美国播客节目《指数视角》专访李飞飞：疫情、 AI 伦理、人才培养
内容提要：李飞飞近日参与了由《哈佛商业评论》出品的播客节目《Exponential View 指数视角》，作为嘉宾接受了科技媒体人 Azeem Azhar 的访问，介绍了 HAI 实验室近期在医疗 AI 方面的研究，并探讨了人工智能在隐私、道德伦理上的问题。
原创：公众号 HyperAI超神经
关键词：李飞飞 医疗 AI 隐私 机器价值
斯坦福大学计算机科学教授、美国国家工程院院士、业界公认女神李飞飞，近期做客《 Exponential View 指数视角》播客。
《 Exponential View 指数视角》播客是媒体人 Azeem Azhar 与《哈佛商业评论》联合出品的科技主题的播客节目。
在国内大力推行区块链技术的爱沙尼亚总统 Kersti Kaljulaid 、微软总裁 Brad Smith、纳斯达克 CEO Adena Friedman 等，都是该播客的近期访问嘉宾。
李飞飞与主播 Azeem Azhar 围绕 AI 技术与应用，从 AI 愿景到目前专注于AI 医疗的历程，再到 AI 技术所面临的隐私、道德伦理问题等，一一进行了深入探讨。
30 分钟的对话，干货着实不少。一起来看看 AI 女神最近有什么思考，她又是如何看待人工智能技术的热点问题。
1. 人工智能技术能够帮助老年人更独立、更健康地生活，早期发现 COVID-19 感染迹象
使用 AI 驱动的智能传感器技术，可能有效减少老年人 COVID-19 的感染和病死率。
利用非接触式的传感器，如深度传感器、热传感器，能够进行体温测量，并监测老年人饮食模式、上厕所模式、睡眠模式等的改变，以及孤独、痴呆症的早期检测等等。
2. 技术发展的同时，要顾及隐私尊重与保护
每一步的技术发展，尤其是以人为中心的技术，都需要在过程中考虑隐私、尊重与尊严的问题。即使因此会给技术带来更大的难度与挑战，也不能因此而不考虑人文方面的诸多因素。
3. 在学生学习代码与算法之前，让他们先融入生活
在 AI 技术发展早期，技术专家们并未考虑到技术的迅猛发展，会对当今人类社会造成什么影响。
基于历史经验，李飞飞认为今后应该更多地将技术与人文因素联系起来。比如斯坦福 HAI 的课程设计中，就将科学与人文两方面的内容都融合起来，既有纯技术内容的课程，也有 AI 的原则、算法的政治、伦理学等内容。
4. 机器的价值观反映了人类的价值观，因此人类负有道德责任
机器的价值观正是人类的价值观的映射。技术的发展与应用是依赖于人类的，因此人类负有道德责任。技术专家应该从所有利益相关者的角度去看问题，而不仅仅是自己的视角，从而消除技术的偏见。
5. ImageNet 的诞生：源于正确的方法与路径
ImageNet 不仅对计算机视觉，更是对整个人工智能领域都产生了巨大影响。而李飞飞表示，ImageNet 的诞生，源于团队在当时现有研究基础上，正确定义了方法以及关键路径。
6. AGI（强人工智能）的到来自然而然，与人类相互促进
强人工智能从 AI 诞生之初就已有这个诉求，因此它的到来自然而然。而为了避免 AGI 被人类的智慧边界所限制，科学家们应该被允许去做更大胆的尝试，不断创新突破自我极限，并与 AGI 相互促进、启发，实现双向发展。
我们对内容进行了翻译与整理，以下为完整版。
李飞飞：疫情让我用 AI 帮助和保护老年人
Azeem Azhar：我们知道，你的研究实验室都是围绕着机器学习和人工智能的人才。其中一些技能似乎与解决 COVID-19 这种疾病以及它所产生的一些影响非常相关。请问你们的实验室是如何参与到这其中的？
李飞飞：其实早在八年前，我们就已经意识到计算机视觉和智能传感器、设备已经进入了一个阶段，我们可以开始解决一些现实世界的问题，尤其是我非常感兴趣的卫生保健问题。
因此，我们一直在试验一些关于非接触式传感器的研究，试着理解与临床结果相关的人类行为。
其中一个引起我们注意的主要领域是世界人口老龄化问题——我们如何帮助老年人更独立、更健康地生活？所以我们的研究与临床和家庭支持都有关。
具体地，比如包括体温测量 、饮食模式的改变，以及对上厕所的模式、睡眠模式还有孤独、痴呆症的早期检测等等。
所以，当 COVID-19 疫情爆发时，我很早就注意到了老年人的看护问题。因为我有两个年迈父母，我也很担心他们。
从数据统计中，我们惊恐地看到独居者的脆弱性和死亡率更大，因为独居者们不仅从免疫系统的角度来看更加脆弱，而且他们中更多人基本的健康状况都受到影响，因为他们没办法去诊所看医生。
我们就想，能不能加速这项技术，把它带到老年人的家里和社区，这样我们一方面可以帮助早期发现 COVID-19，比如体温变化、感染的迹象。
Azeem Azhar：那么可以介绍下你们所研究的是哪种传感器吗？这项工作需要哪些数据？
李飞飞：我们目前正在使用和试点的传感器有两种。
一种是深度传感器，比如我们玩 XBox 的视频游戏时，就会用到这种传感器。它不需要看到玩家就能获取距离信息。
另一种是热传感器，研究的是温度变化或行为。如果你长时间坐在沙发上不运动，你的饮食频率和液体摄入就会进入睡眠模式，这种传感器就能够监测得到。
技术发展与隐私问题之间的权衡
Azeem Azhar：我见过类似的项目，比如大家喜欢高清相机，它的高分辨率可以让人们看到面部细微的表情。
但是，随着这种高清技术的出现，它可能会具有侵入性，可能被滥用。在你们研究传感器过程中，都需要哪些参数呢？
李飞飞：我们所研究的任何传感器，都会处理隐私问题和尊重人类，我们正与伦理学家和法律学者合作研究隐私问题。
而顾及到隐私问题，深度传感器就会丢失数据和高保真度、高分辨率的像素着色数据。那么，我们如何弥补这个问题呢？
我们实验室正在进行计算机视觉研究，可以在没有 RGB 高清摄像头数据的情况下，理解人的姿态细节。
Azeem Azhar：在你能得到的数据的保真度和质量以及隐私侵入性之间，是否存在折中？这是必要的权衡吗？它是一种基本的公理化权衡系统吗？
李飞飞：这是个很好的问题。我认为总是会有考虑的。
我们每一步的技术发展，尤其是以人为中心的技术，隐私、尊重、尊严方面，不应该是事后才考虑。所以，从这个角度来说，我们会折中。如果我们不能使用某些信息，就会给技术带来更大的挑战和更多的机会。
李飞飞：我的学生，需要懂技术也要理解场景
Azeem Azhar：您目前所在的是斯坦福以人为本人工智能研究所 HAI，能否介绍一下，作为一个人工智能研究机构，它与你之前工作的团队或其他更传统的人工智能机构有什么不同？
李飞飞：在这里，让我兴奋的是，从一开始，我们的基因中就带有的抱负，就是让我们的研究所（HAI），成为一个真正的跨学科研究和教育机构。
我们的联合创始人来自计算机科学、哲学、经济学、法律、伦理、医学等各个领域。20 年前，当我还是一名博士生的时候，我做梦也不会想到，我自己的好奇心，会成为未来改变人文科学和社会的一股力量。
所以，当我意识到这一点，我个人产生了一种巨大的责任感。
Azeem Azhar：在科学实验室和工程实验室，特别是计算机科学，它们和人类特征化的东西之间一直存在着脱节，你会如何解释这种脱节造成的一些后果？
李飞飞：说起来，这也是我个人成长的一个历程。我记得 2000 年，我在加州理工学院读博士一年级的时候，读的第一篇研究论文是一篇关于人脸检测的开创性论文。
我导师说，这篇论文是一篇非常棒的机器学习论文。它展示了使用非常慢的 CPU 芯片，进行实时的人脸检测。
如今回过头来看，当年我的导师、同学读完论文，从来没有人，甚至连我自己，都没有考虑到这和人类隐私有什么关系。
说明这些技术的发展早期没有考虑到这一点。但过去没考虑到，是我的问题吗？可能并不是。
我们做梦都没有想到这个技术的影响会有多大，但是今天我们看到了这些后果。
Azeem Azhar：没错，这是一个非常重要的观察。这让我想起 1959 年 C. P. Snow （英国科学家、小说家）一个著名演讲，叫做《两种文化》。
他讲道，一般的学者是多么了解莎士比亚，却对热力学第二定律一无所知。而知道第二定律或热力学的学者，却对莎士比亚一无所知。如果没有共同的知识，我们就不能用智慧去思考。
如今，你似乎在这两种文化之间架起了一座桥梁。
李飞飞：对我来说，这是个双螺旋，我们认为下一代的学生应该是「双语」的——技术和人文，这两种学科都要学习。
过去几年里，在硅谷有一件事让我印象深刻，那就是年轻的技术专家告诉我，他们没有接受过这样的知识教育。
当他们现在从新闻中听到，甚至看到他们自己公司生产的产品，正面对这些对人类影响的问题时，他们都会感到非常恐惧。他们甚至不知道去思考自己的角色是什么，如何让世界变得更好。
Azeem Azhar：所以我的经验是，尽量别把学生看成研究者，而是把他们看成产品经理、开发者和创业者。
我想给大家介绍一下 HAI 有一些课程，真的是非常科学的。比如知识图、理论神经科学、机器学习和因果推理。然后另一方面，还有算法的政治、伦理学、公共政策、技术变革、数字公民社会、设计人工智能来培养人类的福祉。
所以，我很好奇，你有什么创新的方式，来将这两方面很不相干的学科领域结合起来？
李飞飞：我的学生大多是来自计算机科学背景的硕士和博士生。当他们加入到我们 AI 医疗保健团队中时，只有一项基本要求——在讨论代码与算法之前，先融入医护人员的日常生活。
他们需要进入 ICU、病房、手术室甚至是医护人员 / 患者家中，了解这些人的生活方式并跟他们的家人面对面接触。
所以，这只是一个小小的例子。但是 HAI 在各方面都在做这个事情。
技术是中立的吗？
Azeem Azhar：我听到有两类说法，有些人说，技术在伦理上是中立的，它就像一颗行星绕着一颗恒星转一样。
但还有一些人说，技术在某种意义上说，是依赖路径的，是在特定的结构和接触、偏见、特权和观点中演化出来的。因此，技术从来都不是中立的。
你认为这两种观点中，哪一种更正确？
李飞飞：所以恒星不是人类制造的，而科技是。
所以我确实相信，有一句话：没有独立的机器价值。机器的价值是人类的价值。科学规律有其自身的逻辑和美感，没有人类的偏见。但是技术的发明创新和技术的应用是非常依赖人的，我们都有这个道德责任。
Azeem Azhar：比如当你在成立这个研究所的时候，你有着来自于斯坦福的背景，你自己也是一个多元文化的人，那么你怎么看待斯坦福等这些背景？
李飞飞：我想说，还是责任感。从早期的斯坦福大学领导层开始，我们就认识到责任感的重要性。
这就是为什么 HAI 得到了这么多的支持。因为我们清醒地认识到，我们的角色不仅仅是在技术上的创新，而是要利用技术为人类社会带来繁荣，包括艺术、音乐、人文科学，以及社会科学、医学、教育等。
ImageNet：彻底转变图像识别
Azeem Azhar：再聊聊你的项目 ImageNet。我认为它对当下人工智能投资和应用的热潮中是非常关键的。ImageNet 提醒了人们，数据对于 AI 发展的重要性。你有没有想过，这可能是你在 2006 年开始做这个的时候带来的影响？
李飞飞：我觉得完成 ImageNet 的项目过程更让我兴奋，我和其他大多数科学家一样，对于知识都有追求和好奇心，不仅限于关注我们提出的想法会产生多大的影响。
Azeem Azhar：这很了不起。从本质上说，你做了很多繁重的工作来对图像进行分类，才创造了一个干净的数据集，人们才可以把他们的算法应用在上面。
而在 2012 年之前的几年里，每年大约有 3 亿美元的资金投入到人工智能创业公司，ImageNet 对人工智能创业环境产生了巨大的影响。
李飞飞：首先，我很惭愧受到这些褒奖，也很感谢你把这些功劳归功于 ImageNet，我想历史和时间最终会判断我们的贡献，但我们的确为这些工作感到很自豪。
Azeem Azhar：现在回想 2011 年、2012 年的图像识别技术发展，但也远没有我们今天的图像识别那么厉害。现在您作为这个领域的科学家，如何解读这些年来的变化？
李飞飞：ImageNet 正是诞生于「彻底转变图像识别」的这个愿望，我们当时提出的想法和很多科学发现没有太大区别， 我们非常希望能够建立一个能够真正推动视觉智能研究的北极星（NorthStar），让我们能够定义用何种办法解决大规模物体分类，并且解决这个问题。
我们也的确成功地找出了这个办法，当然，我们也是站在巨人的肩膀上，并不是凭空想出了这个办法。正因为有着前三十年认知神经科学的研究和计算机视觉的研究。
李飞飞眼中的通用人工智能（AGI）
Azeem Azhar：对于大众和媒体，近来经常提及通用人工智能，或者说强人工智能，对你来说 AGI 有什么意义？
李飞飞：当我最初读人工智能奠基人图灵的《机器会思考吗》，AGI 强人工智能这个概念，也是自人工智能诞生之初就有诉求。所以我觉得强人工智能的诞生是自然而然的。
Azeem Azhar：我很好奇的是，当我们在思考 AGI 强人工智能时，会不会陷入人类中心主义的陷阱？比如第一种是我们通过工程化的方式实现人工智能；第二种是我们推动机器理解我们的规则，导致机器智能的边界，其实就是人类智慧的边界。
李飞飞：所以，我觉得应该允许科学家做更大胆的尝试。牛顿在看星星的时候，人类还没有用上电力，但是我们要尊重历史过程中所有的努力。
从人类智能的角度来说，更让我兴奋的是，我们的工作，让人工智能、脑科学和认知科学产生了融合。所以在斯坦福大学我们 HAI 的三大原则之一就是：通过人类启发智能。这些发展也都是双向的，我们推进对人类认知和人脑的理解，也从中学到更多的东西来提高我们对人工智能的发展。
Azeem Azhar：算法能做的事情比人类要多得多，但现在还处于初期。当你展望 15 年、20 年、30 年后，你认为我们的人工智能系统的决策能力会怎样？
李飞飞：首先对于科学的好奇心，是我们继续推动创造创新的智能机器的动力。想要让机器智能更加接近人类智能的话，就是我们本身作为人类，具备人性，能帮助机器更好地与人类交互。如果机器能够理解人类，能够像人类一样思考。
但是同样，这种发展不能没有边界。人类一直创新的方式就是，突破自己的极限。比如，我们没有汽车、马车跑得快，但是我们能够创造这些工具扩展和增强我们的能力，甚至超越我们的能力。
有时创新也不只是突破，创新是复制出人类类似的能力，通过替代人力解决问题。但不管是哪一方面，在我们推进这项技术的同时，边界必须要有。
Azeem Azhar：谢谢，李飞飞博士，谢谢你愿意抽出时间来参与我们的节目。
版权声明: 本文为 InfoQ 作者【神经星星】的原创文章。
原文链接:【http://xie.infoq.cn/article/f38f9673bab5ae67a8b6159ab】。文章转载请联系作者。
不自由，很枯燥 2020.04.28 加入
探索人工智能新场景
评论