李飛飛ACM訪談：計算機視覺和神經(jīng)科學(xué)，以及如何增加這一領(lǐng)域的多樣性

本科物理、博士電子工程，還研究過一年藏藥的李飛飛最終卻一頭扎進了人工智能的浪潮。在 ACM 的一次訪談中，斯坦福大學(xué)教授李飛飛談到了自己在計算機視覺和神經(jīng)科學(xué)之路上的探索歷程以及未來的目標(biāo)。

斯坦福大學(xué)的教授李飛飛在距今最近的一次人工智能寒冬期間開始了她的職業(yè)生涯，但是她提供了一個幫助寒冬解凍的想法。通過創(chuàng)建包含一千五百萬張圖像的層級組織圖像數(shù)據(jù)庫 Image-Net，她證明了豐富的數(shù)據(jù)集在開發(fā)算法方面的重要性——并發(fā)布了一項競賽，使得 Geoffrey Hinton、Ilya Sutskever 和 Alex Krizhevsky 在深度卷積神經(jīng)網(wǎng)絡(luò)方面的工作得到了廣泛關(guān)注。最近被評為ACM fellow的李飛飛如今主管著斯坦福人工智能實驗室（Stanford Artificial Intelligence Lab）和斯坦福視覺與學(xué)習(xí)實驗室（Stanford Vision and Learning Lab），致力于開發(fā)能夠使計算機和機器人會看、會思考的智能算法。在本次采訪中，她談到了計算機視覺和神經(jīng)科學(xué)，以及如何增加這一領(lǐng)域的多樣性。

記者：您的本科專業(yè)是物理學(xué)，您的博士研究方向是電子工程。是什么吸引您進入計算機視覺和人工智能領(lǐng)域的呢？

李飛飛：在普林斯頓讀本科的時候，我有很大的學(xué)術(shù)自由。上大二那一年，我就為 20 世紀(jì)早期物理學(xué)家的著作而著迷——薛定諤、愛因斯坦等人在職業(yè)生涯的后期都對生命和智能有很強的好奇心。然后我做了幾個關(guān)于神經(jīng)科學(xué)和建模的研究項目；我被迷住了。我決定攻讀結(jié)合認(rèn)知神經(jīng)科學(xué)和計算機視覺的博士學(xué)位——我們那時還不管它叫 AI。

那是在所謂的 AI 寒冬時期，當(dāng)時的人們意識到技術(shù)沒有達(dá)到他們炒作的高度，于是對 AI 的興趣和投資都冷卻下去。

那時候我正在博士學(xué)習(xí)階段，確實是一段有趣的時間。機器學(xué)習(xí)在計算機視覺領(lǐng)域成為了一個非常重要的工具，所以我也屬于那一代在這個學(xué)科領(lǐng)域接受了大量訓(xùn)練的學(xué)生。

記者：那種訓(xùn)練有助于明確一個后來被證明對人工智能領(lǐng)域非常關(guān)鍵的思想，即創(chuàng)建更好的數(shù)據(jù)集能夠幫助計算機做出更好的決策。這促使您建立了 ImageNet 這個層級組織的圖像數(shù)據(jù)庫，其中每一個節(jié)點都由成百上千張圖片描述。

李飛飛：在人工智能領(lǐng)域，有一些每個人都會遇到的重要問題；我們稱其為「圣杯問題」。其中之一就是目標(biāo)理解，它是視覺智能的構(gòu)造模塊。人類特別擅長識別成千上萬甚至上百萬的目標(biāo)，而且依據(jù)常識就能不費吹灰之力地做到。所以我在博士階段以及作為助理教授的前幾年和領(lǐng)域內(nèi)的很多人一起研究過這個問題。那個時期，人們付出了巨大的努力來設(shè)計能夠識別物體的機器學(xué)習(xí)算法。我們也必須尋找合理的方式來測試它們的性能。那時候也有一些很好的數(shù)據(jù)集，但是通常都比較小，只有一二十種不同的物體。

那時候數(shù)據(jù)集很小，限制了能夠開發(fā)的模型類別，因為沒辦法訓(xùn)練出能夠識別多樣性的算法，即使是像「貓」這樣的單個對象。

盡管人們在那個年代一直在取得進步，但是這個領(lǐng)域似乎陷入了困境，因為算法無法令人滿意。所以大約在 2006 年左右，我的學(xué)生和我開始思考解決目標(biāo)識別問題的不同方式。我們認(rèn)為，與其設(shè)計出在小規(guī)模數(shù)據(jù)集上過擬合的模型，我們更愿意考慮規(guī)模非常大的數(shù)據(jù)集，例如上百萬個對象，這將推動機器學(xué)習(xí)模型朝著完全不同的方向發(fā)展。

記者：所以您開始了 ImageNet 的工作，這在那個時候看上去很瘋狂。

李飛飛：我們的目標(biāo)是整理出英語語言中的所有名詞，然后采集成百上千張圖片來描述每一個對象的變化，例如蘋果或德國牧羊犬。我們最后下載并篩選了至少十億張圖片，最終通過眾包將 ImageNet 整合在一起。這個數(shù)據(jù)集有 1500 萬張圖片，22000 個物體類別。

記者：在斯坦福視覺和學(xué)習(xí)實驗室的研究中，您不僅僅與技術(shù)專家密切合作，與神經(jīng)科學(xué)家也有合作。您能談一談這種合作是如何進行的嗎？

李飛飛：從根本上來說，AI 是一個技術(shù)領(lǐng)域。它的最終目標(biāo)是賦予機器以智能。但是由于人類的智能與這個領(lǐng)域有如此緊密的關(guān)聯(lián)，因此擁有神經(jīng)科學(xué)和認(rèn)知科學(xué)的背景和合作者非常有幫助。以今天的深度學(xué)習(xí)革命為例，我們今天在神經(jīng)網(wǎng)絡(luò)中所用的算法正是受到了上世紀(jì)五六十年代關(guān)于神經(jīng)科學(xué)的經(jīng)典研究的啟發(fā)，那個時候科學(xué)家發(fā)現(xiàn)神經(jīng)元是以分層的方式連在一起的，并且以這種方式發(fā)送信息。同時，認(rèn)知科學(xué)一直是指引 AI 尋求不同種類的任務(wù)的重要組成部分。例如，很多計算機科學(xué)家都在其啟發(fā)之下進行目標(biāo)識別的研究，因為認(rèn)知科學(xué)家已經(jīng)在這方面做了一些工作。

「我們的目標(biāo)是整理出英語語言中的所有名詞，然后采集...... 圖片來描述每一個對象的變化，例如蘋果和德國牧羊犬?！?/p>

記者：您目前的交叉學(xué)科合作之一就是一個實現(xiàn)了好奇心驅(qū)動學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。

李飛飛：人類的小孩通過對世界的探索進行學(xué)習(xí)。我們嘗試創(chuàng)建具有這些功能的算法——計算機由好奇心來驅(qū)動，而不是在類似于有標(biāo)簽的圖像一樣的傳統(tǒng)任務(wù)進行訓(xùn)練。

記者：您之前講過需要從人文角度來思考人工智能，而不是僅僅從技術(shù)角度去思考，而且您也幫助啟動了斯坦福大學(xué)以人為本的人工智能倡議（HAI）。您能否談?wù)勛约旱哪繕?biāo)呢？

李飛飛：我們希望建立一個致力于增強人類能力的技術(shù)的研究所。以機器人為例，機器能夠做人類不能做的事情。機器可以去危險的地方。它們可以潛入到深水區(qū)，去拆除爆炸設(shè)備。機器也擁有人類沒有的精確度和力量。但是人類有更多的穩(wěn)定性和理解力，并且能夠更容易地與彼此合作。

我們可以想象未來很多潛在的場景，在這些場景中，機器人在輔助或者增強人類的工作，而并非取代他們。

記者：您也一直在談?wù)撔枰谟嬎銠C科學(xué)和人工智能研究中加入更加多元的聲音。

李飛飛：如果我們相信機器的價值代表了人類的價值，我們就需要相信我們完全代表了人類，因為我們開發(fā)并部署了我們的技術(shù)。所以鼓勵具有不同背景的學(xué)生參與到這個領(lǐng)域是很重要的。此刻，意識到技術(shù)的社會影響力在提升同樣重要。此時的風(fēng)險高于以往任何時候，因此我們也需要邀請具有不同背景的未來商業(yè)領(lǐng)袖、政策制定者、人本主義者、社會科學(xué)家，使他們具備技術(shù)背景，與科技界進行互動，將多元的思想引入這個過程中。

記者：您能給我講講斯坦福大學(xué)為高中生開設(shè)的 AI4All 項目嗎？聽說它來源于斯坦福大學(xué)人工智能實驗室的早期外展暑期計劃（SAILORS）？

李飛飛：AI4ALL 的目標(biāo)是通過針對來自各種經(jīng)濟和文化背景的學(xué)生來增加人工智能領(lǐng)域的多樣性。這是一個我們感到非常自豪并且非常樂意支持的社區(qū)。名叫 Amy Jin 的高中生是我們最早的 SAILORS 學(xué)生之一，她在我的實驗室持續(xù)做關(guān)于手術(shù)培訓(xùn)視頻的工作。然后，她就和我的團隊一起撰寫了一篇論文，并最終被 NIPS2017 選中。更重要的是，她在 150 篇論文中獲得了最佳論文獎。我們還有學(xué)生在他們的學(xué)校啟動了機器人實驗室，舉辦以女孩為中心的黑客馬拉松。他們中的很多人正在專注于將 AI 用于良好的社會用途的應(yīng)用，從優(yōu)化救護車部署到癌癥研究和網(wǎng)絡(luò)欺凌。