李飛飛離職谷歌背后：AI還很稚嫩 作為科學家很卑微

　　導語：今年9月11日，谷歌云AI部門負責人李飛飛宣布即將離職，回到斯坦福大學任教。外媒《連線》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：

　　去年六月有段時間，凌晨一點左右，李飛飛穿著睡衣，坐在華盛頓特區(qū)酒店房間里，練習幾個小時后要做的演講。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間內(nèi)快速闡明幾個最重要的觀點。醒來時，這位身高165厘米的人工智能專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，前往美國國會大廈南部的雷伯恩眾議院大廈。

　　在進入美國眾議院科學、空間與技術委員會的會議室之前，她拿起手機拍了一張?zhí)卮竽鹃T的照片。(“作為一名科學家，我對委員會感到異樣?！彼f。)然后她步入空曠的大廳，走向證人席。

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

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

　　這一點也不奇怪，議員們當天就對她的專業(yè)知識進行了提問。令人驚訝的是她的談話內(nèi)容：她所熱愛的領域所帶來的嚴重危險。

　　一項發(fā)明及其影響之間的時間是短暫的。在像ImageNet之類的人工智能工具的幫助下，計算機可以被教授學習特定任務，然后比任何人都快地行動。隨著這項技術的日益成熟，它正被授權對數(shù)據(jù)進行過濾、分類和分析，并對全球和社會帶來影響。盡管這些工具以某種方式已經(jīng)存在了60多年，但在過去的十年中，我們開始使用它們來完成改變?nèi)祟惿钴壽E的任務：今天，人工智能幫助確定哪些治療方法可用于病人，誰有資格領取人壽保險，一個人應服刑多長時間，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，因為該軟件學會了對包含“女性”一詞的簡歷加以處罰。誰能忘記谷歌2015年的慘痛經(jīng)歷呢?當時，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始發(fā)布種族主義推文。但這些問題是可以解釋的，因此也是可以扭轉(zhuǎn)的。李飛飛認為，在不久的將來，我們將遇到一個不可能糾錯的時刻，因為這項技術正在被迅速、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袖已經(jīng)對未來發(fā)出了警告，人工智能驅(qū)動的技術成為人類生存的威脅。但李飛飛認為，這些擔憂被給予了太多的重視和關注。她專注于一個不那么戲劇化、但更重要的問題：人工智能將如何影響人們的工作和生活方式。它必然會改變?nèi)祟惖捏w驗，而不一定意味著更好?！拔覀冇袝r間，”李飛飛說，“但我們現(xiàn)在必須采取行動?！崩铒w飛認為，如果我們對人工智能的設計及其設計者進行根本性的改變，技術將永遠是一個向善的變革力量。如果不是的話，大量人性將被從等式中剔除出去。

　　在聽證會上，李飛飛是最后一個說話的人。沒有證據(jù)表明她徹夜練習是因為緊張，她開口了?！叭斯ぶ悄苤写嬖谌斯さ臇|西?！彼囊袅吭鰪娏恕！八撵`感來自于人類，它是由人類創(chuàng)造的，最重要的是它能影響人類。這是一個強有力的工具，我們只是剛剛開始理解，這是一個沉重的責任?！敝車说哪槆烂C起來，一位出席會議的女士表示贊同，嘴里發(fā)出“嗯……嗯”的聲音。

　　斯坦福大學AI實驗室，賽格威平臺可移動機器人JackRabbot 1

　　李飛飛生長在西南工業(yè)城市成都。她是一個孤僻而聰明的孩子，也是一個如饑似渴的讀書人。她的家庭有點不尋常：在一個不推崇飼養(yǎng)寵物的文化里，她父親給她買來了一只小狗。母親來自知識分子家庭，鼓勵她讀《簡·愛》。(“在勃朗特姐妹中，我最喜歡艾米麗，”李說。)。在她12歲時，父親移居美國新澤西州帕西帕尼，她和母親幾年沒見到他。16歲時母女倆也出國移民。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。她幾乎不會講英語，但通過手勢，李飛飛想出了解釋問題的方法。在兩年內(nèi)，李飛飛已經(jīng)學會了足夠多的語言，可以為只會說初級英語的父母擔任翻譯和向?qū)??！拔冶仨毘蔀楦改傅淖彀秃投?。”她說。

　　她在學校也表現(xiàn)很好。父親喜歡淘舊貨，為她找到了一個科學計算器，她在數(shù)學課上使用，直到一位老師指出她的錯誤計算，她才發(fā)現(xiàn)有個功能鍵壞了。李飛飛稱贊另一位高中數(shù)學教師鮑勃·薩貝拉(Bob Sabella)引導她進入學術界，開始追逐美國夢。帕西帕尼高中沒有高級微積分課，所以他自編了一個課本，在午休時間教李飛飛。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2萬美元開了一家干洗店，讓她的父母經(jīng)營。1995年，她獲得了獎學金，得以去普林斯頓大學讀書。其間，她幾乎每個周末都回家?guī)椭?jīng)營家庭生意。

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

　　看到并促成看似不同領域之間的聯(lián)系，這一點使李飛飛想到了ImageNet。她的計算機視覺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一種算法來識別狗，再用另一種算法來識別貓。李開始懷疑問題不在于模型而在于數(shù)據(jù)。她認為，如果一個孩子在早年通過體驗視覺世界——即通過觀察無數(shù)的物體和場景——來學習觀看，或許計算機也可以類似地通過分析各種各樣的圖像以及它們之間的關系來學習。對李飛飛來說，這一認知是一個巨大飛躍?！斑@是一種組織整個世界視覺概念的方法?！彼f。

　　但是她很難說服同事相信，在海量數(shù)據(jù)庫中為每個物體的每個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想法奏效，標簽需要從普通類(如“哺乳動物”)貼到高度特定類(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，很難找到教員幫忙。最后，一位專攻計算機體系結構的教授同意加入，成為合作者。

　　她的下一個挑戰(zhàn)是打造巨人。這意味著很多人將不得不花費大量時間來做繁瑣的標記照片的工作。李飛飛試著給普林斯頓學生每小時支付10美元，但進展緩慢。然后一個學生問她是否聽說過亞馬遜土耳其人機器人(Amazon Mechanical Turk)。這是著名的眾包平臺，可借助群眾的智慧解決機器很難或無法解決的問題。突然之間，她可以把許多工人集合起來，成本只是九牛一毛。但從少數(shù)普林斯頓學生到數(shù)萬名隱形探索者的勞動力擴張，自身也存在挑戰(zhàn)。李飛飛不得不考慮工人間可能的偏見。“在線工人，他們的目標是用最簡單的方法賺錢，對吧?”她說。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，他們就能誠實地工作。

　　2009年，李飛飛團隊認為320萬張(后來增加到1500萬張)大型圖片集已足夠全面，可供使用，他們在發(fā)布數(shù)據(jù)庫的同時發(fā)表了一篇論文。起初這個項目很少受到關注。但后來團隊有了一個想法：他們聯(lián)系了次年在歐洲舉行的計算機視覺比賽的組織者，要求他們允許競爭對手使用圖像網(wǎng)絡數(shù)據(jù)庫來訓練他們的算法。這就是ImageNet大規(guī)模視覺識別挑戰(zhàn)。

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

　　2012年，多倫多大學的研究人員杰弗里·辛頓(Geoffrey Hinton)參加了ImageNet競賽，利用該數(shù)據(jù)庫來訓練一種人稱深度神經(jīng)網(wǎng)絡的人工智能。最終結果比之前的任何實驗都要精確得多，他贏了。李飛飛本來沒打算去看辛頓領獎，她在休產(chǎn)假，而頒獎典禮在意大利佛羅倫薩舉行。但她認識到歷史時刻正在到來。于是她在最后一刻買了一張機票，把自已塞進午夜航班的中間座位。辛頓的圖像神經(jīng)網(wǎng)絡改變了一切。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，至少通過一種方法，比人類更善于觀察。

　　ImageNet使深層學習成為可能，有了它，近期人類才能在自動駕駛汽車車、面部識別、可識別物體(以及告訴你它們是否正被促銷)的電話攝像機方面取得進展。

　　辛頓領獎后不久，當李飛飛還在休產(chǎn)假時，便開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，她看到了差距正在拉大成為問題。大多數(shù)構建人工智能算法的科學家是男性，而且通常具有相似背景。他們就自己特有的世界觀、甚至所預見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想的男孩，靈感來自《終結者》和《刀鋒戰(zhàn)士》的場景。擔心這種事情沒什么不對的，李飛飛想，但這些想法偏離了AI可能存在風險的狹隘觀點。