李飞飞:我怎样走上AI研究之路

点击上方,选择星标置顶,不定期资源大放送

阅读大概需要9分钟

Follow小博主,每天更新前沿干货

导读

 

在CNBC的专访中,李飞飞针对AI未来的发展方向、如何确保AI以人为本等问题做出回答。李飞飞认为,智能和价值观都可以由人类灌输给机器。

李飞飞一直是人工智能积极力量的拥护者。

李飞飞的最新角色是斯坦福大学新成立的“以人为本AI研究院”的联合主任,该研究院专注于机器学习潜在用途的研究和教育,目标是找到AI能够改善人们生活的方式。

“人工智能已经发展成熟。它已经从一个利基技术领域转变成我们社会未来的主要驱动力。”

未来机器会超越人类吗?李飞飞坚持认为,机器的智能和价值观都来源于人类。

“我们在行业中看到这一点,在日常生活中也看到这一点。在斯坦福大学,我们认识到,对于人工智能的未来发展方向,以及如何引导它为人类社会带来最大的积极影响,有必要发挥思想领导力。”

这个新研究院的想法诞生于2016年,当时李飞飞站在自家车道上,与邻居、斯坦福大学的前教务长兼哲学家John Etchemendy交谈。

他们讨论到AI缺乏多样性,以及该领域如何狭隘地专注于工程和算法。他们认为,需要就技术如何帮助所有人展开更广泛的讨论。

现在,该研究院汇集了来自不同学科的研究人员和学者——如经济学、商学、政治学和计算机科学——研究AI对工作的影响以及人们如何重新掌握技能等课题。

“我认为,一个挑战是确保这项技术的未来是仁慈的,”李飞飞在接受CNBC采访时说。

她说:“AI是为了与人类合作,增强和提高人类的生活和生产力,让每个人的生活更美好。与此相关的是,让AI民主化(democratize AI),让每个人都能从中受益,而不仅仅是少数人,或者是一个选定的群体。”

李飞飞说,AI的主要潜在好处之一在医疗领域。过去七年里,李飞飞一直在与斯坦福大学医学教授Arnold Milstein合作。

他们一直在研究AI、智能传感器和深度学习算法如何帮助老年人过上更健康、更独立的生活,以及改善重症监护病房的病人安全状况。

“你知道吗,在美国,每年死于医院感染的人是死于车祸的三倍,”李飞飞说。“这主要是因为医院缺乏手部卫生习惯。所以,我们认为像AI这样的技术可以发挥非常积极的作用。就像它对交通或自动驾驶汽车所能发挥的作用一样。”

曾是学院唯一的女性,李飞飞致力于鼓励更多女性进入STEM。

李飞飞出生于中国成都,16岁时随父亲移居美国,在新泽西州定居。

李飞飞打过零工,比如在中餐馆和她父母的干洗店——她之前将这种情况描述为“生存模式”。

在学校里,她对数学和科学很感兴趣,她说她在美国访问的第一个地方是普林斯顿大学的校园——爱因斯坦后半生度过的地方。

多年以后,她在同一所大学攻读物理学,虽然她并没有那么容易,因为必须每个周末回家,在干洗店工作以资助自己的学业。

她在接受采访时表示,家人在没有太多经济资源的情况下就去了美国。她说:“因此,努力工作的价值,家庭团结的价值,以及爱,是我们相互支持的方式,支撑着我们度过难关。”

李飞飞继续在斯坦福大学和加州理工学院学习,就像那位20世纪著名的物理学家一样,她喜欢“超越原子的世界”,思考关于生命的问题。

“我自己的兴趣转变到一个关于智能的基本问题,”她说:“什么是生物智能?什么是人类智能?我开始参与神经科学实验。然后当我去加州理工学院读博士的时候,我在一个神经科学实验室和一个计算机科学工程实验室,研究这个问题的另一面,即我们如何使机器变得智能?这就是我走上人工智能研究之路的历程。”

美国STEM学科学士学位的性别比例

美国计算机科学学位持有者中,在STEM领域工作的比例

1993年和2015年相比,美国从事科学与工程职业的女性比例

全球科研人员性别比例

尽管李飞飞很确定智能和价值观可以被灌输给机器,但她强调,这只有在机器背后有人类的情况下才有可能。

“当我们设计一项技术,把它变成产品,变成服务,以及把它交付给消费者时,整个过程都包括了我们的价值观,”她说,“或者是公司的价值观,或者是解决方案制定者的价值观。所以总的来说,我们创造技术来帮助人们让生活更美好,造福人类或增强人类。我认为从这个角度来看,人工智能也不例外。”

李飞飞说,很长一段时间以来,她是学院里唯一的女性,这是一个“孤独的过程”。她说,尽管斯坦福大学计算机科学专业的女性人数有所增加,但仍有很长的路要走。

“现在我们有了新一代女教授,但这远远不够,”她说。“这个领域严重缺乏女性和少数族裔,这将影响技术。看看所有关于人脸识别的争议,你会发现,从训练数据,到我们使用有偏见的数据开发的产品,都是有问题的,我们需要在某个时候解决这些问题。”

由于面部识别技术主要针对白人男性面孔,人们越来越担心这种技术会错误地识别女性和有色人种。

李飞飞说,解决这个行业偏见的一个方法是教育和鼓励更多的女性和少数族裔进入STEM(科学、技术、工程和数学)领域。

2015年,她启动了斯坦福人工智能实验室的拓展暑期项目,这是一个为期三周的住宿项目,主要面向高中女生,并在 2017 年将这个项目扩大成 AI4ALL组织。

李飞飞说,仅仅几年之后,她就看到这些学生中有人再次回到斯坦福大学,开始了他们自己的项目。

她说:“现在,我们有200多名来自不同背景的学生。”

“他们包括女性、代表性不足的群体、少数族裔、低收入家庭学生和地域多样化的学生。我们看到这一信息正在传播。我们看到他们的领导力正在扩大。我认为他们将成为AI未来的强大力量。”

在斯坦福大学为期18个月的学术休假期间,李飞飞担任了Google Cloud的首席科学家。这是2018年7月她在一个关于云技术的会议上发表讲话的照片。

机器不会统治地球,但未来AI是否仁慈取决于人类

人工智能已经发展了大约60年,但人们经常对一些问题表示担忧,比如技术落入坏人之手,机器人超越人类,《机械姬》等科幻电影普及了这一概念。

但AI在与人类能力竞争方面还有很长的路要走。

2015年,李飞飞在Ted上做了一个演讲,点击量超过250万次。演讲内容是关于她领导的一个名为ImageNet的项目,该项目需要下载超过10亿张图片,来训练计算机描述照片中的基本物体。李飞飞说,计算机科学的结果是革命性的,但如果要与人类类比的话,相当于一个幼儿说出了第一句话。

不过,李飞飞并没有对AI未来的真正担忧置之不理。

“每一项技术都是一把双刃剑。所以当人类发现火的时候,它改变了史前人类的生活方式。但它也可能是危险的。在我们文明发展的每一步中,我们都看到科技发挥着非常积极的作用,同时也制造或引入了危险。AI也正是这样。”

李飞飞说,她担心的是AI被不公平地使用,不管是否有意为之,以及监管和隐私问题。

“我们如何在政策制定者和AI技术专家之间建立一种知情的对话,以便我们能够共同找到解决关键问题的方案,比如关于就业的未来、资源的分配、保护环境、教育等等。”

李飞飞是直面这些问题的先行者。尽管以人为本AI研究所在今年3月才成立,但该机构已经计划为政策制定者举办一个训练营,讨论监管问题,并为企业领袖提供一个高管培训项目。

该研究所还希望鼓励学生在计算和技术伦理方面进行合作。

“我们要有技术监管。我们将像监管驾驶一样监管AI,”李飞飞说。“我们通过政策监管以及跨国合作来监管这项技术。所有这些努力都是必不可少的。”

她补充道:“所以在这个过程中,警告是很重要的。我们需要提出深思熟虑的警告,需要周密的准备。所以我不会拒绝这种负面的警告信息。但我想把重点放在产生积极影响上。因为这项技术可以拯救生命。这项技术可以为许多人创造更好的工作环境或工作流程,可以优化我们的城市,可以帮助对抗气候变化,可以在课堂上帮助我们的老师。”

那么,机器有一天会在我们的星球上横行霸道吗?

李飞飞认为不会出现这种情况。

“我仍然相信这个世界由我们创造,”她说。“无论我们设想或希望生活在什么样的未来世界,都要归功于我们今天所做的工作。所以,如果我们专注于以人为本的AI,以人为本的技术,我想我们创造的未来也是以人为本的,是仁慈的。

重磅!DLer-计算机视觉交流2群已成立!

大家好,这是DLer-计算机视觉微信交流2群!首先非常感谢大家的支持和鼓励,我们的计算机视觉交流群正在不断扩大人员规模!希望以后能提供更多的资源福利给到大家!欢迎各位Cver加入DLer-计算机视觉微信交流大家庭 。

本群旨在学习交流图像分类、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。希望能给大家提供一个更精准的研讨交流平台!!!

进群请备注:研究方向+学校/公司+昵称(如图像分类+上交+小明)

???? 长按识别添加,即可进群!

喜欢您就点个在看!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
深度学习-面向视觉识别的卷积神经网络,2016斯坦福大学公开课。课程介绍: 计算机视觉在社会中已经逐渐普及,并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络(也就是“深度学习”)方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。 本课程将深入讲解深度学习框架的细节问题,聚焦面向视觉识别任务(尤其是图像分类任务)的端到端学习模型。在10周的课程中,学生们将会学习如何实现、训练和调试他们自己的神经网络,并建立起对计算机视觉领域的前沿研究方向的细节理解。最终的作业将包括训练一个有几百万参数的卷积神经网络,并将其应用到最大的图像分类数据库(ImageNet)上。我们将会聚焦于教授如何确定图像识别问题,学习算法(比如反向传播算法),对网络的训练和精细调整(fine-tuning)中的工程实践技巧,指导学生动手完成课程作业和最终的课程项目。本课程的大部分背景知识和素材都来源于ImageNet Challenge竞赛。 主讲人: 李飞飞,斯坦福大学计算机科学系副教授。担任斯坦福大学人工智能实验室和视觉实验室主任,主要研究方向为机器学习、计算机视觉、认知计算神经学。她在TED上的演讲,如何教计算机理解图片。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值