李飛飛離職谷歌背后：AI還很稚嫩 作為科學(xué)家很卑微

　　導語(yǔ)：今年9月11日，谷歌云AI部門(mén)負責人李飛飛宣布即將離職，回到斯坦福大學(xué)任教。外媒《連線(xiàn)》雜志日前刊文，講述了李飛飛離職背后的故事。

　　以下為文章全文：

　　去年六月有段時(shí)間，凌晨一點(diǎn)左右，李飛飛穿著(zhù)睡衣，坐在華盛頓特區酒店房間里，練習幾個(gè)小時(shí)后要做的演講。臨睡前，李飛飛從筆記中刪去一整段，以確保自己能在指定時(shí)間內快速闡明幾個(gè)最重要的觀(guān)點(diǎn)。醒來(lái)時(shí)，這位身高165厘米的人工智能專(zhuān)家穿上靴子和一件黑色的海軍針織裙子，不同于平常的T恤和牛仔服。然后她搭乘一部Uber汽車(chē)，前往美國國會(huì )大廈南部的雷伯恩眾議院大廈。

　　在進(jìn)入美國眾議院科學(xué)、空間與技術(shù)委員會(huì )的會(huì )議室之前，她拿起手機拍了一張特大木門(mén)的照片。(“作為一名科學(xué)家，我對委員會(huì )感到異樣?！彼f(shuō)。)然后她步入空曠的大廳，走向證人席。

　　那天上午聽(tīng)證會(huì )的主題是“人工智能——強大的力量帶來(lái)巨大的責任”，與會(huì )者包括政府問(wèn)責辦公室的首席科學(xué)家蒂莫西·佩爾斯(Timothy Persons)和非營(yíng)利組織OpenAI的聯(lián)合創(chuàng )始人兼首席技術(shù)官格雷格·布羅克曼(Greg Brockman)。但只有李飛飛是在現場(chǎng)發(fā)言的唯一女性，并可謂在人工智能(AI)領(lǐng)域擁有開(kāi)創(chuàng )性成就。作為構建可幫助計算機識別圖像的數據庫ImageNet的研究人員，她是一小群科學(xué)家中的一員，這群人可能少得僅夠在廚房桌子旁邊圍成一圈，但AI近期的顯著(zhù)進(jìn)步都要歸功于他們。

　　那年六月，李飛飛在Google Cloud擔任首席人工智能科學(xué)家，并請假離開(kāi)斯坦福人工智能實(shí)驗室主任一職。但她之所以出現在委員會(huì )面前，是因為她也是一家專(zhuān)注于招聘女性和有色人群成為人工智能建設者的非營(yíng)利組織的聯(lián)合創(chuàng )始人。

　　這一點(diǎn)也不奇怪，議員們當天就對她的專(zhuān)業(yè)知識進(jìn)行了提問(wèn)。令人驚訝的是她的談話(huà)內容：她所熱愛(ài)的領(lǐng)域所帶來(lái)的嚴重危險。

　　一項發(fā)明及其影響之間的時(shí)間是短暫的。在像ImageNet之類(lèi)的人工智能工具的幫助下，計算機可以被教授學(xué)習特定任務(wù)，然后比任何人都快地行動(dòng)。隨著(zhù)這項技術(shù)的日益成熟，它正被授權對數據進(jìn)行過(guò)濾、分類(lèi)和分析，并對全球和社會(huì )帶來(lái)影響。盡管這些工具以某種方式已經(jīng)存在了60多年，但在過(guò)去的十年中，我們開(kāi)始使用它們來(lái)完成改變人類(lèi)生活軌跡的任務(wù)：今天，人工智能幫助確定哪些治療方法可用于病人，誰(shuí)有資格領(lǐng)取人壽保險，一個(gè)人應服刑多長(cháng)時(shí)間，哪些求職者接受面試。

　　當然，這些權力可能是危險的。亞馬遜不得不放棄AI招聘軟件，因為該軟件學(xué)會(huì )了對包含“女性”一詞的簡(jiǎn)歷加以處罰。誰(shuí)能忘記谷歌2015年的慘痛經(jīng)歷呢?當時(shí)，谷歌的照片識別軟件將黑人圖片錯誤地貼上了大猩猩的標簽。微軟的AI社交聊天機器人則開(kāi)始發(fā)布種族主義推文。但這些問(wèn)題是可以解釋的，因此也是可以扭轉的。李飛飛認為，在不久的將來(lái)，我們將遇到一個(gè)不可能糾錯的時(shí)刻，因為這項技術(shù)正在被迅速、廣泛地采用。

　　那天上午，李飛飛在雷伯恩大廈作證，因為她堅信自己的領(lǐng)域需要重新校準。杰出而強大、且大部分由男性組成的高科技領(lǐng)袖已經(jīng)對未來(lái)發(fā)出了警告，人工智能驅動(dòng)的技術(shù)成為人類(lèi)生存的威脅。但李飛飛認為，這些擔憂(yōu)被給予了太多的重視和關(guān)注。她專(zhuān)注于一個(gè)不那么戲劇化、但更重要的問(wèn)題：人工智能將如何影響人們的工作和生活方式。它必然會(huì )改變人類(lèi)的體驗，而不一定意味著(zhù)更好?！拔覀冇袝r(shí)間，”李飛飛說(shuō)，“但我們現在必須采取行動(dòng)?！崩铒w飛認為，如果我們對人工智能的設計及其設計者進(jìn)行根本性的改變，技術(shù)將永遠是一個(gè)向善的變革力量。如果不是的話(huà)，大量人性將被從等式中剔除出去。

　　在聽(tīng)證會(huì )上，李飛飛是最后一個(gè)說(shuō)話(huà)的人。沒(méi)有證據表明她徹夜練習是因為緊張，她開(kāi)口了?！叭斯ぶ悄苤写嬖谌斯さ臇|西?！彼囊袅吭鰪娏??！八撵`感來(lái)自于人類(lèi)，它是由人類(lèi)創(chuàng )造的，最重要的是它能影響人類(lèi)。這是一個(gè)強有力的工具，我們只是剛剛開(kāi)始理解，這是一個(gè)沉重的責任?！敝?chē)说哪槆烂C起來(lái)，一位出席會(huì )議的女士表示贊同，嘴里發(fā)出“嗯……嗯”的聲音。

　　斯坦福大學(xué)AI實(shí)驗室，賽格威平臺可移動(dòng)機器人JackRabbot 1

　　李飛飛生長(cháng)在西南工業(yè)城市成都。她是一個(gè)孤僻而聰明的孩子，也是一個(gè)如饑似渴的讀書(shū)人。她的家庭有點(diǎn)不尋常：在一個(gè)不推崇飼養寵物的文化里，她父親給她買(mǎi)來(lái)了一只小狗。母親來(lái)自知識分子家庭，鼓勵她讀《簡(jiǎn)·愛(ài)》。(“在勃朗特姐妹中，我最喜歡艾米麗，”李說(shuō)。)。在她12歲時(shí)，父親移居美國新澤西州帕西帕尼，她和母親幾年沒(méi)見(jiàn)到他。16歲時(shí)母女倆也出國移民。到美國的第二天，李飛飛的父親帶她去了加油站，讓她告訴技工修他的車(chē)。她幾乎不會(huì )講英語(yǔ)，但通過(guò)手勢，李飛飛想出了解釋問(wèn)題的方法。在兩年內，李飛飛已經(jīng)學(xué)會(huì )了足夠多的語(yǔ)言，可以為只會(huì )說(shuō)初級英語(yǔ)的父母擔任翻譯和向導?！拔冶仨毘蔀楦改傅淖彀秃投??！彼f(shuō)。

　　她在學(xué)校也表現很好。父親喜歡淘舊貨，為她找到了一個(gè)科學(xué)計算器，她在數學(xué)課上使用，直到一位老師指出她的錯誤計算，她才發(fā)現有個(gè)功能鍵壞了。李飛飛稱(chēng)贊另一位高中數學(xué)教師鮑勃·薩貝拉(Bob Sabella)引導她進(jìn)入學(xué)術(shù)界，開(kāi)始追逐美國夢(mèng)。帕西帕尼高中沒(méi)有高級微積分課，所以他自編了一個(gè)課本，在午休時(shí)間教李飛飛。薩貝拉和妻子也讓她到他們家里玩，并帶她去迪斯尼度假，借給她2萬(wàn)美元開(kāi)了一家干洗店，讓她的父母經(jīng)營(yíng)。1995年，她獲得了獎學(xué)金，得以去普林斯頓大學(xué)讀書(shū)。其間，她幾乎每個(gè)周末都回家幫助經(jīng)營(yíng)家庭生意。

　　在大學(xué)里，李飛飛的興趣是廣泛的。她主修物理，學(xué)習計算機科學(xué)和工程學(xué)。2000年，她在帕薩迪納加州理工學(xué)院攻讀博士學(xué)位，同時(shí)研究神經(jīng)科學(xué)和計算機科學(xué)。

　　看到并促成看似不同領(lǐng)域之間的聯(lián)系，這一點(diǎn)使李飛飛想到了ImageNet。她的計算機視覺(jué)同行正在研究幫助計算機感知和解碼圖像的模型，但這些模型范圍有限：研究人員可能要編寫(xiě)一種算法來(lái)識別狗，再用另一種算法來(lái)識別貓。李開(kāi)始懷疑問(wèn)題不在于模型而在于數據。她認為，如果一個(gè)孩子在早年通過(guò)體驗視覺(jué)世界——即通過(guò)觀(guān)察無(wú)數的物體和場(chǎng)景——來(lái)學(xué)習觀(guān)看，或許計算機也可以類(lèi)似地通過(guò)分析各種各樣的圖像以及它們之間的關(guān)系來(lái)學(xué)習。對李飛飛來(lái)說(shuō)，這一認知是一個(gè)巨大飛躍?！斑@是一種組織整個(gè)世界視覺(jué)概念的方法?！彼f(shuō)。

　　但是她很難說(shuō)服同事相信，在海量數據庫中為每個(gè)物體的每個(gè)可能的圖片加上標簽是合理的。此外，如果李飛飛決定要讓這個(gè)想法奏效，標簽需要從普通類(lèi)(如“哺乳動(dòng)物”)貼到高度特定類(lèi)(如“星鼻鼴”)。2007年，李飛飛回到普林斯頓做助理教授，當她談到ImageNet的想法時(shí)，很難找到教員幫忙。最后，一位專(zhuān)攻計算機體系結構的教授同意加入，成為合作者。

　　她的下一個(gè)挑戰是打造巨人。這意味著(zhù)很多人將不得不花費大量時(shí)間來(lái)做繁瑣的標記照片的工作。李飛飛試著(zhù)給普林斯頓學(xué)生每小時(shí)支付10美元，但進(jìn)展緩慢。然后一個(gè)學(xué)生問(wèn)她是否聽(tīng)說(shuō)過(guò)亞馬遜土耳其人機器人(Amazon Mechanical Turk)。這是著(zhù)名的眾包平臺，可借助群眾的智慧解決機器很難或無(wú)法解決的問(wèn)題。突然之間，她可以把許多工人集合起來(lái)，成本只是九牛一毛。但從少數普林斯頓學(xué)生到數萬(wàn)名隱形探索者的勞動(dòng)力擴張，自身也存在挑戰。李飛飛不得不考慮工人間可能的偏見(jiàn)?！霸诰€(xiàn)工人，他們的目標是用最簡(jiǎn)單的方法賺錢(qián)，對吧?”她說(shuō)。如果你讓他們從100張圖片中選擇熊貓，怎樣才能阻止他們亂點(diǎn)一氣呢?”因此，她嵌入并跟蹤了一些圖像，例如已經(jīng)正確識別為狗的金毛獵犬的照片，作為對照組。如果土耳其人可以正確標記這些圖像，他們就能誠實(shí)地工作。

　　2009年，李飛飛團隊認為320萬(wàn)張(后來(lái)增加到1500萬(wàn)張)大型圖片集已足夠全面，可供使用，他們在發(fā)布數據庫的同時(shí)發(fā)表了一篇論文。起初這個(gè)項目很少受到關(guān)注。但后來(lái)團隊有了一個(gè)想法：他們聯(lián)系了次年在歐洲舉行的計算機視覺(jué)比賽的組織者，要求他們允許競爭對手使用圖像網(wǎng)絡(luò )數據庫來(lái)訓練他們的算法。這就是ImageNet大規模視覺(jué)識別挑戰。

　　大約在同一時(shí)間，李飛飛加入斯坦福大學(xué)擔任助理教授。那時(shí)，她嫁給了機器人學(xué)家西爾維奧·薩瓦雷塞(Silvio Savarese)。但是他在密歇根大學(xué)有一份工作，而且距離很遠?！拔覀冎?，對我們來(lái)說(shuō)，硅谷更容易解決我們分居兩地的問(wèn)題，”李飛飛說(shuō)。(薩瓦雷塞于2013年加入斯坦福大學(xué)。)“同時(shí)，斯坦福大學(xué)是特殊的，因為它是人工智能的發(fā)源地之一?！?/p>

　　2012年，多倫多大學(xué)的研究人員杰弗里·辛頓(Geoffrey Hinton)參加了ImageNet競賽，利用該數據庫來(lái)訓練一種人稱(chēng)深度神經(jīng)網(wǎng)絡(luò )的人工智能。最終結果比之前的任何實(shí)驗都要精確得多，他贏(yíng)了。李飛飛本來(lái)沒(méi)打算去看辛頓領(lǐng)獎，她在休產(chǎn)假，而頒獎典禮在意大利佛羅倫薩舉行。但她認識到歷史時(shí)刻正在到來(lái)。于是她在最后一刻買(mǎi)了一張機票，把自已塞進(jìn)午夜航班的中間座位。辛頓的圖像神經(jīng)網(wǎng)絡(luò )改變了一切。到2017年，也就是比賽的最后一年，計算機在圖像中識別物體的錯誤率從2012年的15%降到了不到3%。計算機，至少通過(guò)一種方法，比人類(lèi)更善于觀(guān)察。

　　ImageNet使深層學(xué)習成為可能，有了它，近期人類(lèi)才能在自動(dòng)駕駛汽車(chē)車(chē)、面部識別、可識別物體(以及告訴你它們是否正被促銷(xiāo))的電話(huà)攝像機方面取得進(jìn)展。

　　辛頓領(lǐng)獎后不久，當李飛飛還在休產(chǎn)假時(shí)，便開(kāi)始思考在她的同行中女性為何如此之少。在那一刻，她敏銳地感受到了這一點(diǎn)，她看到了差距正在拉大成為問(wèn)題。大多數構建人工智能算法的科學(xué)家是男性，而且通常具有相似背景。他們就自己特有的世界觀(guān)、甚至所預見(jiàn)的危險嵌入他們所從事的項目。許多人工智能的創(chuàng )造者都是擁有科幻夢(mèng)想的男孩，靈感來(lái)自《終結者》和《刀鋒戰士》的場(chǎng)景。擔心這種事情沒(méi)什么不對的，李飛飛想，但這些想法偏離了AI可能存在風(fēng)險的狹隘觀(guān)點(diǎn)。