AI 女神李飞飞最新文章:发展人工智能应该以人为本

编译 | AI 科技大本营

参与 | 林椿眄

编辑 | Leo

美东时间三八妇女节的前一天,著名华人女科学家李飞飞在《纽约时报》网站上发表了一篇题为《How to Make A.I. That’s Good for People》(如何打造更加人性化的人工智能)的文章。

李飞飞是斯坦福大学计算机科学教授,领导斯坦福大学人工智能实验室,同时担任 Google Cloud AI 研究机构的首席科学家。

在文章中,李飞飞表示人工智能将会是下一轮工业革命最大动力之一。但是她又担心人们对于人工智能的热捧将会影响自身的判断力。

同时提出,发展人工智能也应该以人为本,并且包含三个目标:

  • 首先,智能机器需要更多地反映人类智能的深度。
  • 第二,AI 应该增强、辅助人类,而不是取代人类。
  • 第三,确保在每一步中正确地引导人工智能技术的发展,并密切关注其对人类产生的影响。

最后,李飞飞表示,没有哪项技术,能像人工智能一样会“反噬”自己的创造者,但无论结果如何,我们都要承担起这份责任。

以下是李飞飞在纽约时报上发表的专栏全文,AI 科技大本营编译:

十年前,人工智能还是个除学术界外并不为人知的领域。这十年里,人工智能的发展速度令人瞠目结舌。从硅谷到北京的科技公司正在赌一切,风险投资家正在为其研究和开发掷下重金,众多人工智能的创业公司正在逐渐形成,并得到多方的融资。如果说我们已经走进了下一轮的工业革命时代,那么相信人工智能将会是其最大动力之一。

对于像我这样的研究人员来说,身处这样一个时代是多么令人兴奋。在 21 世纪初,当我还是计算机科学专业的一名研究生时,那时候的计算机几乎还无法检测照片中的锐利边缘,更不用说识别一些人脸的图片。但是,随着大数据时代的来临,神经网络等算法的进步和大量强大的计算机硬件的出现,计算机的角色也在发生重大的改变。人工智能技术也逐渐从学术领域走向了包括制造业,医疗保健,交通运输和零售在内的广泛行业,并对这些行业的变革起着决定性的作用。

人工智能这项技术是由人类自己创造出来的,它确实是存在的而并不是任何“虚构”的东西。然而,随着它的发展,我担心的是人们对于人工智能的过度追逐和热捧将会影响我们的判断力。我们创造这样一个用来模拟人类行为并影响人类未来生活方式的技术,当然希望它能够在现实世界中发挥积极的作用,也希望它能够以人类的需求为指导。

我将这种方法称为“以人为本的人工智能”。它包含三个目标,这也有助于智能机器的发展。

首先,智能机器需要更多地反映人类智能的深度。考虑人类视觉感知的丰富性,它是非常复杂,有深度的上下文关系,并且能够自然地将我们对显而易见的认识与对细微差异的敏感性平衡起来。相比之下,目前智能机器的感知能力仍然十分狭窄。

有时候这种差异是微不足道的。例如,在我的实验室中,图像描述算法将两张青铜雕塑照片中的内容描述为“骑马的人”,但没有注意到事实上这两人都是青铜雕塑。其他时候,这种差异性就显得更加的突出。例如,用同样的算法描述彩虹下大草原上放牧的斑马图像,虽然这个描述在技术上是正确的,但它缺乏审美意识,也无法做到像人一样有着自然欣赏的活力或审美的深度。

这可能看起来像是一种主观上的或无关紧要的批判,但它反映出的一个主要问题就是机器还无法像人类一样自主地进行深度感知。我们期望机器能够预测我们的需求,但目前看来它还无法对人类做出一些深度的贡献,也没办法洞察出人类经验中的一些模糊的概念。

让智能机器对人类思想产生深度感知并非一件易事。解决这个问题,需要的不仅是计算机科学领域的能力。这就意味着程序员需要学习其他相关领域的知识,并与各领域的专家进行更频繁地协作。

这种合作意味着我们要追溯到人工智能领域的根源,而不是背离它。年轻的人工智能学习者可能会惊讶地发现,如今深度学习算法的原理起源可以追溯到 60 多年神经科学研究人员 David Hubel 和 Torsten Wiesel ,他们发现了在猫视觉皮层中,神经元的层次结构是如何响应刺激。

同样地,我们建立的 ImageNet 是一个由数百万训练照片组成的庞大数据集,它有助于推动计算机视觉的发展。追溯 ImageNet 数据集的起源,它的建立最初是基于一个名为 WordNet 的项目,该项目由认知科学家和语言学家 George Miller 于1995年创建,旨在构建英语的语义概念数据库。

将人工智能与认知科学,心理学甚至社会学等领域重新关联起来,将为我们提供更加丰富的基础知识,从而为智能机器的发展奠定更深远的基础。

我们可以期望人工智能技术的最终目标能够让机器进行更自然地协作和交流,这也将帮助我们实现以人为本的第二个目标:增强、辅助人类,而不是取代人类。

想象一下人工智能在未来扮演的角色。它可能会在未来的医学手术中发挥作用,但这不一定是让机器完全代替医生,自主地进行一场手术,实现完全自动化过程。相反,将智能软件和专用硬件结合起来可以帮助外科医生在保持自身专业优势的情况下,如灵活性和适应性等特征,同时适应繁重的现实任务需求,并避免一些因人为的疲劳、分心而引发的错误。

不仅如此,在人类高级护理方面,机器人可能永远无法成为老年人的理想监护者,但智能传感器已经展现出不错的前景。通过自动监测药物剂量和安全检查表,智能传感器可以帮助人类看护者更多地关注老年人的身体状况及护理状态。

以上这些都是可以通过自动化技术来实现的,但同时也是重复性、容易出错甚至是危险的案例。而在需要创造力、智力或情感的其他领域中,人类仍然还是起着主导作用,这是目前机器所不能替代的角色。

但是,对于一些不需要任何创造力的领域,智能机器的出现将可能替代劳动力,导致人类工作机会的流失。面对这种威胁,解决这一问题也是为了实现以人为本的第三个目标。我们要确保在每一步中正确地引导人工智能技术的发展,并密切关注其对人类产生的影响。

如今,对劳动力将被机器替代的焦虑只是一个开始,包括机器学习对弱势群体的偏见,人工智能对数据的偏好及其与个人隐私权之间的紧张关系,以及全球智力竞赛的地缘政治影响等问题在日后还将慢慢地浮现。

面对这些挑战并想要充分解决它,我们需要一些社会组织、机构的共同努力。首先,大学的独特定位应该是通过跨学科项目、课程和研讨会来促进计算机科学与一些原本不相关的部门,如社会科学甚至人文科学之间的联系。其次,各国政府也应作出更大的努力,鼓励并普及计算机科学教育,特别是针对那些被人工智能视为弱势群体的年轻女孩,少数种族和其他群体。此外,各大型企业、公司应该权衡其对智能算法投资的优先性与人工智能伦理道德的重要性之间的关系,将二者结合起来,综合考虑自身的发展与对社会责任之间的关系。

没有哪项技术,能像人工智能一样会“反噬”自己的创造者。有人说,机器价值实际上是不存在的;所谓的机器价值,不过就是人类的价值。以人为本的人工智能,意味着这些机器不是作为人类的竞争对手,而是作为人类的助手、合作伙伴,帮助人类实现更好的未来。同时,无论我们的技术如何发展,它对世界的影响如何,不论最终的结果会怎样,我们都要承担起这份责任。

原文链接: https://mobile.nytimes.com/2018/03/07/opinion/artificial-intelligence-human.html?referer=https://t.co/0nGRnxYL3T

原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2018-03-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏钱塘大数据

大数据兴起预示“信息时代”进入新阶段

导读:大数据已成为媒体与大众关注的新技术,大数据的应用也预示着信息时代将进入一个新阶段,但人们对大数据的认识有一个不断加深的过程。首先从“信息时代新阶段”、数据...

47140
来自专栏DT数据侠

科大讯飞:AI浪潮中的数据玩家

人工智能蓬勃发展的今天,智能语音是普通用户最常感受到的人工智能应用之一。作为国内智能语音领域的实力玩家,科大讯飞是如何挖掘人工智能背后的价值的?又如何通过精准营...

14300
来自专栏AI研习社

转行人士如何在人工智能领域保持一定的竞争力?

原问题描述: 没有学术认可:转行意味着没有相关领域的论文记录和对应的学位,即便水了一篇,被学术界认可的概率很低。而且码力有限,只要科班一直保持写码学习,写码速度...

383110
来自专栏机器之心

对话 | 如何建立 AI 研究实验室?Yoshua Bengio 有话要说

Graham Taylor 是 CIFAR「Learning in Machines & Brains」项目中的一位 Azrieli 全球学者,也是圭尔夫大学工...

10030
来自专栏量子位

吴恩达官宣下一步:新推深度学习新课程,继续培养AI人才

李林 允中 编译整理 量子位 出品 | 公众号 QbitAI 刚刚,吴恩达如期发布了自己的新动向。 今年3月,吴恩达从百度首席科技学家人上离职后,关于他新动向的...

38940
来自专栏机器之心

GMIS 2017参会指南:产业明星带你读懂人工智能产业趋势

2017 年 5 月 27 日-28 日,机器之心 SYNCED 主办的 2017 全球智能机器峰会(GMIS 2017)将在北京正式举行。 从大咖参会、人机大...

38360
来自专栏大数据挖掘DT机器学习

你真的适合在数据科学领域工作吗?(译文)

目前数据科学家或相关角色(如数据管理,统计师,数据分析师等)成为最抢手的职业之一。针对这一跨行业的趋势,一些顶尖大学已经开始致力于培养数据科学家. 在...

29350
来自专栏镁客网

计算机视觉下一个技术拐点?前端成像或将开启“视觉2.0时代”

20570
来自专栏AI科技大本营的专栏

专访 | 德国大神Hans Uszkoreit:语言才是AI的关键,深度学习无法解决NLP的核心问题

德国人工智能研究中心科技总监Hans Uszkoreit博士认为:语言技术是人工智能的核心部分,但当前的深度学习方法还不足以解决NLP领域的核心问题。 在AI...

36870
来自专栏企鹅号快讯

细思极恐,人工智能是否真的会形成自我意识?

忘掉如今人工智能领域的小幅进步吧,比如汽车自动驾驶的能力越来越强。等待我们的可能是一项突破性的进展:一种能够感知自身及其周围环境的机器,它可以实时接收和处理大量...

19560

扫码关注云+社区

领取腾讯云代金券