“人工智能”（AI）概念的普及，讓專攻領域的學者們更加意識到研究的緊迫性。如何在日新月異的當下不斷挖掘人工智能的深度是所有學術研究者必須思考的問題。恰逢2017年開局之際，DVBCN推出了人工智能年度人物專欄，聚焦當前人工智能領域，本期分享谷歌云首席科學家、斯坦福終身教授李飛飛女士與人工智能的奇妙之旅。
“作為人工智能領域的領導者之一，對于開創那些最前沿、可以造福人類的技術，以及培養出未來可以做這些貢獻的技術人才，我始終抱有極大的熱情和責任。”李飛飛教授說道：“我覺得這是我的夙愿和使命。”
李飛飛，1976年出生于北京，16歲隨父母移居美國新澤西州。1999年畢業于普林斯頓大學后，2005年獲得加州理工學院電子工程博士學位，2009年加入斯坦福大學任助理教授，并于2012年擔任終身教授、斯坦福人工智能實驗室與視覺實驗室主任，2016年11月15日，加入谷歌公司任人工智能（AI）研究員。李飛飛是全球人工智能領域最具影響力的科學家之一。
2007年，李飛飛與普林斯頓大學教授李凱發起的ImageNet（圖片網絡），目前已經成為全球最大的圖像識別數據庫，對計算機圖像識別的研究起到了顛覆性的推動作用，是本世紀人工智能領域最大的進展之一。
從兼職生到斯坦福教授的逆襲，追夢之旅
李飛飛教授16歲跟隨父母從中國來美國追夢，為了夢想成真一路上她付出了很多。為了能進一所好一些的高中，她獨自一人在各個政府機構與高中學校來回奔波，才勉強入學一所中等學校。入學后的養活自己成了大問題，所以她開始了兼職生活，做清潔工、當中餐館收銀員、開洗衣店……高中畢業，她進入了全額的獎學金的普林斯頓大學。
為了改善父母生活，李飛飛敏銳地注意到了市場上的機會，借錢買下一家洗衣店，交給父母經營。她從此過上了雙城生活，周一到周五，她是普林斯頓的高材生，拼命努力吸收知識；周六到周日，她則走出實驗室，回到Parsippany穿上白圍裙，給洗衣店幫忙。
1999年，李飛飛以最高榮譽從普林斯頓本科畢業。當時正值大牛市，華爾街眾多投行和咨詢公司都向她發來了邀請，數十萬的年薪眼看唾手可得。但這個自從來到美國以后，就飽受經濟壓力的乖乖女，卻少見地叛逆了一回。她決定去西藏研究一年藏藥，之后去加州理工學院攻讀PHD。
博士畢業后，她又選擇了當時還不太流行的圖像識別作為研究方向。當我們今天縱觀李飛飛的人生時，會發現，這種追隨內心的熱情和強硬堅韌的作風，始終貫穿著她的行為軌跡。
執著跟隨自己內心，冷靜探索熱門領域
人生中真正的挑戰到底是什么？李飛飛教授給出了這樣的回答：“最現實的生存挑戰是如何全力以赴、如何身兼重任并誠實地面對心中的夢想。”她認為，真正生命中的最關鍵問題是如何充分發揮一個人的潛力，既要單帶生活的責任，又要對得起自己的夢想。
在2017年1月中旬連續參加完“極客公園 2017 創新大會”以及“未來論壇”等多項國內熱門活動之后，李飛飛表示，她完全沒有想到國內對人工智能的熱情如此之高，也沒有料到自己竟意外地身處這股風潮的正中心。盡管如此，她依舊保持著自己的冷靜與真心，她說：“我個人的心得是，眼睛看到的前方應該是比較空曠的。”“如果你眼睛看到的前方是熱鬧的，那這個方向就不是最好的研究方向。而空曠的地方一般都不是熱點，因此你必須找準自己的焦點。”李飛飛坦承，她不是一個特別關注熱點的人，“如果我關注熱點，就沒有今天的ImageNet。”
她也給年輕人囑咐道，“找到你內心的熱情，去堅持做一件事情。年輕人很容易被外在的熱鬧所吸引，但是最終要找到自己內心的東西。知道怎么聽自己的聲音，這是一種慢慢形成的心理習慣和生活態度。它需要內心的安靜，需要有能力不斷為自己創造時間和空間，去讀該讀的書、思考自己該思考的問題。沒有養成這種內心的習慣，臨時來做是非常難的。”
“作為計算機視覺的科學家，我們希望使用能夠學習視覺世界的人工智能算法來識別圖像和視頻，我們有這樣一個小目標，讓計算機視覺為數字世界帶來光明。”
在孩子的學習中感悟計算機訓練之道
李飛飛教授表示，在找到更好的算法之前，我們需要給計算機進行像孩子們大腦發育時期一樣的訓練，也即是給計算機比目前領域內所使用得多得多的訓練數據集。他們花了很多時間來做這項研究，她和普林斯頓的同事一起在網絡上找到了很多圖片、很多數據，用了成百上千的圖片構建這套系統。
在三年的辛勤研究后，2009年李飛飛教授與她的團隊終于做出了這樣一個體系，其中包括1500萬張圖片和22000個不同的單詞門類，都是我們日常見到的，從數量和質量來說，這個系統在計算機視覺和機器學習方面都是前所未有的，也因此在解決計算機物體識別這個問題上，比以往任何時候都準備充分。李飛飛教授總結到，從孩子的角度他們獲取了寶貴的第一課，從大量數據中學習。
來自大腦的靈感建立卷積神經網絡
卷積神經網絡，最初是由70、80年代代科學家們開拓的一個領域，其靈感來自大腦。李飛飛教授談到，就像人類的大腦一樣，卷積神經網絡有成百上千個“類神經元”單位互相連接在一起。這是一個非常經典的放在電腦上的神經系統，它大概有2400萬個節點，1.4億個參數和150億個接口。擁有這么龐大的信息的圖片庫，卷積神經網絡算法以難以預料到的速度迅速發展了起來，也在物品識別上給我們帶來了一些非常振奮人心的結果。
李飛飛教授認為要教電腦看懂圖片，并且用一句話來描述它，其實需要用到神經系統，并且把神經系統推向一個高度，需要把視覺信息和文本信息結合起來，并且讓它生成出一句具有意義的句子。因此在得到大腦的啟發之后，李飛飛教授和團隊發現深度學習的算法和公式能夠幫助他們做一些視覺方面的檢測。
從技術從業者的視角： 讓真實世界從中獲益
在神經網絡和深度學習技術得到如此大的發展之后，李飛飛教授也開始把焦點轉向其它一些視覺領域，比如視頻，在圖片識別中學習到的東西能否復制到視頻中去，能否讓真實世界從中獲益。
他們調取一些醫院的安檢視頻，通過深度傳感器的視頻來進行分析應用，通過這樣可以識別出人類的肢體活動，看看他們在環境下的行為是安全的還是危險的。他們還和歐洲一個火車站進行了合作，將成百上千個傳感器安裝在公共空間，利用這些計算機的傳感器來追蹤每個乘客的行動，通過這樣一種監測可以幫助優化火車站的空間，調整火車發車時段。
利用了深度學習和卷積神經網絡、遞歸神經網絡讓機器學習如何預測人類行為的軌跡，這項工作的有趣之處在于能夠把我們前邊所討論的問題結合在一起，這樣，算法不僅有IQ——可以識別出人，而且它也有EQ，有情商——可以預測人的社會行為，譬如說機器人的行為：機器人不應該干擾人的行為，或者是機器人在空間行走時不能打破東西。
高度重視AI多樣性，在提高的路上不斷前行
在AI中多樣性的必要性，李飛飛教授指出有三個理由使我們必須要提高AI的多樣性：
第一個就是涉及到經濟和勞動力的原因：AI人工智能是一個日益增長的技術，會影響到每個人，我們需要更多人能開發出更好的技術；
第二個原因是涉及到創造力和創新：很多研究都顯示出，當擁有多種多樣背景的人共同合作時，會產生更好的結果，會找到更具有創意的解決方案；
最后也是涉及到社會正義和道德價值的：當各種各樣背景的人聚集到一起時，他們有著各種各樣不同的價值觀，代表著人類的技術也會有更加多樣性的思考。
人工智能浪潮讓技術大爆炸，讓世界更美好
在今年的人工智能浪潮中，李飛飛注定是一個無法繞開的名字。作為斯坦福大學人工智能實驗室和計算機視覺實驗室的負責人，這位氣質出眾的人工智能大咖此前一直在科研界工作，她所帶頭創立的 ImageNet 是目前世界上圖像識別最大的數據庫。每年舉辦的 ImageNet 計算機視覺比賽都會吸引全世界這個領域的頂級研究團隊參與其中。李飛飛說，目前的圖像識別與人工智能，還只相當于一個牙牙學語的3歲兒童。而從3歲到10歲的過程，才是AI技術的難點和關鍵。未來的AI開發，將交棒給工業界，這也是她加入谷歌的原因。
對于中國人工智能市場，李飛飛教授也有著自己獨到的看法。她認為中國有大量的應用場景、大量的數據和非常熱情的科技及創業界，這是非常大的優勢。未來期待中國在人工智能的基礎科學方面能做更多研究，因為產業創新需要基礎研究支持。此外，數據的開源也很重要，只有公開更多的數據，才能進一步挖掘這些數據的價值，對更多人產生作用。
視覺和智能的發展造成了動物品種多樣性在5億年前大爆炸式的增長，李飛飛教授相信，現在如果我們能夠讓更多的人參與到AI教育和研究當中，我們可以鼓勵更多技術多樣化的發展，這樣我們會看到技術發現上的寒武紀大爆炸，會使我們的世界變得更好。
微信掃一掃
