配资炒股交易网站科技抵制浪潮已经来临，人工智能难以独善其身｜五一书摘

《我看见的世界》既是李飞飞的个人史配资炒股交易网站，也是一部波澜壮阔、跌宕起伏的人工智能发展史。在这本书里，李飞飞回忆了自己从底层移民成长到顶尖科学家的经历。她度过了困顿艰辛的青少年时代，但对科学的热爱不断激励着她持续追寻人生的“北极星”，并最终走进科学的殿堂。

2. 多样性：按月股票配资可以通过多种方式进行，包括股票融资、股票质押等。投资者可以根据自己的需求和风险承受能力选择适合自己的配资方式，以实现最佳的投资效果。

李飞飞曾经创建现代人工智能的关键催化剂ImageNet，也曾担任谷歌云人工智能及机器学习首席科学家，但她始终秉持着身为学者的审慎立场，对于人工智能的发展方向提出自己的判断和警醒。2015年，很多人工智能的数据库缺乏多样性，导致了一系列意料之外的结果，例如，将黑人青少年错误地标记为“大猩猩”。她意识到，这是因为科技行业的代表性不足，导致算法无意中带有偏见，在处理非白人、非男性用户信息时表现不佳。她和同事一起推动了AI4ALL项目，致力于支持女性、有色人种和经济困难的学生参与到人工智能领域，以对抗偏见的产生。

李飞飞意识到，人工智能不仅是一种科学，也不仅是“现象”“颠覆”“谜题”“特权”或“自然之力”，人工智能更是一种责任，是我们所有人共同承担的责任。她提出，医疗等领域的规范、先例和伦理基础是经过几个世纪甚至几千年的时间建立起来的，相比之下，人工智能还处于发展的早期阶段，其本身几乎没有明确的伦理准则。这个领域的自我认识之路才刚刚起步。因此，缺乏伦理框架的不仅仅是谷歌，也不仅仅是年轻工程师，而是我们所有人。

经出版社授权，第一财经节选了书中部分篇章，以飨读者。

无人可控（No One's to Control）

从ImageNet时代开始，规模的重要性就已经显而易见，但近年来，“越大越好”的观点几乎被赋予了宗教般的意义。媒体上充斥着城市街区大小的服务器设施的图片，关于“大数据”的讨论永无休止，不断强化着这样的观点：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代与令人窒息的梦幻未来区分开来。虽然相关分析可能会有些简化，但本质上并没有错。没有人能否认，神经网络确实在这个资源丰富的时代蓬勃发展：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化。

这对科学意味着什么呢？如果我们的工作秘诀可以简化为赤裸裸的量化，简化为蛮力制胜，那么努力思考和创新又有什么意义呢？如果一些想法在层数太少、训练样本太少或GPU太少的情况下似乎会失败，而在数量增加到足够多的时候突然又可以高效运转，那么对于算法的内部运作机制，我们又能得到什么教训呢？我们发现自己越来越多地从经验角度观察人工智能，就好像它是自己出现的一样，仿佛人工智能是需要先识别、后理解的东西，而不是根据第一原理设计产生的技术。我们与人工智能之间的关系正在发生转变，对我这样的科学家而言，这样的前景令人深思。在谷歌云的新职位上，我可以鸟瞰越来越依赖于各个层面技术的世界，但我们不能坐而论道、惊叹于一切的神奇。这种奢侈我们负担不起。新一代人工智能所能做的一切，无论是好是坏，无论是在预期之内，还是在意料之外，都因其设计本身缺乏透明度而变得复杂。神经网络的结构本身充满了神秘色彩，它是由微小的、权重微妙的决策单元组成的巨大集合体。这些决策单元孤立地看毫无意义，但以最大的规模组织起来时，却强大得令人咋舌，几乎无法为人类所理解。我们可以从理论的、抽象的意义上谈论神经网络：它们能做什么，它们达到目标需要什么样的数据，它们训练后的性能特征大致在哪个范围；但从一次调用到下一次调用，它们在内部到底做了什么，却是完全不透明的。

由此带来的后果特别令人担忧，这就是一种被称为“对抗攻击”的新型威胁。在对抗攻击中，输入内容的唯一目的是迷惑机器学习算法，以达到反直觉甚至破坏性的目的。举例来说，一张照片看上去是描绘了某种明确的事物（比如蓝天下的长颈鹿），但可以通过单个像素颜色的细微变动进行修改。尽管这种像素颜色的变化是人类肉眼无法察觉的，却会在神经网络中引发一连串的故障。如果对抗攻击设计得当，虽然原始图像看起来没有任何变化，但算法会把“长颈鹿”这样的正确分类变成“书架”或“怀表”等错误分类。先进技术无法辨认野生动物照片的场景可能会让人觉得好笑，但如果对抗攻击的目的是愚弄自动驾驶汽车，导致汽车对停车标志，甚至人行横道上的儿童进行错误分类，就绝对不能用好笑来形容了。

当然，提高工程技术水平可能会有所帮助。“可解释的人工智能”，或简称为“可解释性”，正在成为新的研究方向，令人备受鼓舞。可解释的人工智能试图将神经网络近乎神奇的计算进行简化，转变成人类可以仔细研究和理解的形式。但相关研究尚处于起步阶段，无法保证能够达到其支持者所期望的高度。与此同时，这项技术所要诠释的模型却已经开始在世界各地大量出现。

即使是完全可解释的人工智能也仅仅是第一步。如果在算法设计完成后，再加入安全性和透明度等考虑因素，无论设计得多么精妙，都不足以满足要求。下一代人工智能必须从开发之初就采取与现在完全不同的理念。以激情为起点固然很好，但我们要面对的是纷繁复杂而又不起眼的挑战，要取得真正的进展，就必须有敬畏之心。而硅谷似乎缺乏这种心态。

学术界早就意识到人工智能可能会带来负面冲击，比如缺乏透明度、容易受到偏见和对抗性影响等等。然而，由于研究规模有限，风险一直只存在于理论层面。我的实验室最有现实影响力的工作是环境智能研究。由于临床法规的制约，我们对工作热情保持谨慎和克制，因此有足够的机会来应对相关隐患。但现在，市值接近万亿美元的公司已经掌握了主导权，潜在风险的发展步伐也急剧加快。无论是否准备就绪，这些问题都需要以商业速度加以解决。

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，甚至可能导致迫在眉睫的数字独裁主义问题。走在全球最大公司之一的走廊里，我不禁陷入沉思，问题的确很尴尬，尤其是考虑到同事们的诚意和良苦用心。这些都是制度性问题，而不是个人问题。现在还没有出现胡子拉碴的典型恶棍，我们还没有遇到真正的现实问题，此时提出这些挑战，只会让人更加困惑。我回想起与阿尼共事的情景，想起当时要在几家医院部署手工制作的小型原型设备是多么困难。在高度谨慎的医疗领域，创新是逐步展开的，虽然有时令人沮丧，但总体上也让人感到心安。我想知道医疗领域的做法是否值得广泛效仿。

硅谷的傲慢态度向来为外界所诟病。在人工智能时代，尽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。首席执行官们在世界各地的舞台上发表主题演讲，有些内容高瞻远瞩，有些则拙劣不堪，还有一些是彻头彻尾的侮辱。企业高管们承诺将在不久后推出自动驾驶汽车，设计出高超精湛的肿瘤检测算法，实现工厂的端到端自动化。至于被先进技术取代了工作的人（出租车司机、长途卡车司机、装配线工人甚至放射科医生）的命运，商业领域的态度似乎介于半心半意的“再培训”和几乎不加掩饰的漠不关心之间。

无论首席执行官和自诩为未来学家的人的言论如何彻底脱离公众，技术的日益普及都会进一步加剧人们对人工智能的恐惧。在这个时代，里程碑接二连三地出现，最可怕的情景正在逼近。在人工智能领域的历史上，第一次出现了流血事件。

在亚利桑那州坦佩市，优步先进技术集团正在测试一辆自动驾驶原型汽车。伊莱恩·赫茨伯格（Elaine Herzberg）推着自行车过马路时，被这辆车撞倒身亡。两年多前，优步策划了卡内基梅隆大学机器人系团队离职记，而现在，优步的自动驾驶项目成了公众嘲讽的对象。如果说人工智能如今频频遭遇偏见让我和同事们感到难过，那么我们现在的感受则无法用语言来形容。优步的品牌已经声名狼藉，其原因与技术本身关系不大。尽管我们很容易将事故归咎于优步，但很明显，这绝对不会是最后一个类似的事故。

的确，更多教训很快就出现了。2016年，ProPublica1的一系列调查显示，有偏见的人工智能被广泛应用于处理贷款申请，甚至协助法官做出假释决定等方面。类似的报道还显示，在某些招聘中，求职者会先经过人工智能技术的筛选，然后才有真人面试官进行面试。此类做法往往会在无意中造成歧视性影响，这一点并不令人意外。伊莱恩·赫茨伯格的死亡理所当然地导致优步自动驾驶团队解散，并对整个领域造成了负面影响，但上述更微妙、更机构化的伤害却不可能迅速得到纠正。相关问题几乎是无声无息的，影响范围更广，而监管则少之又少。期待出现同样程度的公愤是不现实的。但好在公众意识在不断提高，媒体也认识到，当涉及人工智能的报道时，不应忽视偏见、公平和隐私等问题。

无法问责算法、特定人群受到不公平待遇、一个人意外死亡，这些都是人工智能领域出现的新局面。审视局面，我得出结论：简单的标签已经不再适用。甚至连“失控”等措辞都显得委婉。人工智能不是现象，不是颠覆，不是难题，也不是特权。我们面对的是一种自然力量。它是如此宏伟，如此强大，如此反复无常，既能轻易激发灵感，也很容易摧毁一切。要让人工智能值得信任，需要的远不止商业公司空洞的陈词滥调。

人工智能甚至不是科技界对公共利益的唯一威胁，这使得情况变得更加复杂。在人工智能领域出现问题的时候，剑桥分析公司也爆出丑闻。在2016年美国总统大选期间，公众普遍对虚假信息表示担忧。关于社交媒体和新闻源过滤气泡的不良影响的报道也在不断增加。种种事件都有一个共同之处：世界正在逐渐意识到，数据不仅有价值，而且具有影响力，甚至可以产生前所未有的决定性影响。

到2018年，已经没有人再质疑其中的利害关系了。对脸书和Instagram等社交媒体应用的审查不断加强，因为它们提供的超个性化内容可能会导致青少年出现抑郁和焦虑。社交媒体利用人工智能打磨定制化内容，以实现最大程度的“用户参与”，这种趋势令人不安。亚马逊使用一系列监控工具（包括监控腕带）实时追踪工人的工作效率，这种仓库管理方式受到媒体抨击。微软在试图推广其人工智能面部识别技术时，遭到了隐私权倡导者和公民自由组织的批评。我自己也被卷入争议的中心。当时谷歌云与美国国防部签订的一份合同（内部称Maven项目）引发了广泛的争论。几个月后，紧张局势从公司内部蔓延到媒体，重新点燃了大众关于技术在军事事务中所扮演角色的长期争议。科技抵制浪潮已经来临，人工智能难以独善其身。

（本文节选自《我看见的世界：李飞飞自传》第十一章《无人可控》。）