李飞飞访谈实录:技术专家应当具备共情力

2019 年 3 月 8 日 雷锋网

▲点击上方 雷锋网 关注

雷锋网 AI 科技评论按,人工智能已经在各行各业逐渐产生影响,而作为人工智能领域的华裔专家,李飞飞对于人工智能的未来有很多思考。在近日接受 Techer 记者 Steven Boyd Sau 专访时,她就谈到以人为本的人工智能,以及对人工智能未来的期望。雷锋网 AI 科技评论将原文编译整理如下。

在人工智能这一趋势性话题上,没人比李飞飞更有发言权。作为谷歌云上一任人工智能领导者和首席科学家,李飞飞主要负责人工智能和机器学习领域的研究项目,同时也担任谷歌 AI 中国中心的总负责人。李飞飞目前在带领斯坦福人工智能实验室,并联合指导斯坦福视觉和学习实验室。她无疑是回答我们问题的最佳人选:在未来,人工智能会替代我们的工作吗?除此之外,人工智能还会代替什么?谁将在技术和道德层面监督人工智能的发展?在此,李飞飞分享了对于人工智能——这一十分有前景、但同时饱受争议的领域的看法,以及为什么共情力应在人工智能的设计中发挥重要作用。

问:在 2017 年 Grace Hopper 庆典上,做演示的同时,我们注意到了您的 T 恤,上面写着「如果人工智能将改变世界,谁将改变人工智能?」 您认为,谁将改变人工智能呢?

答:当我们看到人工智能正在影响世界时,它就已经不再是计算机科学领域的一项罕见技术。政策制定者、商业领袖、教育工作者、社会科学家——都应该参与并引导人工智能的未来。

此外,作为一项技术,人工智能缺乏多样性。这一学科缺乏女性和少数群体的投入。我是非营利组织 AI4ALL 的联合创始人和主席。我们致力于教育和多元化,特别是高中时代的教育和多元化。作为将会影响人类的重要技术,人工智能从业群体的失衡是不可想象的。

AI 并不只属于少部分人,也不属于硅谷、科技巨头、STEM 行业或人工智能实验室。人工智能属于每一个人,我们也希望每一个人都能够参与到人工智能的变化中来。

问:您反复强调「以人为核心的人工智能」,也就是人工智能和人类和平共处。从您的角度出发,「以人为核心的人工智能」究竟意味着什么?

答:在思考人工智能的未来时,以人为核心的人工智能中有三大支柱。

第一个支柱围绕由人启发的、下一代的人工智能技术产生。人工智能领域有很多让人兴奋的东西,但也是一个仅有 60 年历史的全新领域。它的实际功能仍然非常有局限性。我们在开发人工智能的过程中,应该坚持挖掘人类智能,特别是脑科学、认知和行为科学等跨学科领域。

第二个支柱聚焦于「提升」,而不是「替代」。有很多人理所当然地忧虑于自动化与人类工作难以同时存在,我认为这是个很重要的话题,但我也认为,人工智能作为技术也意味着很多机会,我们能用人工智能提升人类能力、增强人性,使人类远离危害。以医疗健康行业为例,我最近在医院陪护我的母亲,她做了个手术,这是一段很有趣的经历。过去六年,我一直在研究人工智能在医疗健康行业能够发挥的作用。作为病人家属,这一场景变得更加真实。医生、护士和临床医生需要花很多时间和病人在一起。现在我们可以针对这一需求,研发辅助技术,我们可以运用人工智能,在救援场景中让人类摆脱伤害,加强个性化教育,并作出更加公平、更加有效的决策。

第三个支柱被我称之为人工智能社会影响力。认识到人类社会将会被这项技术改变至关重要。这意味着我们必须让社会科学家、经济学家、法律学者、伦理学家、历史学家、哲学家——所有这些人,共同参与,了解这项技术将会带来什么影响、我们应该如何引导这项技术不偏离正确轨道、以及我们做到人工智能领域的隐私保护。这些问题不可能只靠科学家来解决,而是需要整个社会的对话和努力。

问:面对 AI 设计领域的种种挑战,我们应该怎么解决?

答:在过去几年中,人们已经认识到,当输入的信息不准确时,会存在机器偏差的风险,可能会对人们的生活造成极大的伤害和不公平。因此,机器学习的公平性也是学术界的一个重要研究领域。据我所知,斯坦福大学、普林斯顿大学和谷歌的同事们都在研究这一问题,探索其中的数学算法,也总有政策性的建议在被持续讨论。

随着年龄的增长,我也意识到共情力是多么重要。我们是技术专家,但首先,我们是人类,我们应该具有共情力,并且,在设计技术时我们应该考虑这一点。

问:我们如何确保公众信任人工智能领域取得的进展?

答:必须要付出很多努力,机器学习算法应该公平、透明、被明确地解释并被公众理解——与公众的对话需要持续进行。谷歌通过推出人工智能守则迈出了这一步。赢得公众对于人工智能的信任并不是件短期的事,而是持续性的、长期的——就像现在这样,永不停止。在这件事情上,商业领袖的思考不应比技术专家要少。

问:您现在正在解决什么问题?您希望在接下来的 10 年、15 年、20 年中解决什么样的问题?

我对于医疗健康服务流程非常感兴趣。我了解到,人工智能和机器学习已经在大数据医疗中掀起波澜,比如在放射学、医学成像和医疗保健记录研究等领域。作为一个有前瞻性的科学家,我已从不同角度观察并研究了在物理意义上,医疗服务的传递过程,例如医院、诊所、老年中心、重症监护室等场所。一旦你开始观察医生护理病人的全部行为活动,就会发现两个问题。一个是低效问题:ICU 的一名护士需要完成 100 多项不同的任务,让人精疲力竭,但其中一些诸如画图表、打字等任务分散了陪护病人的时间。这类低效能够由人工智能缓解,例如语音输入技术。

医疗健康行业的另一个问题在于人为失误。在美国,每年有 9 万多人由于在医院获得传染病而死亡,是死于车祸的人数的 3 倍。而我们应该怎么监控这个过程?如何向医生提供保持手部健康的建议?

人工智能也能用于智能医院和智能养老中心。这属于全新探索,但我的团队正处于这一领域的前沿位置。我们刚刚在《新英格兰医学》杂志上发表了一篇文章,文章和这一主题中的机器学习和医疗研究技术相关。在这方面还有很多工作可以做。

问:很多人说,您的工作是「为每一个人民主化人工智能和机器学习」,您是如何实现这一目标的?

答:主要通过在谷歌云担任顾问。云是一个巨大的计算平台,通过云业务,能够向数十亿人提供计算服务,基于这一平台,我们可以开发人工智能产品。

机器学习是个比较新的领域,很少有商业领域的开发人员懂得如何编写机器学习代码。因此,大多数解决方案都是通过 API 来完成的。通过 API,你不需要编写代码,只需要输入数据,就能获得结果。例如,在图像识别中,将图片导入谷歌的视觉 API,你会得到「狗」、「树」、「汽车」等标签。但狗和树这样的通用标签,与特定鞋子、房屋或家具的品牌之间还存在巨大差距。比方说,有很多野生动物保护学家需要定制模型,但却缺乏写代码的能力。因此,降低建立定制模型的成本对企业而言,是人工智能民主化的重要一步。

问:您提到了产品对于业务的影响,那么人工智能影响全球经济的潜力有多大呢?

答:人工智能相关的产品和服务呈现爆炸式增长。这些业务已经创造了数十亿美元的市场,并预计会成倍增长。无论是电子商务、医疗健康、制造业、金融服务、媒体娱乐还是农业,都需要为消费者提供更好的服务,这一过程需要更好的数据分析、更好的决策、更好的个性化、更好的推荐。这些都是人工智能的用武之地。每一个塑造人类生活方式的行业都会或多或少受到人工智能的影响。

问:您对人工智能的未来有什么期望?

答:科学家很难预测未来,但我期望看到医疗健康在人工智能的应用上有更多创新。我希望人工智能能够延长人类的寿命,能够做到公平、透明,能够真正在医疗服务的传递过程中起到积极作用,尤其是在解决老龄化社会、让医疗健康服务更触手可及的方面。

via:https://www.techer.caltech.edu/its-on-us

- END -

  ◆  


推荐阅读


熊猫直播正式宣告结束;库克把推特名改成蒂姆·苹果

刚刚,华为宣布决定起诉美国政府

孟晚舟引渡听证会延期;马化腾谈滴滴事件:切忌一刀切;熊猫直播被曝破产

多年后,面对聊天宝,罗永浩再也想不起自己口中的理想主义

子弹短信团队宣布解散;多平台iPhone再降价促销;福布斯2019榜单:前20有马化腾没马云

360集团技术总裁、首席安全官谭晓生宣布离职

关注雷锋网(leiphone-sz)回复 2 加读者群交个朋友            

登录查看更多
0

相关内容

李飞飞,女,1976年出生于北京,长在四川,16岁随父母移居美国新泽西州。 2015年12月1日,入选2015年“全球百大思想者”。2018年3月,获“影响世界华人大奖”。 现为美国斯坦福大学教授、斯坦福大学人工智能实验室与视觉实验室负责人、谷歌云人工智能和机器学习首席科学家,斯坦福以人为本人工智能研究院共同院长。
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
专知会员服务
124+阅读 · 2020年3月26日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
浅谈群体智能——新一代AI的重要方向
中国科学院自动化研究所
43+阅读 · 2019年10月16日
人工智能的现状与未来(附PPT)
人工智能学家
74+阅读 · 2019年3月27日
观点 | 为何自然语言处理领域难以出现“独角兽”?
微软丹棱街5号
4+阅读 · 2018年2月27日
【深度】谭铁牛院士谈人工智能发展新动态
中国科学院自动化研究所
4+阅读 · 2017年12月28日
2017年中国人工智能产业专题研究报告(完整版)
数据科学浅谈
4+阅读 · 2017年11月15日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
7+阅读 · 2018年4月24日
Arxiv
5+阅读 · 2016年10月24日
VIP会员
相关VIP内容
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
专知会员服务
124+阅读 · 2020年3月26日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
303+阅读 · 2019年12月23日
2019中国硬科技发展白皮书 193页
专知会员服务
82+阅读 · 2019年12月13日
相关资讯
浅谈群体智能——新一代AI的重要方向
中国科学院自动化研究所
43+阅读 · 2019年10月16日
人工智能的现状与未来(附PPT)
人工智能学家
74+阅读 · 2019年3月27日
观点 | 为何自然语言处理领域难以出现“独角兽”?
微软丹棱街5号
4+阅读 · 2018年2月27日
【深度】谭铁牛院士谈人工智能发展新动态
中国科学院自动化研究所
4+阅读 · 2017年12月28日
2017年中国人工智能产业专题研究报告(完整版)
数据科学浅谈
4+阅读 · 2017年11月15日
Top
微信扫码咨询专知VIP会员