Google AI 首席科學家李飛飛:AI 不是 - 工程師
By Isla
at 2018-04-14T20:42
at 2018-04-14T20:42
Table of Contents
Google AI 首席科學家李飛飛:AI 不是用來取代人類,「關懷人類」才是目標
http://0rz.tw/KAKfv
十年前,人工智慧的討論還僅限於學術圈,現在卻已快速擴散到其他領域。從矽谷到北京
的科技公司都押注人工智慧,風投為研發投入數十億美元的資金,創業公司如雨後春筍般
出現。如果我們的時代是下一次工業革命,正如很多人所說,AI 絕對是推動革命的動力
之一。
對於像我這樣的研究人員來說,這是一個特別令人激動的時刻。十幾年前,當我還是一名
主修電腦科學的研究生時,電腦連照片中的銳利邊緣都很難檢測出來,更別說識別人臉。
但隨著大數據的發展,神經網路演算法和電腦硬體的快速進步,劃時代的時刻來了:AI
已經從單純的學術研究,化身為引領製造業、醫療保健、運輸、零售業等眾多行業的領頭
羊。
然而,我擔心 這股熱潮會讓我們忽視了 AI 對社會的負面影響 。 除了它的名字,這個
技術沒有任何「人工」的成分 —— 它是由人類製造,目的是為了表現得像人類,並影響
人類。
所以如果我們希望 AI 在未來的世界中發揮正向作用,它必須以「關懷人類」為方針。我
將這種方法稱為「以人為本的 AI」。它包含三個目標,都是為了幫助人們負責任地開發
智慧機器。
AI 要和其他領域的學科結合
首先,AI 要更能反映人類智慧的深度 。以人類視覺的豐富感知為例,它是如此複雜、深
層,能同時看清楚距離較近的前景,並靈敏地捕捉較遠的景深,自然取得視覺平衡。相比
之下,機器感知仍然非常有限。
有時候這種差異微不足道。例如,在我的實驗室裡,圖像字幕演算法可以識別出「騎馬的
人」,卻完全沒有注意到兩個都是銅像。同樣的演算法用在識別彩虹之下、草原之上的斑
馬時,差異更加明顯。雖然識別和描述達成了技術上的正確性,卻完全沒有審美意識,無
法感知人類可以自然感受到的活力或深度。
這聽起來有點吹毛求疵,但這也指出了人類感知超越機器演算法的一個大方向。如果我們
不能洞察人類體驗中這些「模糊」的維度,又如何期待機器能預測我們的需求,何談為人
類的福祉做貢獻?
要讓 AI 對人類思維的全方位更敏感不是一件容易的事。這需要電腦科學之外其它領域的
專業知識,這意味著程式設計師必須與其他領域的專家合作。
這種合作代表著回歸,而非背離我們這個領域的起源。年輕 AI 學生們可能會驚訝於今天
深度學習演算法原理,起源於 David Hubbard 和 Torsten Wiesel 發現的貓視覺皮層中
,神經元的層次結構對刺激的反應機制。
同樣,包含數百萬張訓練圖片的 ImageNet,幫助發展了計算機視覺。這個項目,是基於
認知科學家和語言學家 George Miller ,在 1995 年創建的 WordNet 數據集。WordNet
旨在組織英語的語義概念。
重新連接 AI 與認知科學、心理學甚至社會學,將給人工智能一個更加強大的發展基礎。
而且我們可以期待這樣發展出來的技術,會讓合作和交流更加自然,從而實現以人為本的
第二個目標: 強化人類,而不是取代人類 。
AI 不是用來取代人類
想像一下 AI 在手術中的作用。它的目標不是把整個過程完全自動化,相反,智慧軟體和
專用硬體的結合,可以幫助外科醫生專注於自己的優勢,例如靈活性和適應性,讓機器從
事更加常規性的工作, 以避免人類容易發生的失誤、疲勞和被干擾。
或者考慮老人護理的情景。機器人可能並不是老人看護的最佳人選,但智能感測器在幫助
護理人員的方面,前景相當看好。通過自動監測藥物劑量和自動核對安全檢查清單,護理
人員可以將更多的精力放在建設與被照顧者的關係上。
這些都是自動化取代那些重復的、容易出錯的,甚至是危險工作的例子。而剩下的 需要
創造性、智力和情感的工作,由人類來完成仍然是最適合的 。
然而,沒有任何聰明才智會完全消除工作流失的威脅。解決這個問題是以人為本的 AI 的
第三個目標: 確保在人工智慧發展的每一步,都關注它對人類的影響 。
關注 AI 對人們的影響
今天對工作流失的焦慮只是一個開始 。其他問題還包括在弱勢群體中,偏低的機器學習
從業人數,AI 對數據的高需求與保護個人隱私之間的關係,以及全球人工智慧競賽的地
緣政治影響。
面對這些挑戰,我們需要各大機構的共同付出。大學的獨特定位是透過跨學科項目、課程
和研討會,促進電腦科學與傳統上不相關的學科,例如與社會科學甚至人文科學之間的聯
繫。
各國政府可以作出更大的努力,鼓勵電腦科學教育,特別是在 AI 中代表性不足的年輕女
孩、少數種族和其他群體。公司應該將積極投資智慧演算法與倫理道德結合,兼顧抱負與
責任。
沒有哪項技術比 AI 更能反映它的創造者。實際上,雖然有人認為機器沒有價值觀,但事
實是: 機器的價值觀是其創造者的價值觀 。AI 以人為本的方法意味著這些機器不是人
類的競爭對手,而是保證我們福祉的夥伴。
無論我們的技術自動化到什麼程度,它對世界的影響,無論好壞,始終是我們的責任。
--
http://0rz.tw/KAKfv
十年前,人工智慧的討論還僅限於學術圈,現在卻已快速擴散到其他領域。從矽谷到北京
的科技公司都押注人工智慧,風投為研發投入數十億美元的資金,創業公司如雨後春筍般
出現。如果我們的時代是下一次工業革命,正如很多人所說,AI 絕對是推動革命的動力
之一。
對於像我這樣的研究人員來說,這是一個特別令人激動的時刻。十幾年前,當我還是一名
主修電腦科學的研究生時,電腦連照片中的銳利邊緣都很難檢測出來,更別說識別人臉。
但隨著大數據的發展,神經網路演算法和電腦硬體的快速進步,劃時代的時刻來了:AI
已經從單純的學術研究,化身為引領製造業、醫療保健、運輸、零售業等眾多行業的領頭
羊。
然而,我擔心 這股熱潮會讓我們忽視了 AI 對社會的負面影響 。 除了它的名字,這個
技術沒有任何「人工」的成分 —— 它是由人類製造,目的是為了表現得像人類,並影響
人類。
所以如果我們希望 AI 在未來的世界中發揮正向作用,它必須以「關懷人類」為方針。我
將這種方法稱為「以人為本的 AI」。它包含三個目標,都是為了幫助人們負責任地開發
智慧機器。
AI 要和其他領域的學科結合
首先,AI 要更能反映人類智慧的深度 。以人類視覺的豐富感知為例,它是如此複雜、深
層,能同時看清楚距離較近的前景,並靈敏地捕捉較遠的景深,自然取得視覺平衡。相比
之下,機器感知仍然非常有限。
有時候這種差異微不足道。例如,在我的實驗室裡,圖像字幕演算法可以識別出「騎馬的
人」,卻完全沒有注意到兩個都是銅像。同樣的演算法用在識別彩虹之下、草原之上的斑
馬時,差異更加明顯。雖然識別和描述達成了技術上的正確性,卻完全沒有審美意識,無
法感知人類可以自然感受到的活力或深度。
這聽起來有點吹毛求疵,但這也指出了人類感知超越機器演算法的一個大方向。如果我們
不能洞察人類體驗中這些「模糊」的維度,又如何期待機器能預測我們的需求,何談為人
類的福祉做貢獻?
要讓 AI 對人類思維的全方位更敏感不是一件容易的事。這需要電腦科學之外其它領域的
專業知識,這意味著程式設計師必須與其他領域的專家合作。
這種合作代表著回歸,而非背離我們這個領域的起源。年輕 AI 學生們可能會驚訝於今天
深度學習演算法原理,起源於 David Hubbard 和 Torsten Wiesel 發現的貓視覺皮層中
,神經元的層次結構對刺激的反應機制。
同樣,包含數百萬張訓練圖片的 ImageNet,幫助發展了計算機視覺。這個項目,是基於
認知科學家和語言學家 George Miller ,在 1995 年創建的 WordNet 數據集。WordNet
旨在組織英語的語義概念。
重新連接 AI 與認知科學、心理學甚至社會學,將給人工智能一個更加強大的發展基礎。
而且我們可以期待這樣發展出來的技術,會讓合作和交流更加自然,從而實現以人為本的
第二個目標: 強化人類,而不是取代人類 。
AI 不是用來取代人類
想像一下 AI 在手術中的作用。它的目標不是把整個過程完全自動化,相反,智慧軟體和
專用硬體的結合,可以幫助外科醫生專注於自己的優勢,例如靈活性和適應性,讓機器從
事更加常規性的工作, 以避免人類容易發生的失誤、疲勞和被干擾。
或者考慮老人護理的情景。機器人可能並不是老人看護的最佳人選,但智能感測器在幫助
護理人員的方面,前景相當看好。通過自動監測藥物劑量和自動核對安全檢查清單,護理
人員可以將更多的精力放在建設與被照顧者的關係上。
這些都是自動化取代那些重復的、容易出錯的,甚至是危險工作的例子。而剩下的 需要
創造性、智力和情感的工作,由人類來完成仍然是最適合的 。
然而,沒有任何聰明才智會完全消除工作流失的威脅。解決這個問題是以人為本的 AI 的
第三個目標: 確保在人工智慧發展的每一步,都關注它對人類的影響 。
關注 AI 對人們的影響
今天對工作流失的焦慮只是一個開始 。其他問題還包括在弱勢群體中,偏低的機器學習
從業人數,AI 對數據的高需求與保護個人隱私之間的關係,以及全球人工智慧競賽的地
緣政治影響。
面對這些挑戰,我們需要各大機構的共同付出。大學的獨特定位是透過跨學科項目、課程
和研討會,促進電腦科學與傳統上不相關的學科,例如與社會科學甚至人文科學之間的聯
繫。
各國政府可以作出更大的努力,鼓勵電腦科學教育,特別是在 AI 中代表性不足的年輕女
孩、少數種族和其他群體。公司應該將積極投資智慧演算法與倫理道德結合,兼顧抱負與
責任。
沒有哪項技術比 AI 更能反映它的創造者。實際上,雖然有人認為機器沒有價值觀,但事
實是: 機器的價值觀是其創造者的價值觀 。AI 以人為本的方法意味著這些機器不是人
類的競爭對手,而是保證我們福祉的夥伴。
無論我們的技術自動化到什麼程度,它對世界的影響,無論好壞,始終是我們的責任。
--
Tags:
工程師
All Comments
By Lucy
at 2018-04-19T18:24
at 2018-04-19T18:24
By Dorothy
at 2018-04-24T12:22
at 2018-04-24T12:22
By Brianna
at 2018-04-26T21:18
at 2018-04-26T21:18
By Vanessa
at 2018-04-27T07:47
at 2018-04-27T07:47
By Ina
at 2018-05-01T05:02
at 2018-05-01T05:02
By Anonymous
at 2018-05-04T14:42
at 2018-05-04T14:42
By Connor
at 2018-05-05T04:58
at 2018-05-05T04:58
By David
at 2018-05-06T11:27
at 2018-05-06T11:27
By Yuri
at 2018-05-09T00:50
at 2018-05-09T00:50
By Genevieve
at 2018-05-09T18:53
at 2018-05-09T18:53
By Yuri
at 2018-05-13T16:13
at 2018-05-13T16:13
By Candice
at 2018-05-17T15:19
at 2018-05-17T15:19
By Caitlin
at 2018-05-18T20:11
at 2018-05-18T20:11
By Queena
at 2018-05-19T04:27
at 2018-05-19T04:27
By Queena
at 2018-05-22T05:02
at 2018-05-22T05:02
By Quanna
at 2018-05-22T18:26
at 2018-05-22T18:26
By David
at 2018-05-26T19:31
at 2018-05-26T19:31
By Lucy
at 2018-05-30T15:27
at 2018-05-30T15:27
Related Posts
設備轉電子工程師
By Skylar DavisLinda
at 2018-04-14T17:50
at 2018-04-14T17:50
台中美光測試廠是寫什麼語言
By Agatha
at 2018-04-14T16:59
at 2018-04-14T16:59
電機系有人去投資或創投的公司嗎?
By Agnes
at 2018-04-14T13:57
at 2018-04-14T13:57
台積電法說會19日登場 關注7奈米挖礦需求
By Jacky
at 2018-04-14T13:33
at 2018-04-14T13:33
大家離職交接都多久...
By Eden
at 2018-04-14T02:22
at 2018-04-14T02:22