我看見的世界(84)_李飛飛

八四

　　很多合作都改變了我對未來可能性的思考，其中一次合作尤其重要。十年前，我第一次見到約翰·埃切門迪，當時他還是大學教務長，而我則是來自東海岸的移民，正癡迷於尚未完成的ImageNet。在接下來的幾年裡，我們成了鄰居和朋友，我對他作為學者的深厚學識也愈加敬佩。不僅如此，在多年的管理生涯中，約翰對高等教育領域的內部運作方式（好的、壞的，甚至是卡夫卡式的）也積累了豐富的專業知識。他完全知道如何才能把斯坦福HAI那些看似不太可能實現的願景變為現實。對於以人為本的人工智能，他不只是嘴上講講，也不只是宣揚其優點，而是要一磚一瓦地傾心構建。因此，當他同意擔任斯坦福HAI的聯合主任，與我並肩作戰時，我知道我們的確有機會讓研究院取得成功。

　　在我們的合作成果中，我個人最喜歡的是國家研究雲計劃（National Research Cloud，NRC）。國家研究雲是一個完全由公共資金和資源（而非營利部門）支持的共享人工智能開發平臺，目標是讓全世界的學者、初創企業、非政府組織和政府都能開展人工智能研究，從而確保我們的領域不會永遠被科技巨頭或者我們這樣的大學所壟斷。

　　兩年前，國家研究雲平臺還只是個想法而已。如果沒有斯坦福HAI，它可能會永遠停留在理念的層面。斯坦福HAI包括了法律和公共政策專家的多元化團隊把這一概念變為使命。特別是約翰，他利用自己職業生涯累積的寶貴人脈資源，招募全國各地的大學組成聯盟，這是我在學術界見過的最了不起的聯盟。經過了一系列的思想交流、建議磋商、跨國飛行和理性辯論，他很快就形成了完備的立法藍圖，並將其提交給了國會。要使人工智能成為真正具有包容性的追求，我們還有很長的路要走，但國家研究雲平臺這樣的成就是朝著正確方向邁出的重要步伐。

　　※

　　2020年9月，在距離我們初次對話近十年後，我和阿尼發表了題為《用環境智能照亮醫療保健的黑暗空間》的論文，對我們的研究進行了全面的回顧，並介紹了我們對智能傳感器的完整構想。智能傳感器可以擴展醫生和護士的感知範圍，幫助他們以前所未有的規模和一致性應對醫療保健環境中的混亂狀況。

　　論文描述了環境智能在醫院的各個場景中可以發揮的作用，包括改善老年人護理、協助慢性疾病管理、識別精神疾病症狀、在整個手術過程中跟蹤手術工具的使用、在整個輪班過程中提高臨床醫生的衛生狀況等等。論文沒有發表在專注於計算機科學、人工智能或信息處理的期刊上，而是登上了《自然》雜誌——這也許是整個科學領域最傑出的一大期刊。這提醒我們，最好的研究往往不是在我們各自領域的象牙塔中孤立完成的，而是在科學的整體共享空間中實現的，研究人員應該毫不猶豫地在全球範圍內展開跨學科合作。

　　我為這項工作深感自豪，但前路依然漫漫。就在《自然》雜誌發表這篇論文的幾個月後，12月份的《柳葉刀》（TheLancet）雜誌發表了一篇題為《在醫療機構中使用環境智能的倫理問題》的反駁文章。這篇文章直言不諱、推理透徹，對我們工作的意義進行了公正而嚴謹的審視。用作者的話來說，環境智能在提升醫療服務水平方面的潛力與「一系列倫理問題」同時存在，其中很多問題涉及大規模的數據收集和新的隱私隱患等方面。文章還進行了更深入的哲學探討：在這種沉浸式、分散監控技術的環境中，知情同意的本質究竟是什麼？雖然讀到對自己研究成果的評論文章總會讓人心裡頗不是滋味，但這篇文章中呈現的正是人工智能所需要的倫理論述，我對其中的大部分內容深表贊同。

　　環境智能很可能永遠是我實驗室的研究重點之一。每當我看到父母，就能想起為什麼這項研究對我來說如此重要。正因為如此，即使是現在，我也會每天抽出時間來瞭解最新的實驗、試驗和監管動態。過去幾年，人工智能領域在物體識別方面取得了許多突破，針對照片甚至視頻生成的描述已與真人無異，發展速度之快令人窒息。然而，回顧過去，一條共同的主線越來越難以忽視：儘管技術非常先進複雜，但其本質都是被動觀察；無論具體形式如何，其實都是算法在告訴我們它看到了什麼。我們的模型學會了觀察，有時觀察得非常細緻、非常準確，但也僅此而已。我最近常常思考，除此以外，一定還有什麼更有意義的事情。

　　※

　　咖啡時間結束了，我和一個學生手裡拿著帶蓋紙杯，走回實驗室。

　　「嘿，你還記得幾年前你第一天上課時問了我一個什麼問題嗎？我很好奇你是不是一直記得。」

　　「對，我還記得。」他微笑著回憶道，「我問你倫理和人工智能有什麼關係。」

　　「怎麼樣？」我報以微笑，「你覺得自己找到答案了嗎？」

　　他歎了口氣，抬頭望著天空，耀眼的光彩正在漸漸褪去，天色傍晚。

　　「說實話嗎？還沒有。我肯定思考過這個問題，不想是不可能的。新聞上天天都在報這些事。我甚至還上了賴克教授的課。」

　　他指的是「計算機、倫理和公共政策」這門課，課程是由計算機科學家邁赫蘭·薩哈米（Mehran Sahami）、政策學者傑裡米·溫斯坦（Jeremy Weinstein）和政治學家、倫理學家羅布·賴克共同開設的（賴克仍然是斯坦福HAI的創始貢獻者之一）。我點了點頭。

　　「我知道從理論上來講，這些東西很重要。」他喝了一口咖啡，「但有什麼用嗎？飛飛，我的機器人還不能從烤麵包機裡拿出麵包呢。研究本身就夠讓人沮喪的了，而且感覺每個人都在不停地發論文。我已經在擔心下一次會議和它的截稿日期了！我的研究成果還非常初級，我到底應該拿出多少腦力去研究倫理問題呢？」

　　這個問題很好。儘管人工智能在過去十年中取得了不可思議的進展，但很多研究仍處於起步階段。尤其是機器人技術，這項技術是出了名的難，即使在深度學習普及的時代，機器人技術的發展步伐也相對緩慢。在這樣的時刻，以人為本的人工智能可能很難讓人接受。

　　「你知道嗎，」我開始說道，「我當學生也不是太久以前的事，但那會兒，讓計算機區分辨小貓和小狗都幾乎還是科幻小說的情節。然後，深度學習在一夜之間改變了一切，我們的算法被用於我們曾經認為還需要幾十年才能實現的領域。想想看，我們現在有多少人在談論面部識別。記者、政客、活動家……突然之間，他們都提出了問題，而且都是好問題！這一切會導致更多的監控嗎？會帶來更有偏見的算法嗎？甚至會導致人工智能武器的問世嗎？一切都來得太快了。」

　　我們到了實驗室。我在讀卡器上刷了一下門卡，我們推開雙扇門走了進去。

　　「我想說的是，」我總結道，「事情的變化可能會比你想像的要快得多。」

　　我知道我沒有說服他，或者說沒有完全說服他。雖然他心存疑慮，但還是很關注這個問題，一直在聽我講。願意傾聽就是一個好的起點。

　　＊

學達書庫(xuoda.com)