发展人工智能应该以人为本详解程序员

美东时间三八妇女节的前一天，著名华人女科学家李飞飞在《纽约时报》网站上发表了一篇题为《How to Make A.I. That’s Good for People》（如何打造更加人性化的人工智能）的文章。

李飞飞是斯坦福大学计算机科学教授，领导斯坦福大学人工智能实验室，同时担任 Google Cloud AI 研究机构的首席科学家。

在文章中，李飞飞表示人工智能将会是下一轮工业革命最大动力之一。但是她又担心人们对于人工智能的热捧将会影响自身的判断力。

同时提出，发展人工智能也应该以人为本，并且包含三个目标：

• 首先，智能机器需要更多地反映人类智能的深度。

• 第二，AI 应该增强、辅助人类，而不是取代人类。

• 第三，确保在每一步中正确地引导人工智能技术的发展，并密切关注其对人类产生的影响。

最后，李飞飞表示，没有哪项技术，能像人工智能一样会“反噬”自己的创造者，但无论结果如何，我们都要承担起这份责任。

以下是李飞飞在纽约时报上发表的专栏全文，AI 科技大本营编译：

十年前，人工智能还是个除学术界外并不为人知的领域。这十年里，人工智能的发展速度令人瞠目结舌。从硅谷到北京的科技公司正在赌一切，风险投资家正在为其研究和开发掷下重金，众多人工智能的创业公司正在逐渐形成，并得到多方的融资。如果说我们已经走进了下一轮的工业革命时代，那么相信人工智能将会是其最大动力之一。

对于像我这样的研究人员来说，身处这样一个时代是多么令人兴奋。在 21 世纪初，当我还是计算机科学专业的一名研究生时，那时候的计算机几乎还无法检测照片中的锐利边缘，更不用说识别一些人脸的图片。但是，随着大数据时代的来临，神经网络等算法的进步和大量强大的计算机硬件的出现，计算机的角色也在发生重大的改变。人工智能技术也逐渐从学术领域走向了包括制造业，医疗保健，交通运输和零售在内的广泛行业，并对这些行业的变革起着决定性的作用。

人工智能这项技术是由人类自己创造出来的，它确实是存在的而并不是任何“虚构”的东西。然而，随着它的发展，我担心的是人们对于人工智能的过度追逐和热捧将会影响我们的判断力。我们创造这样一个用来模拟人类行为并影响人类未来生活方式的技术，当然希望它能够在现实世界中发挥积极的作用，也希望它能够以人类的需求为指导。

我将这种方法称为“以人为本的人工智能”。它包含三个目标，这也有助于智能机器的发展。

首先，智能机器需要更多地反映人类智能的深度。考虑人类视觉感知的丰富性，它是非常复杂，有深度的上下文关系，并且能够自然地将我们对显而易见的认识与对细微差异的敏感性平衡起来。相比之下，目前智能机器的感知能力仍然十分狭窄。

有时候这种差异是微不足道的。例如，在我的实验室中，图像描述算法将两张青铜雕塑照片中的内容描述为“骑马的人”，但没有注意到事实上这两人都是青铜雕塑。其他时候，这种差异性就显得更加的突出。例如，用同样的算法描述彩虹下大草原上放牧的斑马图像，虽然这个描述在技术上是正确的，但它缺乏审美意识，也无法做到像人一样有着自然欣赏的活力或审美的深度。

这可能看起来像是一种主观上的或无关紧要的批判，但它反映出的一个主要问题就是机器还无法像人类一样自主地进行深度感知。我们期望机器能够预测我们的需求，但目前看来它还无法对人类做出一些深度的贡献，也没办法洞察出人类经验中的一些模糊的概念。

让智能机器对人类思想产生深度感知并非一件易事。解决这个问题，需要的不仅是计算机科学领域的能力。这就意味着程序员需要学习其他相关领域的知识，并与各领域的专家进行更频繁地协作。

这种合作意味着我们要追溯到人工智能领域的根源，而不是背离它。年轻的人工智能学习者可能会惊讶地发现，如今深度学习算法的原理起源可以追溯到 60 多年神经科学研究人员 David Hubel 和 Torsten Wiesel ，他们发现了在猫视觉皮层中，神经元的层次结构是如何响应刺激。

同样地，我们建立的 ImageNet 是一个由数百万训练照片组成的庞大数据集，它有助于推动计算机视觉的发展。追溯 ImageNet 数据集的起源，它的建立最初是基于一个名为 WordNet 的项目，该项目由认知科学家和语言学家 George Miller 于1995年创建，旨在构建英语的语义概念数据库。

将人工智能与认知科学，心理学甚至社会学等领域重新关联起来，将为我们提供更加丰富的基础知识，从而为智能机器的发展奠定更深远的基础。

我们可以期望人工智能技术的最终目标能够让机器进行更自然地协作和交流，这也将帮助我们实现以人为本的第二个目标：增强、辅助人类，而不是取代人类。

想象一下人工智能在未来扮演的角色。它可能会在未来的医学手术中发挥作用，但这不一定是让机器完全代替医生，自主地进行一场手术，实现完全自动化过程。相反，将智能软件和专用硬件结合起来可以帮助外科医生在保持自身专业优势的情况下，如灵活性和适应性等特征，同时适应繁重的现实任务需求，并避免一些因人为的疲劳、分心而引发的错误。

不仅如此，在人类高级护理方面，机器人可能永远无法成为老年人的理想监护者，但智能传感器已经展现出不错的前景。通过自动监测药物剂量和安全检查表，智能传感器可以帮助人类看护者更多地关注老年人的身体状况及护理状态。

以上这些都是可以通过自动化技术来实现的，但同时也是重复性、容易出错甚至是危险的案例。而在需要创造力、智力或情感的其他领域中，人类仍然还是起着主导作用，这是目前机器所不能替代的角色。

但是，对于一些不需要任何创造力的领域，智能机器的出现将可能替代劳动力，导致人类工作机会的流失。面对这种威胁，解决这一问题也是为了实现以人为本的第三个目标。我们要确保在每一步中正确地引导人工智能技术的发展，并密切关注其对人类产生的影响。

如今，对劳动力将被机器替代的焦虑只是一个开始，包括机器学习对弱势群体的偏见，人工智能对数据的偏好及其与个人隐私权之间的紧张关系，以及全球智力竞赛的地缘政治影响等问题在日后还将慢慢地浮现。

面对这些挑战并想要充分解决它，我们需要一些社会组织、机构的共同努力。首先，大学的独特定位应该是通过跨学科项目、课程和研讨会来促进计算机科学与一些原本不相关的部门，如社会科学甚至人文科学之间的联系。其次，各国政府也应作出更大的努力，鼓励并普及计算机科学教育，特别是针对那些被人工智能视为弱势群体的年轻女孩，少数种族和其他群体。此外，各大型企业、公司应该权衡其对智能算法投资的优先性与人工智能伦理道德的重要性之间的关系，将二者结合起来，综合考虑自身的发展与对社会责任之间的关系。

没有哪项技术，能像人工智能一样会“反噬”自己的创造者。有人说，机器价值实际上是不存在的；所谓的机器价值，不过就是人类的价值。以人为本的人工智能，意味着这些机器不是作为人类的竞争对手，而是作为人类的助手、合作伙伴，帮助人类实现更好的未来。同时，无论我们的技术如何发展，它对世界的影响如何，不论最终的结果会怎样，我们都要承担起这份责任。

––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––