本文授權(quán)轉(zhuǎn)載自微信公眾號(hào)：將門創(chuàng)業(yè)（thejiangmen）

近日，斯坦福人工智能實(shí)驗(yàn)室和計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室負(fù)責(zé)人、斯坦福豐田汽車人工智能中心負(fù)責(zé)人李飛飛教授正式宣布接受a16z的邀請(qǐng)，成為a16z在計(jì)算機(jī)科學(xué)領(lǐng)域的杰出訪問(wèn)教授（又名入駐教授，Professor-in-Residence）。

3年前，a16z宣布成立入駐教授項(xiàng)目，旨在為創(chuàng)業(yè)圈和學(xué)術(shù)界架起一座橋梁。入駐教授在推動(dòng)學(xué)術(shù)界的研究成果更快速的向工業(yè)界轉(zhuǎn)化的同時(shí)，能幫助a16z快速索定那些有意向進(jìn)行技術(shù)成果轉(zhuǎn)化的學(xué)術(shù)界人士。

李飛飛是計(jì)算機(jī)視覺(jué)領(lǐng)域最受矚目的專家之一。她所帶頭創(chuàng)立的ImageNet是目前世界上圖像識(shí)別最大的數(shù)據(jù)庫(kù)。每年舉辦的ImageNet競(jìng)賽都會(huì)吸引計(jì)算機(jī)視覺(jué)領(lǐng)域的頂級(jí)研究團(tuán)隊(duì)參與其中，不斷刷新各項(xiàng)比賽的成績(jī)。

在成為a16z的入駐教授后，李飛飛和a16z的合伙人Frank Chen坐到一起，暢聊了有關(guān)人工智能、深度學(xué)習(xí)、GPU、自動(dòng)駕駛、機(jī)器人、計(jì)算機(jī)教育等熱點(diǎn)話題。

將門聽譯了這段時(shí)長(zhǎng)38分鐘的podcast，希望與大家分享李飛飛的思考。

問(wèn)：您是如何看待人工智能(AI)在創(chuàng)業(yè)圈和學(xué)術(shù)圈又重新火起來(lái)的現(xiàn)象？

在我看來(lái)，AI的熱潮從未退去過(guò)，這并不是什么新鮮事。AI 這個(gè)學(xué)科已經(jīng)有60年的歷史了，不過(guò)這60年一直是AI的“體外”階段(vitro time)——大多時(shí)候它只存在實(shí)驗(yàn)室和研究中心里。在那里，我們打下了很多AI的數(shù)學(xué)基礎(chǔ)，制定了AI問(wèn)題，還測(cè)試了很多AI算法的原型。

現(xiàn)在AI正在邁入它的“體內(nèi)”時(shí)代(vivo time)——它進(jìn)入了我們的生活。那么導(dǎo)致這一轉(zhuǎn)變的背后推手是什么呢？首先，現(xiàn)在AI 技術(shù)已經(jīng)足夠成熟了，這一點(diǎn)上主要有以下幾個(gè)驅(qū)動(dòng)因素：

• 大數(shù)據(jù)為AI做的貢獻(xiàn)。信息時(shí)代下，互聯(lián)網(wǎng)為我們帶來(lái)了龐大的數(shù)據(jù)量

• 幾萬(wàn)億個(gè)傳感器提高信息量

• 運(yùn)算硬件。CPU 和GPU的提高，還有計(jì)算機(jī)集群

因此，數(shù)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)的統(tǒng)計(jì)工具、大數(shù)據(jù)以及新硬件四個(gè)條件的相得益彰，帶我們走進(jìn)了AI的這個(gè)歷史時(shí)刻。

問(wèn)：對(duì)于硬件，我們發(fā)現(xiàn)深度學(xué)習(xí)在GPU上比CPU運(yùn)行更有效，因?yàn)樗讶蝿?wù)作為線性代數(shù)處理而且可以并行運(yùn)算。您認(rèn)為以后會(huì)有深度學(xué)習(xí)專用的芯片嗎？它如何構(gòu)造以擁有有更強(qiáng)大的并行計(jì)算能力？會(huì)不會(huì)和現(xiàn)在Nvidia做的芯片完全不同？

我覺(jué)得會(huì)有并且希望會(huì)有。Nvidia是現(xiàn)有深度學(xué)習(xí)芯片的領(lǐng)導(dǎo)者之一，因?yàn)樗麄兊腉PU是高度并行的，可以進(jìn)行高級(jí)別的并行作業(yè)。由于“神經(jīng)網(wǎng)絡(luò)”或“神經(jīng)網(wǎng)絡(luò)卷積”的深度學(xué)習(xí)算法中有很多操作都是重復(fù)計(jì)算，這些都是可以同時(shí)完成的，因此GPU 大大提高了運(yùn)算速度。GPU對(duì)訓(xùn)練深度學(xué)習(xí)來(lái)說(shuō)真的是太完美了，但我認(rèn)為我們?cè)诳焖贉y(cè)試和時(shí)間推理芯片上依然有很大的進(jìn)步空間。會(huì)有更專用的芯片可以植入到設(shè)備里，我覺(jué)得這是深度學(xué)習(xí)芯片的趨勢(shì)。

但是我覺(jué)得，目前我們還在探索階段。因?yàn)樗惴ㄟ€沒(méi)有足夠成熟。我們還要探索怎樣是最佳方式。今年我去了一個(gè)深度學(xué)習(xí)的大會(huì)，best paper的其中一篇是來(lái)自于斯坦福的Bill Dally實(shí)驗(yàn)室。他們?cè)谔剿靼迅斆鞯乃惴ㄓ糜谝粋€(gè)具體的芯片設(shè)計(jì)。所以現(xiàn)在，為了設(shè)計(jì)出創(chuàng)新的芯片而提高算法的這件事還在進(jìn)行中。

我覺(jué)得現(xiàn)在很重要的一點(diǎn)就是科研和設(shè)計(jì)要同時(shí)進(jìn)行。算法和芯片設(shè)計(jì)的關(guān)系就像是“雞生蛋還是蛋生雞”的問(wèn)題——算法導(dǎo)致芯片設(shè)計(jì)的變化，但是芯片的設(shè)計(jì)局限也會(huì)導(dǎo)致算法的變化。我覺(jué)得現(xiàn)在是時(shí)候在這上面投入資源去探索這一點(diǎn)了。當(dāng)然，從商業(yè)模型的角度來(lái)說(shuō)，我們也要很謹(jǐn)慎。

問(wèn)：現(xiàn)在深度神經(jīng)網(wǎng)絡(luò)很火，但是在過(guò)去的這60年里，我們嘗試過(guò)很多不同的技術(shù)。大家會(huì)一直對(duì)深度學(xué)習(xí)抱有熱情么，還是現(xiàn)在火一陣也會(huì)有別的替代？

很多人都在問(wèn)我這個(gè)問(wèn)題。深度學(xué)習(xí)是這一切的答案嗎?

首先，我很開心你提到了其他的算法和工具，當(dāng)你回頭看看AI的發(fā)展，在早期的Manske MacArthur 年代，他們用了很多一階邏輯和專家系統(tǒng)，那些都基本來(lái)自于認(rèn)知設(shè)計(jì)規(guī)則。

但是我覺(jué)得AI真正開始的第一階段是機(jī)器學(xué)習(xí)——是統(tǒng)計(jì)類的機(jī)器學(xué)習(xí)算法帶來(lái)的。我們看到了提升算法、貝葉斯網(wǎng)圖形模型、支持向量機(jī)、回歸算法，還有神經(jīng)網(wǎng)絡(luò)等等。所以那20-30年在機(jī)器學(xué)習(xí)算法上的發(fā)展奠定了今天AI使用統(tǒng)計(jì)類機(jī)器學(xué)習(xí)的基礎(chǔ)。

我們不能個(gè)小看這點(diǎn)。深度學(xué)習(xí)從不是一個(gè)新鮮話題，它其實(shí)是在六、七十年代，由Kunihiko Fukushima等人一步步發(fā)展起來(lái)，之后又由Geoff Hinton，Yann LeCun 和他們的同事不斷壯大的。

我覺(jué)得神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)里其實(shí)有些部分是很強(qiáng)大的。這是一個(gè)容量很大的模型，它可以讓幾乎任何算法在知道任務(wù)目標(biāo)的基礎(chǔ)上，利用數(shù)據(jù)做端到端的訓(xùn)練，并且同時(shí)做到優(yōu)化。

最明顯的例子是我們現(xiàn)在經(jīng)常討論的有監(jiān)督和無(wú)監(jiān)督訓(xùn)練。

很重要的一點(diǎn)是目前我們的重點(diǎn)往往仍只關(guān)注于有監(jiān)督訓(xùn)練，但我們的電腦并不能像小孩那樣去學(xué)習(xí)。

首先，我們都不知道小孩是怎么學(xué)習(xí)的。有很多發(fā)展心理學(xué)的理論都還未能在計(jì)算機(jī)科學(xué)領(lǐng)域應(yīng)用。有監(jiān)督學(xué)習(xí)在可以注釋的數(shù)據(jù)上很管用，但是，當(dāng)他被應(yīng)用在更實(shí)際的訓(xùn)練場(chǎng)景時(shí)，會(huì)很模糊。舉個(gè)例子，如果某天一個(gè)公司做出來(lái)一個(gè)小機(jī)器人送到你家，然后你想讓這個(gè)機(jī)器人適應(yīng)你和你家人想讓他做的事，最好的學(xué)習(xí)方式肯定不是把它打開然后給它全部注釋的數(shù)據(jù)。你希望可以告訴和展示給他看，讓它觀察和學(xué)習(xí)。但現(xiàn)在的深度學(xué)習(xí)還做不到這點(diǎn)。

但是，有監(jiān)督和無(wú)監(jiān)督訓(xùn)練的差距還遠(yuǎn)遠(yuǎn)不止這點(diǎn)。這里還涉及到了對(duì)“智能”的定義。特別對(duì)工業(yè)界來(lái)說(shuō)，任務(wù)主導(dǎo)的智能很重要。標(biāo)記圖片、避讓行人、語(yǔ)音識(shí)別、錄制對(duì)話、搬運(yùn)物品……這些具體的任務(wù)主導(dǎo)的應(yīng)用是AI很重要的一部分，但是，我們還有個(gè)“強(qiáng)人工智能”(AGI，artificial general intelligence)的概念，包含推理、概括、溝通、情感互動(dòng)，理解智能和目的規(guī)劃學(xué)習(xí)以及理解環(huán)境的人工智能。

以上這些我們現(xiàn)在都還不知道怎么去實(shí)現(xiàn)。

問(wèn)：創(chuàng)新人工智能(creative AI)在你待解決清單的什么位置？

其實(shí)，我們先要問(wèn)自己一個(gè)問(wèn)題，什么是創(chuàng)新？如果你去看AlphaGo 贏的那4場(chǎng)比賽，李世石在每場(chǎng)里都有對(duì)AlphaGo做出的決定感到驚訝的瞬間。在圍棋社區(qū)里，不少人都對(duì)AlphaGo具有能下出人都想不到的步驟的創(chuàng)造力而感到吃驚。

從這點(diǎn)，我們已經(jīng)看到創(chuàng)新和人工智能的創(chuàng)造力了。這個(gè)創(chuàng)造力的一部分就是能做出我們預(yù)測(cè)不到的正確的選擇。這些現(xiàn)在已經(jīng)是現(xiàn)實(shí)了。

一個(gè)很有趣的現(xiàn)象，目前有些深度學(xué)習(xí)已經(jīng)開始在轉(zhuǎn)換藝術(shù)了。你可以給它一幅梵高的畫，它可以把一張圖轉(zhuǎn)換成那副畫的風(fēng)格。但我同意，這只是個(gè)模仿機(jī)制。我們所說(shuō)的創(chuàng)造力是可以混合我們的邏輯思維、感性思維 和直覺(jué)思維，我至今還沒(méi)有在任何建立在數(shù)學(xué)公式上的作品里看到這樣的表現(xiàn)。

這就回到了我之前說(shuō)到的三點(diǎn)里的“大數(shù)據(jù)”那一部分：究竟AI能不能通過(guò)學(xué)習(xí)海量的數(shù)據(jù)，做出真正創(chuàng)新的、數(shù)據(jù)里沒(méi)有的東西？我們已經(jīng)看到機(jī)器可以模仿不同的畫畫風(fēng)格，因?yàn)樗麄兺ㄟ^(guò)數(shù)據(jù)可以分析出不同類的風(fēng)格。但是，現(xiàn)在的問(wèn)題是，用深度學(xué)習(xí)我們最終可不可以完全生成一套嶄新的東西？ 我們離印象派和立體主義這些還都很遠(yuǎn)，因此回到一個(gè)更平凡的層面，比如計(jì)算機(jī)視覺(jué)。我們近期的一些工作可以實(shí)現(xiàn)對(duì)一張圖片進(jìn)行簡(jiǎn)單的描述，接下來(lái)我們做的是對(duì)一張圖片進(jìn)行Q&A。

我們?cè)谙耄懿荒荛_發(fā)一種算法，它不僅可以通過(guò)訓(xùn)練數(shù)據(jù)來(lái)學(xué)習(xí)，也可以學(xué)習(xí)如何去學(xué)習(xí)、學(xué)習(xí)如何問(wèn)出合理的問(wèn)題。舉個(gè)例子，在我們最近上交的一份paper里，我們給電腦一張圖片，然后問(wèn)他圖里的女生在干什么。電腦反過(guò)來(lái)，需要先問(wèn)我們一系列問(wèn)題，才能回答我們的問(wèn)題。所以，這個(gè)算法需要學(xué)習(xí)如何不直接回答問(wèn)題，而是先探索正確問(wèn)題的潛在空間，再達(dá)到正確的答案。學(xué)習(xí)如何去學(xué)習(xí)是我們希望孩子們掌握的能力，這也是我們希望算法可以做到的。

問(wèn)：我很喜歡你之前說(shuō)的關(guān)于人工智能“體外”和“體內(nèi)”階段的描述，處在轉(zhuǎn)換的這個(gè)時(shí)間點(diǎn)，你覺(jué)得現(xiàn)在的創(chuàng)業(yè)公司會(huì)為體內(nèi)階段帶來(lái)什么不同？

首先，現(xiàn)在的算法已經(jīng)成熟到工業(yè)界和創(chuàng)業(yè)界都可以使用的階段了。20年前，只有少量的幾個(gè)世界頂級(jí)的實(shí)驗(yàn)室才有可以真正能做事情的AI算法，那時(shí)AI還沒(méi)有滲透到其他行業(yè)和大眾群體中。所以在當(dāng)時(shí)，一個(gè)創(chuàng)業(yè)公司甚至一個(gè)大企業(yè)想拿到這些算法都是很難的。

當(dāng)然還有其它原因，現(xiàn)在互聯(lián)網(wǎng)的大爆炸，更多感應(yīng)器的應(yīng)用，導(dǎo)致現(xiàn)在AI的應(yīng)用面大了很多。要想收集數(shù)據(jù)，我們要管理和理解信息。這帶來(lái)了很多智能算法的需求，這就是現(xiàn)在AI的應(yīng)用之一。

有了這些意識(shí)和目標(biāo)，現(xiàn)在才有了自動(dòng)駕駛汽車這類的場(chǎng)景。突然之間，我們需要開始創(chuàng)建駕駛汽車的智能算法了。這也是我覺(jué)得現(xiàn)在AI一下子火起來(lái)的另一個(gè)原因。

問(wèn)：那么對(duì)于創(chuàng)業(yè)公司和大公司都開始做自動(dòng)駕駛的人工智能這件事，你怎么看？小公司和大企業(yè)的貢獻(xiàn)該如何更好的分配？

從誰(shuí)會(huì)贏得“自動(dòng)駕駛”這場(chǎng)比賽的角度來(lái)看，我覺(jué)得對(duì)像豐田這樣的大公司來(lái)說(shuō)，只要他們?nèi)ν度?，在車上安裝鏡頭，他們就可以很快拿到大量的數(shù)據(jù)，這點(diǎn)對(duì)于小創(chuàng)業(yè)來(lái)說(shuō)很難。像Google這樣的公司，他們一開始沒(méi)有車，但是有算法。他們開始的很早，所以他們現(xiàn)在既有數(shù)據(jù)又有算法。雖然他們是軟件公司出身，并不是一個(gè)開始做軟件的汽車公司，但軟件的重要性仍使他們擁有很大的優(yōu)勢(shì)。

那對(duì)于創(chuàng)業(yè)公司來(lái)說(shuō)，他們的優(yōu)勢(shì)在哪里？我覺(jué)得有很多商業(yè)場(chǎng)景，對(duì)于大公司來(lái)說(shuō)不重要，但創(chuàng)業(yè)公司可以瞄準(zhǔn)更細(xì)化精準(zhǔn)的領(lǐng)域或者垂直行業(yè)來(lái)建立他們的數(shù)據(jù)和算法?；蛘呖梢宰進(jìn)obileEye的路線 ，不做整個(gè)系統(tǒng)、整輛車，而是把一個(gè)關(guān)鍵的零件做的比其他任何人都好。

問(wèn)：你的同事Andrew Ng離開斯坦福后在Baidu開了一間人工智能實(shí)驗(yàn)室，幫助Tesla進(jìn)行技術(shù)研究，但因Tesla近日的自動(dòng)駕駛事故而受到了一些困擾。目前看來(lái)一些基本的駕駛場(chǎng)景自動(dòng)駕駛汽車還不能很安全的處理好，Andrew也表示自動(dòng)駕駛技術(shù)目前仍處于未成熟的階段。我知道你也參與到豐田汽車項(xiàng)目的研發(fā)中，因此這件事你怎么看？

當(dāng)Tesla的AutoPilot面世時(shí)，我在Youtube上看過(guò)他們的一些視頻。作為一個(gè)母親，我絕對(duì)不會(huì)讓我的孩子坐到這樣的車上。因此，從這個(gè)角度上看，我的反應(yīng)是有些拘謹(jǐn)?shù)?。但我真的希望在商業(yè)和消費(fèi)者之間能有一個(gè)很清晰的溝通策略。不過(guò)我沒(méi)有買Tesla，所以也不知道Tesla是怎么和他們的用戶來(lái)溝通的。

但如果Tesla已經(jīng)明確的告訴他的用戶什么時(shí)候應(yīng)該相信自動(dòng)駕駛系統(tǒng)、什么時(shí)候應(yīng)該用這個(gè)系統(tǒng)、什么時(shí)候不應(yīng)該相信，這個(gè)時(shí)候，我們就又面對(duì)了另外一種情形，當(dāng)Tesla已經(jīng)盡到了所有告知的責(zé)任，而消費(fèi)者操作失當(dāng)時(shí)，誰(shuí)應(yīng)該來(lái)背這個(gè)鍋。因?yàn)槊恳慌_(tái)機(jī)器，如果操作失當(dāng)，都有可能產(chǎn)生讓人心驚肉跳的后果。我想我們需要一個(gè)的是一個(gè)全社會(huì)都來(lái)參與的對(duì)話。

在我們的斯坦福-Toyota中心，有一組教授正在奮戰(zhàn)于各種各樣的項(xiàng)目，其中有一個(gè)很大的項(xiàng)目就是由HCI組所領(lǐng)導(dǎo)的。有一件事是我們特別需要謹(jǐn)記于心的是，與計(jì)算機(jī)相比，人類其實(shí)是運(yùn)算極其緩慢的計(jì)算機(jī)器。和晶體管比起來(lái)，信息在我們腦海中傳遞的速度是非常慢的。如果要產(chǎn)生運(yùn)動(dòng)行為，從我們的大腦再到肌肉的這個(gè)過(guò)程，就更慢了。所以當(dāng)我們?cè)谟懻撊藱C(jī)交互和瞬間決策這個(gè)話題的時(shí)候，一定要把這個(gè)考慮進(jìn)去。

問(wèn)：這其實(shí)讓我想起了很有名了電車難題（trolley problem）。當(dāng)自動(dòng)駕駛的車輛在行駛中遇到前面的車輛突然剎車的情形時(shí)，它是應(yīng)該選擇不作為，直接撞上去，令車?yán)锏娜耸軅?？還是向右轉(zhuǎn)，撞到旁邊騎摩托車的人呢？又或者是向左轉(zhuǎn)，撞上一輛小型貨車呢？如果發(fā)生事故，誰(shuí)需要對(duì)此負(fù)責(zé)任呢？算法的設(shè)計(jì)者？

這其實(shí)就涉及了近幾年來(lái)我一直在AI的教育和研究上所倡導(dǎo)的一個(gè)理念——我們需要在機(jī)器當(dāng)中注入很強(qiáng)的類人思維的元素?？萍及l(fā)展越來(lái)越快，它們和人產(chǎn)生接觸，進(jìn)入我們的真實(shí)生活中，我們所思考的方式以及開發(fā)和設(shè)計(jì)的算法，讓我們的生活變得更美好。但科技如何才能與人類更好的融合共存，我認(rèn)為需要給它加入那么一點(diǎn)人類思考的方式進(jìn)去。

這個(gè)項(xiàng)目的負(fù)責(zé)人是Silvio Savarese教授，他們研發(fā)了一個(gè)名叫Jack Robot的社會(huì)機(jī)器人（social robot）。Jack Robot其實(shí)是一個(gè)自動(dòng)駕駛的機(jī)器人/交通工具，它主要想要解決的是我們?cè)隈{駛上所謂的最后一公里問(wèn)題，它的使用場(chǎng)景是在一個(gè)更社會(huì)化的空間中，而非高速公路上，像人行道、喧鬧的城市、校園、機(jī)場(chǎng)等這些地方都算。

所以，當(dāng)我們來(lái)看駕駛的最后一公里問(wèn)題或者僅僅只是社交場(chǎng)所的時(shí)候，我們突然發(fā)現(xiàn)它要解決的就不僅是行駛在高速公路上所有需要注意的事情，如了解周圍的布局、路人、小巷子，你還需要能夠找出一種方式，能夠讓人類覺(jué)得是素質(zhì)的、可接受的。

有些人可能會(huì)說(shuō)，那這個(gè)簡(jiǎn)單了，讓它們保持足夠低的速度前行，遇到人就停下來(lái)不就行了。其實(shí)我們也測(cè)試過(guò)這種方法了。但結(jié)果是，如果按照這么來(lái)辦，那這個(gè)機(jī)器人想要去一個(gè)地方，基本上是不可能的事了。因?yàn)樵谝粋€(gè)很擁擠的環(huán)境里，一定全都是人。如果機(jī)器人完全遵循上面的做法，它就會(huì)一直在禮讓行人，那么就哪兒也去不了，只能停留在原地。

問(wèn)：坦率的講，如果把這個(gè)機(jī)器人放在舊金山的街道上，估計(jì)會(huì)被踹好幾下。在那么擠的街道上，它又移動(dòng)地這么慢，人們是不是就怒了？

是的，我們確實(shí)想過(guò)這個(gè)問(wèn)題。但目前為止，我們還沒(méi)有想到解決辦法。我想這個(gè)機(jī)器人必須要有一個(gè)能夠進(jìn)行求救的電話功能。但打造一個(gè)這樣的機(jī)器人，其實(shí)我們想要解決的是一個(gè)“如何能在理解人類的社交運(yùn)動(dòng)后，能成功完成某項(xiàng)任務(wù)”的問(wèn)題。比如能在校園里，把某個(gè)東西從A點(diǎn)運(yùn)送到B點(diǎn)。當(dāng)然，是用一種有素質(zhì)的方式。

所以一開始我們?cè)谒固垢５男@里去用數(shù)據(jù)記錄人們的行為方式，觀察他們?cè)谛》秶奶斓臅r(shí)候是如何聚焦到一起的，以及他們是如何行走的。尤其是在早上9點(diǎn)的時(shí)候，斯坦福校園里很多學(xué)生要趕著去上課，而他們行進(jìn)的方式并不是完全隨意的。根據(jù)要去的方向，他們會(huì)形成一些很有趣的花樣。

我們收集了這些數(shù)據(jù)后，把它們注入到我們的算法中，讓算法去學(xué)習(xí)這些數(shù)據(jù)，并且著重去注入一些社交的準(zhǔn)則（social rules），比如：

• 在去一個(gè)相同的方向時(shí)，人們會(huì)傾向于跟隨其他人;

• 當(dāng)人們?cè)诹奶鞎r(shí)，你不會(huì)輕易打斷他們。

但我們給到的一些社交線索也只是比較籠統(tǒng)的，至于去具體的像什么時(shí)候要去避開兩個(gè)正在聊天的人，要從多遠(yuǎn)開始避讓，是在10英尺的地方還是2英尺的地方，這些都是需要算法去通過(guò)自己的觀察去。

問(wèn)：因?yàn)槊總€(gè)地方的風(fēng)俗都是不一樣的，所以這些機(jī)器人是每去到一個(gè)地方，就需要拿當(dāng)?shù)氐臄?shù)據(jù)去訓(xùn)練它一遍么？

這是一個(gè)很棒的問(wèn)題。我的回答是，目前我們還只能是根據(jù)地點(diǎn)的不同去一個(gè)個(gè)訓(xùn)練它們。我們需要去收集不同地點(diǎn)的數(shù)據(jù)。但就像我之前說(shuō)的，我的下一個(gè)夢(mèng)想就是希望能教會(huì)機(jī)器人應(yīng)該怎么去學(xué)習(xí)，而不是模仿訓(xùn)練數(shù)據(jù)。如果到那個(gè)階段，機(jī)器人應(yīng)該具有線上學(xué)習(xí)以及增量學(xué)習(xí)的能力。

問(wèn)：我想聽你再多說(shuō)說(shuō)之前談到的人道主義方面的問(wèn)題。你說(shuō)你希望在計(jì)算機(jī)科學(xué)中注入更多的有首人文科學(xué)的東西？

3年前，我就開始思考，其實(shí)在我的職業(yè)生涯里，正上演著兩個(gè)讓人們覺(jué)得恐慌的事件。一個(gè)是人們覺(jué)得終結(jié)者就要來(lái)臨，人工智能（AI）開始變得邪惡，我們有一天將會(huì)被這種邪惡的力量所統(tǒng)治；另一個(gè)是在我所處的STEM/AI行業(yè)里，女性的角色太少了。

當(dāng)我想清楚的時(shí)候，我發(fā)現(xiàn)其實(shí)它兩者都和一個(gè)很重要的假設(shè)有很大的關(guān)系——在開展有關(guān)科技的教育和研發(fā)的過(guò)程中，我們?nèi)鄙倭巳吮舅季S和人本使命的宣言。所以現(xiàn)在讓我們來(lái)看第一個(gè)問(wèn)題，為什么我們會(huì)認(rèn)為技術(shù)會(huì)變得邪惡？技術(shù)都是掌握在人類的手中的。

技術(shù)本身是中立的。大到核武器，小到一把能切蘋果的刀，只是在不同的人手中，才產(chǎn)生了不同的后果。因此，為了讓技術(shù)肩負(fù)起它應(yīng)有的責(zé)任并且不作惡，我應(yīng)該追求是這樣一個(gè)社會(huì)——我們的技術(shù)人員應(yīng)具有人本意識(shí)和思維，能負(fù)責(zé)任的將技術(shù)進(jìn)行恰當(dāng)?shù)氖褂谩?/p>

關(guān)于第二個(gè)問(wèn)題，為什么政府沒(méi)有投入足夠多的資金去吸引足夠多的女性進(jìn)入STEM和我所在的領(lǐng)域？我發(fā)現(xiàn)其實(shí)要去說(shuō)服女性加入這些領(lǐng)域是非常困難的。拿斯坦福的學(xué)生來(lái)說(shuō)吧，他們都是極其聰明的。幾乎來(lái)到斯坦福的每個(gè)學(xué)生，不管是本科生還是PhD，他們都非常擅長(zhǎng)分析問(wèn)題、有很好的寫作能力、關(guān)心著整個(gè)世界。我突然意識(shí)到的是，在我所處的這個(gè)領(lǐng)域（在硅谷也是），我們并沒(méi)有向社會(huì)中各行各業(yè)的人們傳遞正確的信息。

我們往往只是去推崇極客(geekiness)和書呆子(nerdiness)。當(dāng)一個(gè)擁有遠(yuǎn)大抱負(fù)的女生走進(jìn)我們的學(xué)院或者是我們的AI實(shí)驗(yàn)室的時(shí)候，她可能正在思考的是老齡化的問(wèn)題、如何治愈癌癥的問(wèn)題，以及一些其他眾多與社會(huì)息息相關(guān)的重要問(wèn)題。如果我們只是展現(xiàn)出我們對(duì)極客感興趣，喜歡去一些極客的事情，那我們就會(huì)錯(cuò)失一大批真正想將技術(shù)應(yīng)用于解決人類問(wèn)題的人。因此，我開始意識(shí)到由于我們對(duì)于人工智能中的人道主義使命的思考和關(guān)注不夠，使我們錯(cuò)失了很多去促進(jìn)這個(gè)領(lǐng)域多元化發(fā)展的機(jī)會(huì)。

在我和我之前的學(xué)生Olga Russakovsky的設(shè)計(jì)下，我們的實(shí)驗(yàn)室發(fā)起了一個(gè)讓高中女生來(lái)學(xué)校參觀兩個(gè)星期的夏令營(yíng)。我們希望能夠吸引到那些開始思考她們是誰(shuí)、她們未來(lái)想做什么的女生。創(chuàng)辦這個(gè)夏令營(yíng)，我們最希望達(dá)成的目標(biāo)有兩個(gè)。

一個(gè)是我們希望能從技術(shù)層面去激發(fā)這些在數(shù)學(xué)和計(jì)算機(jī)方面擁有天賦的學(xué)生，他們將是未來(lái)AI的領(lǐng)袖。但同時(shí)，我們想要吸引的是那些還沒(méi)有開始思考AI到底是什么的學(xué)生。他們還不了解AI當(dāng)中所蘊(yùn)含的人文使命。實(shí)際上，在暑假里，我們做了一個(gè)非常嚴(yán)格的假設(shè)測(cè)試，并寫成了一篇技術(shù)論文。

我們的夏令營(yíng)從一早就開始了，學(xué)生們會(huì)去聽非常嚴(yán)肅的講座、和TA和博士以及博士后學(xué)生們一起去探究AI方面的技術(shù)問(wèn)題。下午的時(shí)候，她們會(huì)被分成4個(gè)研究小組，每個(gè)小組都是一個(gè)有關(guān)AI的技術(shù)項(xiàng)目，比如說(shuō)計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理或計(jì)算生物學(xué)。

不過(guò)，我們?cè)诿總€(gè)項(xiàng)目中都加入了很強(qiáng)的人文陳述。舉例來(lái)說(shuō)，去年，我們開設(shè)了4個(gè)項(xiàng)目。計(jì)算機(jī)視覺(jué)項(xiàng)目通過(guò)步伐傳感器去觀察醫(yī)院的環(huán)境，幫助醫(yī)生和護(hù)士去監(jiān)測(cè)手部衛(wèi)生的情況。自然語(yǔ)言處理項(xiàng)目通過(guò)運(yùn)用在自然災(zāi)害時(shí)期Twitter上的數(shù)據(jù)，比如說(shuō)地震，進(jìn)行正確的數(shù)據(jù)挖掘工作，試圖找出能夠幫助人們進(jìn)行災(zāi)后援助的信息。

其實(shí)每一個(gè)項(xiàng)目都是非常技術(shù)的，但與此同時(shí)，她們又真切的學(xué)會(huì)了如何將技術(shù)與人類的問(wèn)題相結(jié)合。我和我的兩個(gè)本科學(xué)生、一個(gè)博士學(xué)生組成了一個(gè)研究小組，我們針對(duì)以下的這個(gè)假設(shè)設(shè)立了一個(gè)非常嚴(yán)格的評(píng)估項(xiàng)目：人道主義是否能夠增強(qiáng)人們對(duì)AI的興趣？結(jié)果我們發(fā)現(xiàn)在數(shù)據(jù)層面，這些女生對(duì)于這個(gè)話題的興趣在項(xiàng)目開始前后有巨大的不同。相關(guān)的論文將會(huì)發(fā)表在計(jì)算機(jī)科學(xué)和教育大會(huì)上。今年我們還會(huì)開展這個(gè)項(xiàng)目，我們也真的希望它能成為一個(gè)長(zhǎng)期存在。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。