作为当代人工智能领域的奠基人之一，李飞飞从更加人文的视角看待如今的技能发展，她说：“现在有很多噪音，有很多夸年夜的论述，但这是技能发展的一个必经阶段。
在这个以人工智能为驱动的时期，以人为本的理念比以往任何时候都更为主要。
”

本文经授权摘编整理自《我瞥见的天下》。

《我瞥见的天下：李飞飞自传》，作者: [美] 李飞飞，译者：赵灿，版本：中信出版社 2024年4月

人工智能带来社会危急

2015 年 5 月，雅虎图片托管做事 Flickr 在描述 56 岁黑人男子威廉的肖像时，自动天生了一个标签“猿”。

雅虎的新技能急速引发了各方强烈愤慨。
此后，这项技能持续赓续涌现失落误:将达豪集中营大门的照片标记为攀爬架，把一位脸上涂有彩色粉末的白人妇女贴上了“猿”的标签。
雅虎 Flickr 已经麻烦缠身。
不仅是雅虎，谷歌也陷入了类似的争议，谷歌照片做事也将两个黑人青少年缺点地标记为“大猩猩”。

图像分类本已是旧调重弹的成功技能，却在短短几周内变得非常繁芜。

虽然事件并非恶意，但这并不能让人感到宽慰。
相反，无心之失落所揭示的问题才更加令人不安:包括 ImageNet 在内的数据集由于缺少多样性，导致了一系列猜想之外的结果;未经充分测试的算法和存疑的决策又进一步加剧了负面影响。
当互联网呈现的因此白人、西方人和男性为主的日常生活画面时我们的技能就很难明得其他人群了。

有果必有因，正如兼评论员杰克·克拉克(Jack Clark) 所言，问题的根源在于人工智能“男性之海”问题:科技行业的代表性不敷，导致算法无意中带有偏见，在非白人、非男性用户身上表现不佳。
这篇文章于 2016 年揭橥在彭博社网站上，是对人工智能伦理问题的最早一批驳论争辩之一。

从代表性问题的涌现，到问题被大众真切地感想熏染到，中间每每须要几年的韶光。

李飞飞和她的同寅们决定，向九年级和十年级的女生开放为期两周的斯坦福大学人工智能实验室课程。
让每个一贯被历史打消在外的参与者相信，她们同样属于这个时期、这个领域。

李飞飞，1976年出生于中国北京，美国国家工程院院士、美国国家医学院院士、美国艺术与科学院院士，美国斯坦福大学首位红杉讲席教授，以人为本人工智能研究院（HAI）院长，研究领域紧张为打算机视觉、认知神经科学、打算神经科学和大数据剖析。

约请少数人群参加人工智能课程的想法非常受欢迎，这个项目很快就像滚雪球一样发展成为全国性的非营利组织，遍布北美各地校园，义务范围也不断扩大。
这个项目开始向有色人种学生和经济困难学生开放。

在短短几年后，这个项目就正式命名为 AI4ALL，乃至吸引了一些资金，梅琳达·弗伦奇·盖茨(Melinda French Gates) 的 Pivotal Ventures 创投公司和英伟达创始人黄仁勋供应了一轮融资，让项目洗面革心。

这个旅程可能须要几代人才能完成，现在只是迈出了一小步，但实现了从无到有的超过。
在业界追逐人工智能未来时，每每肆意而为，缺少自省，而 AI4ALL的努力能够担保，至少有一小部分人在逆向而行。

在风暴中央

2022 年底，ChatGPT 的公开拓布席卷了天下，随后涌现了更多天生式人工智能工具。

从最初只能实行大略的任务到如今具备类似人类的能力，短短几年的韶光，人工智能的发展速率令人咋舌，与此同时，对其潜在风险的担忧也日益增加。

事实上，人工智能存在的偏见问题直到现在依然没有被很好地办理。
2023年底，《华盛顿邮报》揭橥了一篇详尽的专题宣布，深入磋商了机器学习技能中潜在的偏见。
当前的 AI 图像天生模型，如 Dall-E 和 Stable Diffusion，有时仍会反响出社会的刻板印象。
例如，在天生“具有创造力的人”的图像时，这些系统每每方向于呈现白人形象；而在描述“社会做事职员”时，则多数情形下展示的是有色人种的形象。

美剧《西部天下》剧照。

实在，大型措辞模型，纵然是多模态的大型措辞模型，可能也并不具备真正意义上的“思考”能力。
大型措辞模型很随意马虎涌现荒谬的观点性失落误，也乐于编造听起来合理但实际上毫无意义的胡言乱语。

理解这些事实有助于我们避免过分迷恋模型的能力。
然而，随着大型措辞模型天生的文本、图像、语音和视频越来越繁芜，真与假之间的界线愈加模糊。
越来越多的评论家开始质疑，为我们敲响警钟:作为个人、机构，乃至社会，我们究竟有没有能力区分真实和虚构?

当人们意识到这统统还只是 1.0 版本时，这种发问尤其令人警觉。

我们仍身处一场环球风暴之中。
每天彷佛都有新的新闻宣布自动化对环球劳动者构成的威胁。
随着人工智能在监控领域的运用日趋成熟，和人权活动家的担忧进步神速，对隐私和个人肃静对隐私的古老威胁也在当代社会涌现，干系宣布使公众年夜众对人工智能形成了负面意见，这在全体科技领域都是非常罕见的。

科技不断发展，算法措辞表达的高等程度已逼近人类水平。
机器人正在逐渐学会应对真实的环境。
视觉模型不仅可以通过照片进行演习，还可以在全三维天下中进行沉浸式实时演习。
人工智能能够像识别内容一样流畅地天生内容。
与此同时，伦理问题在我们周围不断呈现，与人类经济社会发展的关联也日益紧密，但这便是科学一贯以来的样子。

重估人工智能

从 ImageNet 时期开始，规模的主要性就已经显而易见。
但近年来，“越大越好”的不雅观点险些被授予了宗教般的意义，关于“大数据”的谈论永无休止，不断强化着这样的不雅观点:规模是神奇催化剂，是机器中的幽灵，可以将人工智能的旧时期与令人窒息的梦幻未来区分开来。

没有人能否认，神经网络确实在这个资源丰富的时期发达发展:惊人的数据量、大规模分层架构和大量互联的硅片确实带来了历史性变革。

美剧《西部天下》第三季剧照。

人工智能正在成为一种特权，一种排他性极强的特权。
越来越多的学者、政策制订者认为，利用人工智能模型的高昂本钱正在将研究职员打消在该领域之外，从而危害了对这一新兴技能的独立研究。
这种权力的转移正在悄然改变人工智能领域的格局，匆匆使研究职员将他们的研究成果更多地运用于商业领域。

学术界早就意识到人工智能可能会带来负面冲击，比如缺少透明度、随意马虎受到偏见和对抗性影响等等。
然而，由于研究规模有限，风险一贯只存在于理论层面。
市值靠近万亿美元的公司已经节制了主导权，潜在风险的发展步伐也急剧加快。
无论是否准备就绪，这些问题都须要以商业速率加以办理。

每个问题单独来看都令人担忧，但它们共同指向了一个未来，其特点是监督减少、不平等加剧，如果处理不当，乃至可能导致迫不及待的数字独裁主义问题。

硅谷的傲慢态度向来为外界所诟病。
在人工智能时期，只管我们对潜在风险的认知不断加深，企业的夸夸其谈也上升到了新的高度，企业高管们承诺将在不久后推出自动驾驶汽车，设计出高超博识的肿瘤检测算法，实现工厂的端到端自动化。
至于被前辈技能取代了事情的人(出租车司机、长途卡车司机、装置线工人乃至放射科年夜夫)的命运，商业领域的态度彷佛介于半心半意的“再培训”和险些不加掩饰笼罩的漠不关心之间。

无论首席实行官和自诩为未来学家的人的辞吐如何彻底分开公众年夜众，技能的日益遍及都会进一步加剧人们对人工智能的恐怖。
在这个时期，里程碑持续赓续地涌现，最恐怖的情景正在逼近。
有偏见的人工智能被广泛运用于处理贷款申请，乃至帮忙法官做出假释决定等方面。
类似的宣布还显示，在某些招聘中，求职者会先经由人工智能技能的筛选，然后才有真人口试官进行口试，此类做法每每会在无意中造成歧视性影响。

如今的人工智能是如此宏伟，如此强大，如此反复无常，既能轻易引发灵感， 也很随意马虎摧毁统统。
要让人工智能值得信赖，须要的远不止商业公司空洞的陈词谰言。

美剧《西部天下》第三季剧照。

人工智能的未来

我们曾经将人工智能视作纯粹的科学，而现在，我们更乐意用:“征象”“颠覆”“谜题”“特权”“自然之力”来定义新一代人工智能所能做的统统，无论是好是坏，无论是在预期之内，还是在猜想之外，都因其设计本身缺少透明度而变得繁芜。

如果在算法设计完成后，再加入安全性和透明度等考虑成分，无论设计得多么精妙，都不敷以知足哀求。
下一代人工智能必须从开拓之初就采纳与现在完备不同的理念。
以激情为出发点固然很好，但我们要面对的是纷繁繁芜而又不起眼的寻衅，要取得真正的进展，就必须有敬畏之心。
而硅谷彷佛缺少这种心态。

如今，人工智能是一种任务，是我们所有人共同承担的任务。

深度学习飞速发展，每一年都觉得像是要面对一个全新的领域，其运用的深度和多样性增长得如此之快，乃至全职研究生和博士后也很难跟上文献的步伐，更不用说教授们了。
可能性无穷无尽，寻衅也永无止境。

纵然在这样一个阴郁的时期，人工智能也具有无与伦比的勉励力量。
面对环球亟待办理的 问题，面对具有历史意义的机遇，面对可能须要几代人的努力才能揭开答案的未知，真正办理所有问题的答案远远不是公司计策或学术课程所能供应的。
未来几年，从业者须要的不仅是专业技能知识，他们还必须理解哲学、伦理学，乃至法律。

想象空间是巨大的，但愿景须要一个主要的纽带串联起来，这个纽带便是大学。
早在有人利用人工智能谋取利益之前，人工智能就已经在大学里起步了。
在大学校园里，仍旧最有可能感想熏染到某些意想不到的研究打破带来的火花。
感知机、神经网络、ImageNet，以及后来的很多东西都出自大学。

要从根本上重新构想人工智能，使其成为以人为本的实践，与其说这是旅程方向的改变，不如说是旅程范围的扩展。
人工智能一贯以来都追求科学性，而现在，它必须也追求人性。
人工智能该当秉承最精良的学术传统，保持互助和敬畏，同时不畏惧直面现实天下。
毕竟，星光是多样的。
一旦白色的光辉展开，各种颜色就会发出刺目耀眼夺目的光芒。

原作者/[美] 李飞飞

译者/赵灿

摘编/刘亚光

编辑/张婷

校正/柳宝庆