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～

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。

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）。

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）！

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？

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：