AI for All:談人工智慧和我們 | 聽Prof Li Fei-Fei講座總結

今天去聽Prof Li Fei-Fei(李飛飛教授)的講座,大概是半年前搶到一張學院票。

Prof Li Fei-Fei現在美國斯坦福大學,同時擔任Google Chief Scientist of AI(谷歌人工智慧首席科學家),聽起來很厲害嗯嗯。作為她的迷妹,聽講座時非常激動!如果早幾年聽到,應該就會去學計算機或者數學了吧~

圖為李飛飛,侵刪,來源:spectrum.ieee.org

大概總結一下,今天聽了什麼內容吧。(本文僅供分享,文中相關語句或觀點歸原作者所有。)

講座的題目是《人工智慧:人類更深層的求索(Artificial Intelligence: A Deeply Human Pursuit)》。內容其實比較寬泛,針對非專業領域的大眾。

圖為李飛飛在講座上;講座大廳光線比較暗。

以下文字中,AI=artificial intelligence=人工智慧。

整個講座以Human-centered AI為中心點,大約可以翻譯為以人為本的人工智慧。

講座分為三個部分,第一,人工智慧應更多受到人類智能的啟發;第二,人工智慧應該致力於增強我們的能力,而非取代我們;第三,考慮到人工智慧對人類的影響,應該對人工智慧的發展進行引導。其中最觸動的,應該是那個AI-4-all那一部分,AI should be accessible to all of us.

1. AI應更多受到人類智能的啟發

這裡就講到AI和人類自身的關係,例如神經生物學、認知科學。

眾所周知,神經網路(neuron network)的靈感,就來自於模仿神經元之間層層的傳遞。

圖像識別是一個很好的例子。她提到,她們做過的一個項目ImageNet(ImageNet),將圖片和單詞聯繫起來。這個數據集里,人為手動標註了1千4百萬張圖片,應該是圖像分類里最難的數據集(來源:豪哥)。

ImageNet項目logo

而隨著不斷的發展,AI在圖像識別分類上的表現已經超越了人類。AI從2010年的28.2%的錯誤率到達2017年2.3%的錯誤率(豪哥:如果沒記錯,這個結果是來自ResNet),而人類的平均錯誤率為5.1%。2015年時,AI的錯誤率就已經超過人類,低至3.6%。其中也有講到George Miller的word net,提出將相關單詞排列出層級關係的概念,幫助更好地實現AI對圖像的語言表述。

但是,AI和人類之間,仍然存在著鴻溝一般的差距。例如,和聊天機器人對話時,人說:「I am hurt(我受傷了)。」機器人會回答:「Hello,hurt!(你好,傷)「

因此,他們仍在不斷改進圖像識別技術,其中一個比較新的概念叫做Visual Genome(視覺基因組),把一張圖片/照片中每個小元素都像基因一樣標註出來(包括草地、花朵、女孩、球拍等等),對全圖形成一個全面的描述。

2. 人工智慧應該致力於增強我們的能力,而非取代我們

麥肯錫(一家全球知名諮詢公司)說:50%的工作以後會被自動化,被機器取代。

李飛飛說,她認為應該是這樣:100%的現有工作會被AI增強。並用了以下例子來說明。

這個方面的例子就涉及到醫學、健康和醫療照顧。在美國醫院內感染是一大問題,無人監護的老人摔倒也是一大問題,老人摔倒每年要花去364億美元(我懷疑我記錯了數量級?)。

於是就有了發明,智能感應器,監督醫護人員及時洗手、清潔,減少醫院內部感染;利用智能監護器(手環,運動感應器等等)監護老人,防止老人摔倒。但同時,對智能感應器加入特別設計,保護當事人的個人隱私。

另外一個例子,是發展機器學習演算法,對癌症放療的結果照的片子進行自動化演算法診斷;以及還有手術機器人(Robot Surgeon as Good as a Human, but Still an Aide - Robotics Business Review)!

手術機器人,侵刪。圖片來源:roboticsbusinessreview.com

同時已經有海底探索機器人Stanford Ocean One robot,深入到人類無法潛到的海底無人區進行探索;在未來,我們希望有AI能夠替代人類在危險區的工作,例如消防員。

上個月,Nature報道過利用AI設計化學分子(Need to make a molecule? Ask this AI for instructions)。

因此,AI的存在不是為了取代人類,而是為了人類更好更有效地工作;同時也減輕許多從業者(例如醫生、科研工作者)的負擔。

3. 考慮到人工智慧對人類的影響,應該對人工智慧的發展進行引導

AI的發展不僅僅是計算機、數學等專業領域的事,而涉及到人類的方方面面;所以我們應該慎之又慎。

這一部分,她提到了現有的和AI相關的許多難題。

第一,AI確實會對勞動力產生影響,而我們該如何過渡?

第二,AI和個人隱私。例如,現在由於人臉識別演算法的發展和普及,我們在公共場合隨時可以通過人臉識別演算法被認出我們的「真實身份」。在這種情況下,我們的生活是完全「透明」的,而我們又該如何處理個人隱私問題呢?

第三,AI和網路安全。

第四,AI和偏見(性別偏見,種族偏見等等)。其中的一個例子,又是關於圖像識別。在圖像識別演算法中,一個女孩在洗手的照片,被識別為「woman cooking(女人做飯)」;而一個男孩在做同樣的動作洗手的照片,被識別為「man fixing faucet(男人修水龍頭)」。這樣的結果,乍一看讓人啼笑皆非,但是卻暗藏著更深層次的問題。

現在,互聯網行業是在被男性主導。五個大型互聯網、電子產品公司(推特、臉書、領英、谷歌、蘋果)超過80%的僱員是男性,推特比例最大,只有10%的女性僱員;蘋果比例算最小的,有20%的女性僱員——但這個比例,離50%不知道還差多少。

李飛飛展示了2017年AI Panel Discussion(如下圖),仔細看看,你會發現缺少了什麼?

「Superintelligence Panel at Beneficial AI 2017 (FLI)」,2017年AI討論會專家組,清一色的男性。侵刪,圖片來源:medium.com

也介紹了AI和不同的學術領域,不僅包括數學、計算機,還要涉及社會科學、人類學等等。

同時AI和governance、corporation也有著千絲萬縷的關係。前者是涉及到科研經費、跨國界合作;後者作為企業,承擔著重要的社會責任,而這份責任是對於僱員、用戶和整個社會的。現在已經有九個國家,將AI作為它們發展的重點之一;其中一個就是中國。

最後,也是最讓我觸動的,是講到AI和未來。AI會影響我們每一個人,所以應該讓AI對所有人開放(原句:make AI accessible to everyone),包括不同性別、不同種族……

目前女性在AI行業、或者學術界高層中比例的缺失,其實和教育也有很大的關係——我們的教育一味說AI、科技是Geek stuff,是很酷的東西,卻忘了強調人類在其中扮演的角色(human mission)。

她們現在在做的一個項目AI4ALL(AI是為了我們所有人),網址AI4ALL - Official Website,讓更多的少數人群、弱勢人群能夠接觸AI。六所頂尖大學已經加入這項計劃,包括斯坦福大學、加利福利亞大學伯克利分校、普林斯頓大學、Simon Fraser University,Carnegie Mellon University,波士頓大學,對特定人群開展夏令營活動。

其中,斯坦福大學招收9年級(相當於初三學生)女生參加夏令營,伯克利招收9-10年級的當地低收入家庭的孩子,普林招收10年級的少數種族學生,SFU招收11年級的鄉村地區女性學生,Carnegie Mellon University招收10-11年級的少數種族學生或鄉村地區學生,波士頓大學招收10-11年級當地女生。

這個項目,讓更多原本無法接觸的孩子們,能夠有接觸、學習計算機科學和AI的機會。讓他們不僅僅是被影響者,而成為能夠去改變影響的人。就像AI4ALL網站題詞一樣:

AI Will Change the World. Who Will Change AI?


大概我其實很想做但是沒做的,就是去問她招不招posdoc吧。

推薦閱讀:

迪拜城市中那些驚為天人的科技有多「黑」?
專訪機器人Alpha Go :我不是種豬,讓我對戰柯潔毫無意義
作一名優秀的用戶運營,實在是太難了(上)
人工智慧比你更好的改善4個基本業務關係
史上最全DL Beyond CS 論文列表

TAG:人工智慧 | AI技術 | 計算機科學 |