編者按：在接下來的一段時間里，UDACITY 將聯合極客公園（ID：geekpark）推出一檔視頻對話節目。每期節目中， Sebastian Thrun（Google 無人車之父、UDACITY 創始人）都會對一位科技領域內的大咖進行訪談，話題內容涉及人工智能、自動駕駛等多個領域。
本次做客的嘉賓是 AI 界的傳奇人物李飛飛。Sebastian 和她聊了聊「以人為本」的人工智能，重返斯坦福大學后的成果和心得，以及「挑戰不可能」的心路歷程。
在文章開始之前，我們想知道你如何看待人與人工智能的關系？歡迎在下方投票中表明你的態度，并查看其他人的看法。如果有其他想法，歡迎分享在文末評論區，看看有多少人與你持同樣的看法。
正文開始
UDACITY 創始人 Sebastian Thrun 對話斯坦福大學教授李飛飛，暢談「以人為本」的人工智能
李飛飛（Fei-Fei Li）不僅是斯坦福大學計算機科學的教授，還被邀請成為 Google Cloud 首席科學家，并在上海成立 Google AI 研究中心，提出了「AI 沒有國界，AI 的福祉也沒有邊界」的重要理論。2018 年 9 月，李飛飛回到大學任教，與斯坦福大學前教務長 John Etchemendy 聯合建立了以人為本的人工智能研究所（Institute for Human Centered Artificial Intelligence，簡稱 HAI），致力于「讓智能機器更加以人為本，懷有善意，幫助人類解決一些最有意義難題」的研究。
在李飛飛看來，人工智能的發展不會只展示利好的一面。機器不能取代人類做所有的決策，在很多 AI 的應用中，人類仍然是其中必不可少的一環。所以從「以人為本」的初衷出發，李飛飛也強調了這項研究需要遵守的三個原則：
發展 AI 的過程中必須考慮 AI 對人類社會的影響；
AI 的應用是為了賦能人類，而非取代人類；
AI 必須盡可能像人類智慧一樣敏感、細膩、有深度。
她曾經說過：「做研究要做長遠的有影響的，不要只看眼前的潮流，大家還是致力于做踏踏實實有影響力的研究。」智能機器的普及將會給我們的社會帶來什么？會對文化造成怎樣的影響？這些都是未知數。所以我們必須要投入時間、資源和廣泛的專業知識來理解這項技術，預測它將帶來的可能性并有責任地進行引導，確保它的設計，它在社會中的角色，它的影響是人性化的。
斯坦福大學教授 李飛飛（Fei-Fei Li）| 極客公園
極客公園（ID：geekpark）邀請到了優達學城無人駕駛及人工智能課程開發經理楊詩宇，對 Sebastian 和 李飛飛的對話內容進行了解讀，并就人工智能的商業化、發展前景以及自動駕駛等相關問題進行了深入討論。
Q1：就李飛飛教授主導的「以人為中心的 AI」而言，這是否意味著重點將放在人文對 AI 發展的引導和影響上嗎？
楊詩宇：「以人為本」的 AI 并不是說重點將放在人文社科等科學中，而是強調人文社科對于 AI 的發展同樣重要。因為我們習慣性地認為 AI 只是理工類的一個分支，或者更狹隘地來說是計算機學科的一個分支。但是李飛飛教授認為 AI 是一門交叉學科，并且 AI 本身沒有任何價值，它只是為人所用才有價值。那么在人的領域，不僅僅有理性，而且還有感性的成分，所以對于 AI 的發展來講，人文社科應該是一項需要被挖掘的領域，但并不是整個 AI 的發展重心變為人文領域。
Q2：從商業化的角度考慮，以人為本的 AI 未來會面臨哪些挑戰和機遇？
楊詩宇：從商業化角度來看，目前的挑戰與機遇并存。從 AI 整個的發展史來看，AI 幾起幾落，一直在不斷的周期中循環，也許不久的將來也會有這樣的周期出現，可能也會熱度下調。那么在熱度回落的時候，資本的注入是否會持續，將是一個巨大的挑戰。
另外，目前國內基礎學科的建設相對于歐美地區還是有一定的差距。基礎創新學科的建設需要一個漫長的過程，并且最終的成果未必有保證。我們商業是否有足夠的耐心，可以讓中國更多的學者有一個良好的環境去研發更新一代的技術，就像李飛飛教授那樣，埋頭苦干幾年搭建一個巨大的數據集那樣的基礎性工作，這是另外一個挑戰。
另一方面，對于中國來說，我們從來不乏對于高新科技的應用，對于 AI 技術也是。所以，不僅僅是 AI，結合物聯網、5G 等技術，會有一大批新興應用產生。這對于中國這樣人數眾多的國家來說，潛在著巨大的市常高新科技的人才也會產生更多的缺口，等待著開發人員的投入，以及資本市場的進入。
Q3：人工智能和人類如何共存？您認為以人為本的 AI 系統應該遵循怎樣的設計原則？
楊詩宇：李飛飛教授說用動詞「增強」來代替「代替」，也就是人工智能應該是提高人類的生活質量，并不是代替人們而生。人工智能其實和其他的科技一樣，都是為了造福人類。我們從工業革命開始，每一項新的技術、新的發明在普及之前，都會擔心人類會不會被這些新的技術所替代。但我們現在看到，一項新技術普及之后，雖然會淘汰一些工作，但是會應運而生大量其他的新工作，共存并不存在問題。
「以人為本」的 AI 系統應該遵循如何讓人們的生活變得更好的原則進行，而不是朝著侵犯人類、毀滅人類道路的原則。我聽過一句話：槍不會殺人，殺人的是拿槍的人。任何技術包括 AI 同樣也是這樣的道理。正如李飛飛教授所說，AI 技術本身并無價值，有價值的是在于人類如何利用這些 AI 技術發展自己。我們可以利用無人駕駛解放人們的雙手雙腳，節約人類每天在交通上所花的時間。我們可以利用 AI 幫助醫生無疲勞地診斷疾病，解放醫生某項重復勞動的同時，也能大大降低誤診率。這些就是「以人為本」AI 技術發展最好的榜樣。確定了正確的方向，剩下的堅持就好了。就像李飛飛教授攻讀交叉學科的博士學位，以及完成枯燥的 ImageNet 數據庫的建設一樣。
Q4：如何理解飛飛教授提到的「augment and enhance human but not replace Human」?
楊詩宇：舉個例子。電吉他在發明之初，很多當時年輕的音樂人有著很瘋狂的熱愛，有一眾的音樂愛好者因為對于傳統古典吉他與民謠吉他的喜愛，或者是因為擔心電吉他會挑戰古典吉他或者民謠吉他的地位而產生天然的抗拒。他們一來覺得電吉他那種電子音效還有其他的效果器處理的聲音并不是傳統的震動發生，不能算是真正的音樂，反而是破壞了音樂的美感。后來，電吉他的出現催生了搖滾樂，出現了很多搖滾樂隊，而古典和民謠吉他并沒有因為他們的出現而落寞。相反，這幾種不同類型的吉他相輔相成，在各自不同的子領域發揮著自己的光芒，共同為整個音樂界充滿多樣性的發展做出了貢獻。
同樣，人工智能也是如此。Alpha Go 的出現并不會降低我們對圍棋的熱愛，反而會促使我們通過 Alpha Go 學習到新圍棋的玩法及思路。這就是李飛飛教授所指的「augment and enhance human」。AI 可以幫助我們獲得更好的服務，更好的生活。
Q5：人工智能領域的研究人員應該與科技公司建立怎樣的合作模式？商業化絕大部分是利益驅動的，如何保證互聯網公司的產品踐行了正確的 AI 理念？
楊詩宇：現如今，很多公司都設有研究部或者研究院。這些公司中有的處于互聯網行業，還有一些處于其他行業，如金融、智能醫療、安防等等。具體的如阿里的達摩研究院，平安的壹賬通加馬研究院。他們設立研究部的目的并不是像傳統高校那樣為了發研究報告，而是結合公司的實際落地項目及產品開發。這樣的設置就是在解決學術界與工業界可能會脫鉤的風險，快速驗證前沿技術落地的可能性，將技術和商業的利益緊密結合在一起。
另外，現如今的公司若想要設計一款成功的 AI 賦能的產品，都必須從人們的實際需求出發。這本身就是「以人為本」。只有「以人為本」的產品才會有更大的人群客戶，獲取更大的利益。所以若「以人為本」是正確的 AI 理念，就不會存在保不保證的問題。脫離人類需求的商業模式就不會出生。
Q6：未來人工智能的發展應該要有怎樣的指導原則？
楊詩宇：正如李飛飛教授所說，人工智能并不只是計算機的一個分支，而是要將 AI 技術當做是一個交叉領域的技術。不僅僅是擁有理工學科，還要結合人文社科，多角度去思考 AI 為人類哪些地方賦能，可以使人類的生活更加便捷，包括新時代的金融、醫療、交通通過「以人為本」的 AI 得到有力的保障。
Q7：您認為人和機器應該保持一種怎樣的合作和信任關系？
楊詩宇：新技術一直都是因為人類有大量的需求而誕生。但很多人一開始對于新技術都會產生恐懼。人們大多數的恐懼都是因為未知。沒有見過，所以會產生恐懼。但我們回顧歷史就會發現，工業革命帶來了新的工作效率，互聯網的誕生改變了我們整個世界。也許下一個突破就在于我們如何運用 AI。AI 并不可怕，就像其他新技術一樣，值得我們信賴。只要我們堅信，AI 的誕生，目的是增強我們人類，是為我們人類所服務，我們就會逐漸的信任他們。就像我們的前輩當初放下馬匹，改用汽車，使之成為最快，最便捷的交通工具一樣。只要有一段時間的過渡，我們自然而然就會了解 AI，熟知 AI，最后信任 AI。
Q8：很多觀點認為人在實現自動駕駛的過程中是絆腳石的角色？對此您是怎么看的？
楊詩宇：如果沒有人，無人駕駛才會寸步難行。人類是無人駕駛的先行導師。無人駕駛就是在不斷模仿人類最優秀的駕駛行為，并將這些行為儲存在模型的參數中，快速復制給其他的車輛，讓其他剛剛建立好的汽車瞬間擁有「先行者」的「經驗」。這才有了自動駕駛技術的飛速成長。
至于如何普及以及道德倫理上的事物是從另外一個角度去看待這件技術革新的事情。我想，歷史上任何一項新技術的發明都會沖擊舊的事物，要改變一些人們的習慣。改變不了怎么辦？沒關系，我們每個人都不會永遠年輕，但總有人正年輕。我們沒有經歷過從一出生就可以用平板電腦玩游戲，看電影，學習的年代。但是現在的小朋友，3 歲的英語水平比我們當年小學 3 年級的水平都好。當年剛剛發明的車輛代替馬作為代步工具的時候，不也一樣有很多人反對嗎？任何新事物的出現都會沖擊舊事物。困難總會有的，但是發展趨勢也是確定的。
Q9：您如何看待人在自動駕駛技術發展中的價值？
楊詩宇：自動駕駛技術的價值就在于，它是一個可以讓人們看到 AI 技術改造制造業的強大潛力。
人工智能應用一般分為三個階段。
第一個階段是利用人工智能技術做一些軟件虛擬世界上的應用。這一階段我們的應用已經耳熟能詳了。比如美圖秀秀可以自動美顏，支付寶可以人臉支付，今日頭條可以推薦我們感興趣的新聞等等；
第二階段是人工智能不止局限于軟件，還要連接更多的硬件，讓多種多樣的硬件積攢數據來驅動更多應用軟件的發展。其實，我們正在經歷這樣一個階段，而這技術就是物聯網。即每一個硬件實體就是一個終端。什么是終端？比如我們現在可能每個人擁有手機、電腦，這是我們耳熟能詳的電子終端。但是，其實終端不止這些。我們另一個比較的終端是電子手表。它可以監測我們的心跳，判斷運動的強度，睡眠的深度等健康狀況等等。這些不同的終端會帶來不同的數據，而這些數據經過 AI 的模型就會幫助人類在不同的領域有所發展。理想的物聯網，就是任何你能看到的實體都是云端網絡相連，比如我們任意的家具，或者更大一點說，一棟樓房，一個城市，作為整體也可以是一個終端。但是這樣的實體的落腳點還是收集更多的數據，用作構建更多的 AI 模型所用，其輸出還是為了得到某些結論幫助人類做決策，或者某些軟件應用；
第三階段其實才是我們的終極階段：硬件可以自己「動手動腳」，也就是我們所謂的人工智能機器人。什么叫做自己「動手動腳」呢？和第二階段有什么區別呢？其主要的區別就在于這些智能機器人，不僅僅只收集數據或利用 AI 模型做分析，而是在做出分析后，在人類不干預的情況下自己能夠決策。自動駕駛就是一種智能機器人，通過自己「動手動腳」就能考慮到安全性的問題，從而增加了很多的不確定性和難以操控性。所以，這一點上，自動駕駛技術無疑要構造一個更加復雜的系統來幫助人類實現目的。
AI 應用的三個階段并不是嚴格意義上的一個接著一個實現的，而是互有交集。自動駕駛像一個跳級生，或者是一個先行者、冒險家。在我們物聯網還沒有大規模應用的情況下，先出一步。當然，其實 AI 軟件的應用與物聯網技術也是在整個自動駕駛的生態中，因此要實現完全的自動駕駛需要更長的時間。但是，這項技術的新出現提前給人類看到了 AI 改造傳統制造業的巨大潛力。自動駕駛是改造人們出行方式的巨大技術應用，在之后，我們也許會看到更多 AI 第三階段應用的誕生，比如家政服務機器人。但這一切的先行者就是我們現在人人都在談的自動駕駛。
Q10：通過機器模仿的方式能夠實現真正的自動駕駛嗎？人機共駕是否有可能成為實現無人車量產的關鍵？
楊詩宇：我認為機器模仿的方式是實現自動駕駛的眾多方式的一種。這是最直接的思路。我想要超越你，我就要先模仿你。自動駕駛想使自己駕駛得更安全，更可靠，就必須先向人類學會如何跑起來。模仿那些優秀的人類是如何順滑的開啟汽車。但是，是否是只有這樣的方式才能實現自動駕駛？我覺得不一定。但是可以肯定的是，因為這是最直接的思路，探索的過程中，這樣的方式是必經之路。
人機共駕的場景會涉及到一些非技術的話題，比如道德倫理問題，比如出了交通事故是誰的責任。如果我們的學者既能在技術上可以達到無人駕駛安全行駛的要求，又能解決在非技術問題，比如政策，交規等一系列配套完善的環境給予無人駕駛發展的支持，我相信達到量產不是問題。至于是不是會存在人機共駕的場景，或者這樣的場景持續多久并不重要。但是我也判斷，這樣的場景很有可能發生。任何一項技術的改革，都會有一段時期的過渡期。如何處理好這樣的過渡期從而快速順利進入到新的階段，確實很關鍵。
Q11：李飛飛教授牽頭建立的 ImageNet 數據集讓人工智能實現了技術性的飛躍，您認為「以人為本」的 AI 對數據的要求是否發生了變化？
楊詩宇：ImageNet 在 AI 界確實是一件歷史性的事件。從學術上來講，數據本身并沒有實現技術性的飛躍，但是驗證了深度學習這樣的網絡結構 AI 算法是需要大量的數據驅動作為基矗即它驗證了其他學者在稍早的年代提出算法的正確性。這件事背后的意義在于，李飛飛教授以及她的團隊可以靜下心來多年做這樣「費力不討好」的事情，為其他學者做嫁衣。還好，我們現在的時代是公平的，我們由衷地感激有像李飛飛教授這樣的一群在學術上默默奉獻的人。
回到問題中來，ImageNet 是在計算機視覺領域中的數據，或者通俗來講是圖像數據。它是一個切入口，是讓眾多學者明白 AI 算法有著巨大的潛能改變我們的世界。但是不同的領域數據樣式是不同的，必定是會有不同的要求。比如，我們的自然語言處理，需要大量的文本數據，語音識別需要音頻數據等等。如李飛飛教授所說，「以人為本」的人工智能是一項交叉型學科，不止包括計算機領域，還有諸如認知學、腦科學、神經學，甚至還包括多種人文社科領域。所以，不僅僅需要大量的數據，還需要不同領域的多樣性數據。這是一項更大的挑戰。
Q12：如何在數據中體現「以人為本」的概念？
楊詩宇：數據想要體現「以人為本」那就需要從人們的需求角度出發。最根本的需求就是我們的衣食住行。只要和衣食住行相關聯的數據，我們都可以想辦法通過各種各樣的方法進行采集。比如利用物聯網中的每一個單個智能終端，不僅僅只是手機與電腦。每一個終端可以采集不同類型的數據，傳到云端進行不同的分析，建立不同的 AI 模型。我們可以想象這樣一個場景。家里的任何家居可能都是一個智能體，并且他們之間都是相關聯的，或者是和云端相連。比如馬桶可以監測你的排泄物的成分，然后這些數據上傳都云端，利用監控健康的 AI 模型進行分析。若有一定的健康問題，會得出結論，比如建議進行食補補充所缺失的元素，調節身體的平衡。然后這樣的數據進行回傳到家里的電冰箱，電冰箱檢測家中是否有這樣的食物，若沒有，進行所需食物自動下單，定制一套 DIY 生鮮套餐。從而不知不覺解決你的健康問題，然后進行下一循環。這一套閉環中，我們可以看到說涉及的數據有很多種。這樣的數據都在圍繞「健康」這一主題。所以這就是一個體現「以人為本」比較好的一個例子。
Q13：Udacity 的人工智能課程會為學生灌輸怎樣的 AI 價值觀和理念？
楊詩宇：Udacity 自創立之初就一直秉承「以人為本，讓 AI 創造更多社會正面價值」的理念。我們的創始人，人稱「無人車之父」的 Sebastian Thrun，選擇無人車研究的一個重要原因，就是希望通過無人駕駛將全球每年因交通事故傷亡的人數降至最低；此外，Udacity 創立的初衷，也是為了將前沿的 AI 教育普惠全球更多人，而不再僅是大科技公司或頂尖學府的壟斷，并通過培養一代的 AI 人才去改變世界。因此，我們非常認同李飛飛教授所提到的 AI「以人為本」的價值觀。
Udacity 致力于人工智能人才培養，有 AI 各領域的課程，覆蓋從 0 基礎到進階各個階段的學員。幫助學員在機器學習、計算機視覺、自然語言處理、深度學習領域成為專業技術人才。課程會設置一條完整的學習路徑。意在使不同基礎的學員可以從這條路徑中選擇自己起點與終點。為了能夠匹配市場的需求，我們設置了結合工業需求的實戰項目，并由我們聘請的行業人士人逐行代碼的審閱，并給出反饋，幫助學員能夠更立體地學到人工智能知識。
由
