在就采取行动。”她认为，如果我们在AI的设计方式以及设计者上做出根本性的变化，那么该项技术就会成为一股可造福人类的变革性力量。否则的话，该项技术会变得十分缺乏人性。

在听证会上，李飞飞是最后一个发言。“人工智能没有什么是人工的。它受人启发，它由人创造出来，最重要的是，它对人产生影响。它是一个强大的工具，我们才刚刚开始理解它，我们有很大的责任去理解它。”

斯坦福大学人工智能实验室的Segway平台移动机器人JackRabbot1

ImageNet的诞生

李飞飞在成都长大，她是一个孤独而聪明的孩子，热爱阅读。她的家庭总是有不同寻常之举：她家并不喜欢宠物，而她的父亲却给她买来了一只小狗。她的母亲出生于一个知识分子家庭，鼓励她读《简爱》。在李飞飞12岁的时候，父亲移居到新泽西帕西帕尼，她和母亲一度好几年没见过他。家庭重聚那一年，她16岁。在两年内，李飞飞学会了足够多的英语来充当翻译，在生活中为只会最基本的英语的父母带来便利。

她在学校的表现也相当优异。李飞飞的一位高中数学老师鲍勃萨贝拉(BobSabella)在学习和适应美国的新生活上给她带来了很大的帮助。帕西波尼高中没有高等微积分课，于是萨贝拉设计了一个临时的课程，在午休期间教导李飞飞。萨贝拉和他的妻子把她当家人般来看待，和她一起到迪士尼游玩，并借了2万美元给她开干洗店，供她的父母经营。年，她获得了到普林斯顿大学学习的奖学金。在那里，她几乎每个周末都会回家到她家的干洗店帮忙。

在大学里，李飞飞兴趣广泛。她主修物理学，同时也攻读计算机科学和工程。年，她开始在帕萨迪纳市的加州理工学院攻读博士学位，钻研神经科学和计算机科学的交叉融合。

凭借发现和打通看似不同的领域之间的联系的能力，李飞飞构想出了ImageNet。她从事计算机视觉的同辈在打造模型来帮助计算机感知和解码图像，但是那些模型的应用范围十分有限：研究员可能要分别写一个算法来识别猫和狗。李飞飞开始怀疑问题不是出在模型上，而是出在数据上。她认为，如果说小孩子是通过在年幼时观察不计其数的物体和场景来学会识别物体的，那么计算机也许能够以类似的方式去学习：通过分析各式各样的图像以及它们之间的联系。这一概念是李飞飞的一大斩获。“这是将世界的一整个视觉概念组织起来的一种方式。”她表示。

然而，她没能说服她的同事，从事标记巨大数据库中每一个物体的每一张图片的巨大任务是理性的一件事。更重要的是，李飞飞认定，该理念要可行的话，标记需要由简入繁，不管是一般的例如“哺乳动物”的标记，还是非常具体的例如“星鼻鼹”标记，都需要做好。年李飞飞回到普林斯顿大学担任助理教授时，她谈到了其打造ImageNet的想法，但她没能劝服同事来帮忙。最后，一位专攻计算机架构的教授同意与她展开合作。

她的下一个挑战是完成该项十分艰巨的项目。那意味着许多人将得花大量的时间千篇一律地标记图片。李飞飞尝试向普林斯顿的学生支付10美元一个小时，让他们帮忙完成，但进展还是十分缓慢。然后，有个学生问她是否听说过亚马逊的劳务众包平台AmazonMechanicalTurk，借助该平台，她一下子就能够以低得多的成本招揽到一大批工作者。但将劳动力从少数的普林斯顿的学生扩张到成千上万工作者看不见，也会带来挑战。李飞飞必须要将工作者潜在的偏见考虑进来。“作为网络工作者，他们的目标就是用最简单的方式赚钱吧？”她说，“如果你叫他们从张图片中选择出大熊猫，有什么能阻止他们去不断地点击选择呢？”于是，她嵌入和追踪了某些图片——如已经正确地标记为狗的金毛寻回犬的照片——将它们用作对照组。如果AmazonMechanicalTurk上的工作者们能正确标记这些图片，那就代表他们有在老老实实地工作。

年，李飞飞的团队觉得其万张图片的庞大数据集在用途上足够全面广泛，于是他们公布了该数据库，同时也发表了一篇相关的论文，后来该数据库的图片数量增加到万。起初，该项目没得到什么

转载请注明：http://www.abuoumao.com/hyfw/1926.html