AI英雄 | 揭秘李飞飞离职谷歌前后

她的下一个挑战是完成该项十分艰巨的项目。那意味着许多人将得花大量的时间千篇一律地标记图片。李飞飞尝试向普林斯顿的学生支付10美元一个小时，让他们帮忙完成，但进展还是十分缓慢。然后，有个学生问她是否听说过亚马逊的劳务众包平台Amazon MechanicalTurk，借助该平台，她一下子就能够以低得多的成本招揽到一大批工作者。但将劳动力从少数的普林斯顿的学生扩张到成千上万工作者看不见，也会带来挑战。李飞飞必须要将工作者潜在的偏见考虑进来。“作为网络工作者，他们的目标就是用最简单的方式赚钱吧？”她说，“如果你叫他们从100张图片中选择出大熊猫，有什么能阻止他们去不断地点击选择呢？”于是，她嵌入和追踪了某些图片——如已经正确地标记为狗的金毛寻回犬的照片——将它们用作对照组。如果Amazon MechanicalTurk上的工作者们能正确标记这些图片，那就代表他们有在老老实实地工作。

2009年，李飞飞的团队觉得其320万张图片的庞大数据集在用途上足够全面广泛，于是他们公布了该数据库，同时也发表了一篇相关的论文，后来该数据库的图片数量增加到1500万。起初，该项目没得到什么关注。不过该团队有一个主意：他们主动接洽了次年将在欧洲举行的计算机视觉技术竞赛的组织方，要求他们允许参赛者使用Image?Net数据库来训练他们的算法。该比赛由此变成了ImageNet大规模视觉识别挑战赛。

与此同时，李飞飞加入斯坦福大学担任助理教授。接着，她嫁给了机器人专家西尔维奥·萨瓦雷瑟（Silvio Savarese）。但是他是在密歇根大学工作，两人相隔万里。萨瓦雷瑟最终于2013年加入斯坦福大学，成为一名教员。

2012年，多伦多大学的研究人员杰弗里·辛顿（Geoffrey Hinton）参加了ImageNet的竞赛，使用李飞飞的数据库来训练一种名为深度神经网络的人工智能。他发现该AI比迄今为止任何其它的东西都要准确得多——他也最终赢得该项比赛。辛顿打造的由ImageNet驱动的神经网络改变了一切。到2017年的最后一届ImageNet比赛，计算机识别图像中的物体的错误率已经从2012年的15%减少到低于3%。至少在某种程度上，计算机已经变得比人类更善于识别图像了。

ImageNet促使深度学习技术取得大跃进——为近年来自动驾驶汽车、面部识别和可识别物体的手机摄像头等领域的进展打下了坚实的基础。

在辛顿领奖后不久，李飞飞还在休产假的时候，她开始不断思考为什么她的同行鲜少有女性的问题。那时候，她觉得这一问题很严重；她知道从业人员男女比例严重失调将渐渐带来麻烦。构建人工智能算法的科学家大多数是男性，而男性往往有着相似的背景。他们特定的世界观渗透到了他们所追逐的项目，甚至渗透到他们所设想的危险场景。许多人工智能的创造者都是有着科幻梦想的男孩，他们的脑子里充斥着来自《终结者》和《银翼杀手》的场景。李飞飞认为，担心像这样的事情并无不妥。但那些想法会让人无法全面看到人工智能的潜在危险。

李飞飞说，对于深度学习系统，“给它们输入偏见，它们就会输出偏见。”她承认，尽管驱动人工智能的算法可能是中性的，但造就那些算法的结果的数据和应用则不然。真正重要的是人工智能创造者和他们创造人工智能的初衷。李飞飞在美国国会听证会作证时指出，没有形形色色的工程师，我们可能会产生有偏颇的算法，进而就人们的贷款申请做出不公平的决策，又或者只在白人面孔上训练神经网络——创造出的模型无法有效应用于黑人面孔上。“我想，要是20年后，我们的科技行业、领导者和从业者缺乏多元性，那简直就是世界末日。”她说道。

李飞飞开始觉得，让人工智能的发展聚焦于帮助改善人类的体验是至关重要的。她在斯坦福大学的其中一个项目是，与医学院合作将人工智能引入重症监护室（ICU），以便减少诸如因住院而感染的问题。该项目涉及开发一个摄像系统来监视洗手台，提醒忘记正确地洗手的医院人员。这种类型的跨学科合作是不同寻常的。“从来没有别的来自计算机科学领域的人向我提出这样的事情。”斯坦福大学临床研究中心主任、医学教授阿诺·米尔斯坦（Arnold Milstein）说到。

那个项目让李飞飞看到了AI会如何演变的希望，它可以用来补充人们的技能，而不是直接取而代之。如果工程师与其他学科的人、甚至是普通人展开合作，他们能创造出扩展人类的能力的工具，比如可以节省自动化耗时的任务，让ICU护士得以花更多的时间照料病人，而不是使用人工智能来自动化人们的购物体验和淘汰收银员的工作。

考虑到人工智能发展的速度太快，李飞飞认为她们需要尽可能快速地改变其团队的构造。

李飞飞在斯坦福大学人工智能实验室

帮助更多的女性入行人工智能

李飞飞一直对数学十分着迷，她也清楚女性和有色人种从事计算机科学需要付出巨大的努力。根据美国国家科学基金会的数据，在2000年获得计算机科学学士学位的人当中，女性占28%。在2015年这一数字下降至18%。即便是在自己的实验室，李飞飞也招募不到足够多的有色人士和女性。她称，尽管要比过往典型的人工智能实验室更加多元化，但它仍然大多是男性。“我们仍然没有足够多的女性，少数族裔尤甚，人才储备上甚至也是如此。”她说，“学生们去一个AI会议，他们会看到90%的人是男性，非裔美国人的数量也远远少于白人男孩。”

李飞飞成为奥尔加·卢萨科夫斯基（Olga Russakovsky）的顾问的时候，后者一点都不看好该领域。那时卢萨科夫斯基已经是一位很有学问的计算机科学家——拥有斯坦福大学的数学学士学位和计算机科学硕士学位本科，但她的论文工作迟迟未能完成。由于自己是实验室中唯一的一名女性，她感到有些孤独。而李飞飞来到斯坦福以后，情况立马发生了变化。卢萨科夫斯基说道，李飞飞帮助她学习到了研究成功所需的一些技能，也帮助她建立起了自信心。她现在是普林斯顿大学的计算机科学助理教授。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!