分享
2018年09月13日09:46 界面新聞

分享

一邊是人工智能產業界最大巨頭谷歌,一邊是人工智能學術研究皇冠上的明珠斯坦福大學,李飛飛數度進出,完成了學術界和產業界的串聯。

2016年11月,谷歌云CEO Diane Greene向外界宣布,斯坦福大學終身教授,斯坦福大學人工智能實驗室主任李飛飛加入谷歌,任谷歌云機器學習負責人。今年9月11日,在外界傳言“李飛飛將離職谷歌”一事逾兩月后,Diane Greene再次向外界宣布,李飛飛將回歸斯坦福大學進行學術研究,她的谷歌職位接任者,是來自另一個AI頂尖學府的卡內基梅隆大學的計算機科學院院長Andrew Moore教授。

153675543210950100_a580x330_副本.jpg

9月,在北京參加斯坦福大學的一個學術會議期間,李飛飛接受了《財經》記者專訪。她向《財經》記者確認,隨著斯坦福新學年的開學,兩年學術假將滿,當初加入谷歌和如今回歸斯坦福,均在預計日程表上。今后,她不會完全離開谷歌,還將繼續擔任谷歌云的AI/ML(Machine Learning)顧問。

在全球人工智能學術界中,由于是女性、華人,李飛飛是一位在中國認知度較高的研究學者。

她的主要研究方向為機器學習、計算機視覺、認知計算神經學。最著名的項目是 ImageNet,可以被理解為一個極大程度上方便了計算機對海量圖像進行快速和準確識別的“數據庫”,被幾乎所有主流大小公司的機器視覺研究所采用,成為了學界和業界的標準。改變了人工智能的發展歷史,促進了深度學習的崛起。

盡管ImageNet 項目備受產業界歡迎,但在加盟谷歌之前的長達18年時間,直到近幾年,她才和谷歌等產業公司有實質性的交集。

在谷歌近兩年,李飛飛干了兩件事。

第一件事情,推動成立 Google AI 中國中心。全程參與 Google AI 中國中心的規劃和建設,推動將這一中心的成立定義為公司級的戰略。李飛飛的光環,吸引不少中國AI人才加入。除此之外,李飛飛還參與了谷歌云的日常業務決策。

第二件事情,在谷歌推行“AI平民化”理論,兩年來,谷歌云結合既定戰略,確實在推動 AI 平民化、降低 AI 使用門檻上有不小進展。

在谷歌云期間,李飛飛主持了一項名為Cloud AutoML的項目。這個項目被業內稱為“Google Cloud發展的戰略轉型”,這意味著一直以來面向開發者的Google Cloud,這次將服務對象轉向了普羅大眾。

今年1月,AutoML Vision上線,這 是 Cloud AutoML 大項目推出的第一項服務,提供自定義圖像識別系統自動開發服務。據谷歌介紹,即使是沒有機器學習專業知識的小白,只需了解模型基本概念,就能輕松搭建定制化的圖像識別模型。

到了今年7月,AutoML Vision產品線已經從圖像拓展到翻譯、和自然語言處理領域。

如近期谷歌博客對外公布的信息,接下來,李飛飛將按照原定計劃回到斯坦福大學,繼續AI方面的研究工作。

得益于深度學習技術的突破,人工智能產業在這幾年進入快速上升通道,這一切有賴于過去六十年學術界的沉淀和堅持,更得益于近些年學術界和工業界互動效率空前。李飛飛作為學術研究者,過去兩年的兩棲經歷是一個縮影。

李飛飛認為,下一階段人工智能產業的良性發展的趨勢,除了AI學術界,包括人類學、社會學、法律學、倫理學、生物學等更大范圍的學術界也需參與進來,和產業界形成新的互動模式。

谷歌的“炮火” VS  斯坦福的“燈塔”

《財經》:在谷歌和在斯坦福做研究區別一定很大?

李飛飛:是的,區別很大,也相當必要。直到2017年,AutoML還是一個基礎科學,論文剛剛出來,谷歌的研究環境讓我們意識到,這不僅是學術的問題,可以直接解決產業界痛點。谷歌兩年,時刻被產業需求和場景所觸動,很多問題學術界此前并沒有關注。

《財經》:所以很多人說,這一輪人工智能熱潮是產業界推動的,在產業界能夠更好的聽到前方的炮火,從應用反推了研究。

李飛飛:科學家有兩個不同的“前方”,一個是產業界的“前方”,是需求、應用和產品,這個“前方”,通常是有需求聲音的,更像一種反饋;另一個是學術界的“前方”,是高瞻遠矚的思想,思想要走在需求之前。60年前提出AI的時候,誰需要AI?那個時候連個人電腦都還沒有,那就是思想的前方。

我們6年前開始做AI醫療相關科研時,可能前方有需求,但是聽不到聲音的,這也是思想的前方,要做嗎?一定要做。

今天的AI走到了一個歷史性的時刻,既有產業界大量需求,需要普世、通用的AI,研發出更好的產品,這既包括給產業賦能,也包括給消費者帶來更驚喜的產品。同時,在思想界、學術界,也需要新的AI研究,點亮未來道路。

人類科技發展,就像在大海航行,每一次探索,都是走進黑暗的海域,你并不知道這艘船開往哪個方向,思想界、學術界的使命是造一座燈塔,照亮前方,讓產業界得以繼續進行。

《財經》:如果出現多座燈塔,產業界應該看什么?

李飛飛:出現多個燈塔是正常現象,不止是斯坦福大學在做基礎科研,歷史會告訴我們,哪一個燈塔是正確的。

《財經》:今天AI的燈塔,應該照亮哪幾個方向?

李飛飛:其一,深度學習絕對不是AI的終極。深度學習依然很重要,在AI商業化落地方面還有很強的生命力。AI作為一門科學,還有很多沒有解決的難題,比如 無監督學習(unsupervised learning)、遷移學習(transfer learning)等,都是AI技術前沿。我們下一步需要把腦科學、認知科學、生命科學的精髓和AI工程學結合起來。

今天的深度學習,是五六十年前神經生物學的一個火花,這么小小的一個火花,今天給人類帶來了第四次工業革命,人類需要更多火花。

其二,說起AI,很多人會擔心人類被AI取代,我認為不是取代,而是輔助、強化(enhance),是助力。

其三,學術界有責任和使命,去結合經濟學、倫理學、法律學,甚至政治學等,去了解AI會對人類產生的文化、倫理的影響。

《財經》:中國一些科技公司開始試圖探索基礎科學研究的無人區,比如華為、阿里,大型商業公司有能力建立自己的燈塔嗎?

李飛飛:企業替代不了高校,美國的科技公司有基礎研究的傳統,最著名的經典案例是貝爾實驗室,拿了那么多諾貝爾獎,今天,IBM、微軟、谷歌、臉書、亞馬遜都在做基礎研究。商業公司加大了基礎研究的力度,最大的作用是搭建了一座橋——可以更好地與學術界互動,雙方可以盡可能近地交流、合作。如果學術界只做技術研究,產業界只做產品開發,雙方很可能連話都說不上。比如,我作為斯坦福的研究者,我想和谷歌對話,我可以通過谷歌AI的研發團隊,這是一個橋梁。

我很鼓勵產業界有一部分基礎研究,但產業界的DNA會讓基礎研究更重視應用,他們也需要和學術界有更多互動。

這個時代,基礎研究越來越重要,但這需要耐心和定力,60年前學術界點燃的火花,今天才看到成果。

《財經》:作為斯坦福的教授,您可以休長達兩年的學術假到谷歌任職,有人說斯坦福是硅谷的沃土,也有人說硅谷帶給斯坦福靈感,您是如何看待的?

李飛飛:這是硅谷的文化,非常鼓勵學術界和產業界的互動,包括方方面面:作為教授,我們學術上的合作者,既來自產業界,也來自學術界;我們可以休學術假,可以像我一樣去谷歌,也鼓勵學生們創業,既可以和教授合作,也可以在工業界自己打拼。

《財經》:像一個成熟運轉的機器體系?

李飛飛:硅谷很自由,機器是嚴絲合縫,設計好了就不會改變的,我更愿意說它是一個“生態”。硅谷不斷推陳出新,是一個自由、有機的生態。這套生態體系下,我很幸運,短短兩年在谷歌,幾乎從零建立了一個幾百人的團隊,產品線體系也基本搭建起來了,既做了基礎研究,也推出了很多重要的產品。

硅谷的產業、高校、研究機構這些點自由、開放地連接起來,才能形成一個良好的生態。

《財經》:回到斯坦福大學會做什么?

李飛飛:一部分精力繼續AI醫療相關領域和AI基礎科學的研究。同時,斯坦福大學在籌備一個新的校級AI項目,將在不久的將來公諸于眾,我是這個項目的負責人。這個項目我們已經籌備了一年,接下來,這個項目和產業界包括谷歌也會有密切的合作。

深度研究  VS  落地前景

《財經》:我們事先找了很多人聊最想你談的話題,大家最關心AI的實際落地和應用。

李飛飛:這是國內外都關心的問題,我在谷歌最大的收獲,就是接觸了很多傳統行業,真正要讓AI滲透到生活的衣食住行,就要通過不同的垂直領域來進行

我目前最看好的是醫療健康的AI落地。我給你舉一個例子。有一個數字大家不能忽略,在美國,GDP的15-16%花在醫療上,1%花在重癥監護室(ICU),ICU的整個工作流程中,AI其實可以做很多事情。現在,大家在AI醫療的實踐上,主要集中在醫療影像和數據分析上,這是很基礎的應用。

比如人工智能在ICU領域可以做的一個項目,是減少院內感染。

醫療是一個非常復雜的過程,每一個環節都跟人命相關,稍微出一個錯,就是生與死。美國每年因為醫院感染死亡的人數是9萬,遠高于每年車禍死亡人數的3.3萬,看似小小的醫院感染這一個程序,不僅造成大量醫療事故,還導致大量醫療資源的浪費。

醫院感染的主要原因之一,是醫護人員手部消毒不規范。美國醫療系統如此發達,但依然沒有好的方式來實時監控手部消毒的問題,你可能完全不能相信,美國醫院要做院感的監控,很多情況下還是只能派一個人站在走廊里拿一個板子計數,這簡直是中世紀的方式。這是AI很快就可以做的一件事情。通過智能感應器和深度學習的算法,可以做到實時自動提醒醫護人員。

另一個人工智能可以切入的場景是健康,尤其是養老健康和醫療。

老齡化是很多國家都在面臨的社會問題,老人最關切的訴求是能在家自理生活,延續生活高質量。目前,老人日常生活的行為數據,醫護人員和家屬很難去全面了解,很多時候你不并知道老人在做什么,一不小心就出事了。

我看到有公司做了可穿戴式的設備,但是老人不愛戴,原因很簡單,這些可穿戴設備通常只能監控一兩個指標,有的是專門針對糖尿病人的,有的是報警器,那么問題來了,你要保證一個老人的安全,他(她)需要同時穿戴多少個設備?

我們在斯坦福大學正在做的一個研究,是把智能傳感器背后的算法加進來,對整個家庭生活場景進行全面聯網分析,打破一個設備一個功能的狀態。

不過,這個項目目前還在實驗室階段。目前的合作對象是舊金山的一個養老院,也有斯坦福大學。但是你可以想象,不久的將來,假設有老人的家庭有了這樣的一個裝備,會是另一個場景。我還要強調一下,這項目研究包括老人,但不僅限于老人,也包括慢性病的長期康復等。

《財經》:醫療健康之外的其他領域有沒有很快就落地的機會?

李飛飛:AI在其他領域也會有機會,比如無人車、金融業、制造業等。金融行業的數據量非常大,天然適合AI。

谷歌云已經與保險公司展開合作,用戶自己通過拍照就可以自動評估、車輛定損。這在美國已經相對成熟,整個流程變得輕了很多,金融還有很多應用的場景,比如金融反欺詐等。

不過還有一個方向讓我覺得很興奮,但是我目前還沒開始做,是農業。

AI會是人類公敵嗎?

《財經》:很多人在討論,人工智能技術發展的終極,是逐步取代人類。

李飛飛:說起AI,很多人聯想到第一個英文單詞就是Replace,我認為不是取代,而是助力(Enhance)。不管醫療、教育、制造業,協助工具至關重要。我們希望讓大家看到,做AI醫療是為了幫助人類,不是取代人類。

《財經》:但人們會簡單粗暴地認為,AI取代人力,本來醫院需要200個醫生,AI技術成熟后,就只需要100個了。

李飛飛:確實太簡單粗暴了。這個問題需要經濟學家和技術人士一起來討論,舉個例子,銀行的自動取款機出現之后,很多人說銀行會減少很多前臺工作人員,但是數據表示,ATM機增加的同時,前臺的工作人員也增加了,為什么呢?機器把簡單重復的工作減少之后,銀行可以把金融的產品做的更豐富了。

作為一個科學者,我特別不喜歡把一件事情說得很夸張,無限放大優點和缺點,我們需要準確、理性地去傳遞。

《財經》:我們看到很多科幻作品里,有機器人傷害、取代人類的場面。

李飛飛:這里有一個例子。我有一個人類學家朋友曾經跟我分享,現在的美國青少年,會經常嘲笑自己的父母,因為他們的父母在跟智能音箱聊天的時候,總是習慣性說“謝謝”。她很想跟我探討:AI會給人類的文化帶來什么影響?我們會不會教出一群不懂禮貌的孩子,反正AI不需要禮貌。

這是一個很小的點,甚至很多人不會在意。但是我的那位人類學家朋友提醒我:我們確實還不清楚AI會給人類社會帶來什么,會不會下一代的孩子都沒有禮貌了?

學術界有責任和使命,去結合經濟學、倫理學、法律學,甚至政治學等等,去了解AI會對人類產生的文化、倫理的影響。這個非常重要,就業是一個問題,還有AI的透明性,公平性,可解釋性,安全性等。

相比機器人會不會殺死人類,我們目前更應該注意到,AI技術是時候需要開始與其他領域的專業人士深度合作統籌研究了,他們包括但不僅限于社會科學家、人文主義者、律師、藝術家和政策制定者。

《財經》:提到公平性,有人提出,AI只會成為一小部分人的工具,而非全人類。

李飛飛:這個問題很好。這也是為什么我之前一直在強調AI的普世性。AI的普世性,也是人類的燈塔之一。我們需要重視怎么讓AI的可解釋性更好,這些都會促進它往更好的方向發展。如果你把技術做到完全可解釋,就很難把它做得不公平。

《財經》:現在全世界都在加強數據保護,這對AI的發展是好是壞?

李飛飛:AI是人類的一個工具,工具需要被良性、正面地應用,需要尊重人的需求,人的價值觀,現在歐盟出臺的GDPR也好,其他國家打擊數據隱私泛濫也好,都是短痛。短痛之后,是秩序。機器沒有獨立的價值觀,機器的價值觀是人類的價值觀。只有以人為本的科技才能真正地造福人類。

來源:界面新聞

c#21点