AI英雄 | 揭秘李飞飞离职谷歌前后

她的下一个挑战是完成该项十分艰巨的项目。那意味着许多人将得花大量的时间千篇一律地标记图片。李飞飞尝试向普林斯顿的学生支付10美元一个小时，让他们帮忙完成，但进展还是十分缓慢。然后，有个学生问她是否听说过亚马逊的劳务众包平台Amazon MechanicalTurk，借助该平台，她一下子就能够以低得多的成本招揽到一大批工作者。但将劳动力从少数的普林斯顿的学生扩张到成千上万工作者看不见，也会带来挑战。李飞飞必须要将工作者潜在的偏见考虑进来。“作为网络工作者，他们的目标就是用最简单的方式赚钱吧？”她说，“如果你叫他们从100张图片中选择出大熊猫，有什么能阻止他们去不断地点击选择呢？”于是，她嵌入和追踪了某些图片——如已经正确地标记为狗的金毛寻回犬的照片——将它们用作对照组。如果Amazon MechanicalTurk上的工作者们能正确标记这些图片，那就代表他们有在老老实实地工作。

2009年，李飞飞的团队觉得其320万张图片的庞大数据集在用途上足够全面广泛，于是他们公布了该数据库，同时也发表了一篇相关的论文，后来该数据库的图片数量增加到1500万。起初，该项目没得到什么关注。不过该团队有一个主意：他们主动接洽了次年将在欧洲举行的计算机视觉技术竞赛的组织方，要求他们允许参赛者使用Image?Net数据库来训练他们的算法。该比赛由此变成了ImageNet大规模视觉识别挑战赛。

与此同时，李飞飞加入斯坦福大学担任助理教授。接着，她嫁给了机器人专家西尔维奥·萨瓦雷瑟（Silvio Savarese）。但是他是在密歇根大学工作，两人相隔万里。萨瓦雷瑟最终于2013年加入斯坦福大学，成为一名教员。

2012年，多伦多大学的研究人员杰弗里·辛顿（Geoffrey Hinton）参加了ImageNet的竞赛，使用李飞飞的数据库来训练一种名为深度神经网络的人工智能。他发现该AI比迄今为止任何其它的东西都要准确得多——他也最终赢得该项比赛。辛顿打造的由ImageNet驱动的神经网络改变了一切。到2017年的最后一届ImageNet比赛，计算机识别图像中的物体的错误率已经从2012年的15%减少到低于3%。至少在某种程度上，计算机已经变得比人类更善于识别图像了。

ImageNet促使深度学习技术取得大跃进——为近年来自动驾驶汽车、面部识别和可识别物体的手机摄像头等领域的进展打下了坚实的基础。

在辛顿领奖后不久，李飞飞还在休产假的时候，她开始不断思考为什么她的同行鲜少有女性的问题。那时候，她觉得这一问题很严重；她知道从业人员男女比例严重失调将渐渐带来麻烦。构建人工智能算法的科学家大多数是男性，而男性往往有着相似的背景。他们特定的世界观渗透到了他们所追逐的项目，甚至渗透到他们所设想的危险场景。许多人工智能的创造者都是有着科幻梦想的男孩，他们的脑子里充斥着来自《终结者》和《银翼杀手》的场景。李飞飞认为，担心像这样的事情并无不妥。但那些想法会让人无法全面看到人工智能的潜在危险。

李飞飞说，对于深度学习系统，“给它们输入偏见，它们就会输出偏见。”她承认，尽管驱动人工智能的算法可能是中性的，但造就那些算法的结果的数据和应用则不然。真正重要的是人工智能创造者和他们创造人工智能的初衷。李飞飞在美国国会听证会作证时指出，没有形形色色的工程师，我们可能会产生有偏颇的算法，进而就人们的贷款申请做出不公平的决策，又或者只在白人面孔上训练神经网络——创造出的模型无法有效应用于黑人面孔上。“我想，要是20年后，我们的科技行业、领导者和从业者缺乏多元性，那简直就是世界末日。”她说道。

（编辑：PHP编程网 - 湛江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!