書選閱讀|AI科學家李飛飛的視界之旅:讓電腦看見了這個世界

書選閱讀|AI科學家李飛飛的視界之旅:讓電腦看見了這個世界

李飛飛,BBC全球最有影響力 100 女性。

成長於中國成都,15 歲時移居美國,爸媽都不會英文,全家只帶了 20 美元赴美打拚。30 年後,她當上史丹佛大學教授,榮膺美國國家工程院、美國國家醫學院、美國藝術與科學院三院院士;並被《時代雜誌》選為「全球最重要 AI 100人」(TIMES AI 100)

如今,她成為全球最知名的 AI 專家之一,也是美國白宮的 AI 顧問。

她對 AI 發展帶來了重大的影響,甚至可說是促成第三波革命的契機。如果用一句話來說明她的貢獻就是:讓電腦看見了這個世界。

AI科學家李飛飛的視界之旅
書名:AI科學家李飛飛的視界之旅,原文名稱:The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI,語言:繁體中文,ISBN:9786263555068,頁數:464,出版社:天下文化,作者:李飛飛,譯者:廖月娟,林俊宏,出版日期:2023/12/20,類別:自然科普

這本書可以說是李飛飛的自傳,也是 AI 的發展簡史。她在書中提及,自己事業的成長史與 AI 的成長史是息息相關,因此在撰寫這本書時,採用了一種雙螺旋的架構,來講述自己的故事以及 AI 發展的故事。

如果讓我來說這本書在說什麼?我會告訴你,這是在講述一個喜歡科學的年輕孩子,如何克服環境的挑戰,堅持去追逐心中的北極星,然後走進了人工智慧的世界;也從一個科學者,轉變為一位人文主義者。

...

從孤獨茫然的少年,到出類拔萃的學者

「我跟很多移民一樣,覺得文化差異不但帶來束縛,而且一再衝擊自己的人生,從看不見的層面,到無法被忽視的環節都有。」

不會說英文的父母,勉力維持家計,做著黑工討生活。學校沒課時,李飛飛就到中餐廳打工,每天工作十二個小時,時薪二美元;此外,她還從事清潔工上門打掃,也幫人遛狗賺生活費,拚命省吃儉用,靠著車庫拍賣撿來的衣服讀完高中。

因為成績優異,李飛飛獲得普林斯頓大學全額獎學金。

然而父親失業,母親也因過度疲憊而病倒,送進手術室;醫生宣布,她有生之年都不適合再工作。但半個月之後,母親還是回到崗位繼續奮鬥,並堅持李飛飛不能因此放棄普林斯頓大學的學業。

幾乎陷入走投無路的黑暗中,所幸好心的高中老師慷慨借出一筆錢讓李飛飛一家得以開了乾洗店維持生計,讓父母經營,她自己每週末也從普林斯頓大學搭車回店裡幫忙。

李飛飛在書中回憶,當初父母選擇全家移民美國,是為了讓自己能有更好的未來。假如一切能重來,他們還是會這樣選。當她從加州理工學院取得電機工程碩士學位後,華爾街和麥肯錫紛紛伸出橄欖枝,提供優渥的工作機會;她也猶豫是否要接受這些機會。

「我了解我的女兒。她不是什麼管理顧問,她是個科學家。」

罹患鬱血性心衰竭而病重的母親告訴李飛飛,別管日常開銷、醫藥費這些生活重擔,鼓勵她做自己。

「其實我媽媽根本不懂科技,我覺得她現在也不知道我在幹嘛,」
「她從來也沒覺得,我應該去走別人認為我該走的路。」

李飛飛體會到母親用盡全力的支持,教給她的是一種不放棄的信念,勇敢追逐人生的北極星。

她希望閱讀這本書的年輕讀者,也能找到心裡的那顆北極星。

...

主持的 ImageNet 計畫,促成第三波 AI 革命的契機

李飛飛撰寫這本書的另一個目的,是 AI 正經歷了一場變化,從一個比較狹窄、冷門的學科,進入了爆發式的成長,她認為自己很幸運能參與了這個過程。

自從電腦在 1950 年代被發明後,科學家就一直在思考,如何讓電腦變得和人類一樣聰明?如何能代替人們進行所有的工作?在這個漫長的過程中,AI 的發展並不是那麼的順利,甚至歷經了兩次寒冬,直到現在才有了顯著的進展,而這個進展還在進行中。

第一波 AI 的發展,介於 1950 - 1960 年代。

科學家試圖把人類的知識與思考方式放入電腦但失敗了,失敗的原因是因為連人類都還沒辦法清楚理解自己的思考過程,根本不可能將人類的語言脈絡、思考方式,乃至於理解、決策的具體步驟寫入電腦程式中。

第二波 AI 的發展,介於 1980 - 1990 年代。

科學家退了一步,不再試著讓電腦學會人類的思考,只想讓電腦學會按照人類定義好的規則來做決策,但還是失敗了。為什麼?主要是由於有太多難題連人類自己都無法解答,比如火災、地震預測;即使有能力解答,也不一定能把規則說明清楚;就算說得出來規則,不見得能以程式碼寫下來。

這是人類在 AI 發展遭遇的二次挫敗,進入了寒冬時期。

直到 2010 年左右,才迎來了第三波 AI 的發展的契機。

科學家想到,既然無法讓機器思考、也無法餵給它所有知識,那能不能退而求其次,把看到的現象告訴它就好?科學家嘗試僅告訴機器如何識字,然後餵給它大量的現象,讓機器自己判斷;然後神奇的事發生了,機器找出了自己的規則、然後學習,這就是現代機器學習的開端,讓人工智慧有了大躍進,而且不斷進化中。

機器學習,指的是可以從資料中歸納規則的方法,是第三波人工智慧發展的代表技術;而在眾多機器學習演算法中,深度學習可以說是近幾年成長最快、表現最亮眼的技術。而深度學習的孵化,和李飛飛所主持的 ImageNet 計畫有密不可分的關係。

在 2006 年,李飛飛還是普林斯頓大學的一位年輕教授,她看到了 AI 領域存在一個重大的問題,那就是沒有深度思考數據的意義。AI 的深度學習在數學上是需要大量數據的,但是當時整個領域是陷在一個小樣本數據的思維模式裡,所以無法有所突破。

李飛飛和她的學生們提出一個全新的理念:用大數據去驅動 AI 的演算法。

ImageNet 就是李飛飛所主持的一項研究計畫。

簡單來說,ImageNet 是一個對圖片進行了標記的數據庫,但不僅僅只是一個龐大的數據庫而已。它從將近十億張圖像中篩選出 1500 萬張組成,有 2 萬 2000 個類別;特別的是,標記圖片特徵的工作採用群眾外包,來自全球 167 個國家的 4 萬 8000 多名貢獻者無償協助,李飛飛的母親也是其中一位。

大量人工標註圖片,解鎖了當年其他學者的電腦視覺研究工作,不僅為今日盛行的圖像識別人工智能系統奠定基礎,也孵化 AI 進入「深度學習」的新階段;在 2016 年 AlphaGo 的出現與成功,讓全世界都為瘋狂,使用的就是深度學習的技術。自此,深度學習就成為了近幾年機器學習中成長最快、表現最亮眼的技術。

...

促成了 AI 革命,但尋找下一顆北極星的熱情未曾稍減

如今的 AI 要靠大數據來訓練、運用機器學習,來教電腦識別真實世界的物體,這種釋放資料限制的先驅者之一就是李飛飛,這段歷史足以刊登在日後的 AI 教科書中。

李飛飛在 2017 年向任教的史丹佛大學請了 21 個月的學術假,並利用這段假期擔任 Google 雲 AI 及機器學習首席科學家,與眾多企業、開發者和新創公司互動。她也意識到 AI 的商業化應用,就像一枚火箭正在升空,將創新和智慧的火花灑落在各行各業。但這樣的爆發性成長,也如同火箭一旦離開地面,愈來愈難以預測和阻擋。

AI 將改變世界,然而,誰是創造 AI 的人?誰會改變 AI?

美國國會在 2018 年,邀請 Google、X、Meta 參加聽證會,討論網路隱私保護等議題,引發嚴重關切。

當時任職於 Google 的李飛飛就身在本次巨變的震央。

她出席其中一場名為「人工智慧:能力愈大責任愈大」的聽證會,不僅是證人席上唯一的女性,也是唯一在 AI 取得過突破性成就的人。

李飛飛述說著自己打造的非營利組織「AI4ALL」專注於招募女性和有色人種,一起來建設多元參與的 AI 世界。在演講內容中展現出她對 AI 的熱愛,也指出這個領域會引發種種嚴重威脅。

「There is nothing artificial about Artificial Intelligence.(人工智能其實一點也不人工)」

李飛飛認為 AI 的運作方式,可能與人類的思惟和決策過程有區別。

「飛飛呀,那AI還能做點什麼別的,給人幫上忙嗎?」

為照顧多病纏身的母親,李飛飛頻繁進出醫院。有一次,媽媽在病榻問了李飛飛這個問題。在那一刻,激發李飛飛在科學家的職涯以外,多了一個人文主義者的身分,建立一個堅定追尋的新目標。

李飛飛認為,AI 作為一個科技、也作為改變社會的一種力量;不管是從商業的角度,還是從整個社會的角度,實際上都在影響著人類整個的發展史。

大約在 2014 年左右,那時候 ImageNet 的關鍵時刻已經來到,而 AI 在美國矽谷也已經開始變成一個不再冷門的學科,已經開始進入工業界,開始被有遠見的科技人看見它是多麼強大。

她開始思考這個科技到底對人類的意義是什麼?

也開始聽到一些聲音,包括比爾.蓋茲、馬賽克、霍金,都在用一種恐懼的說法在討論 AI,認為 AI 很有可能帶來災難,或是帶來機器人統治世界的事件發生。

AI 不再是一個冷門的學科,而是對人類有太多影響的一項科技,帶來的影響是混亂的,有好的、也有不好的。李飛飛認為自己必須、也有責任,去面對 AI 所帶來的混亂;包括 AI 與個體、社區和社會的關係,都是相當重大、深刻,值得去探討的議題。

李飛飛在書中也坦言,現在說 AI 可能統治世界其實是一種可笑的想法,因為 目前 AI 還沒有那麼強大。也因為如此,她認為用「人工智能」來稱呼會更為貼切,因為它還沒那麼有智慧。但她也可以理解為什麼我們要去思考這個不好的未來,因為它畢竟帶著一定的可能性。

如果我們不好好的去把控這個科技,也許它真的可能走偏。

在這樣的一個時刻,人類前行是需要一些燈塔的,這些燈塔不光是照亮科技的前沿,也需要照亮我們的價值;人類需要科技代表著我們希望的價值觀:如何有人性的溫度、如何確保我們創造的是我們想要的未來。

對李飛飛來說,最重要的還是以人為本。

離開 Google 後回學校任教,李飛飛便成立史丹佛「以人為本人工智能」(HAI)研究院,嘗試解決科技面臨的倫理挑戰,以確保 AI 為公共利益服務,也成為她新的北極星。

當人們提到史丹佛大學,是現代 AI 的研究重鎮,會想到發明 AI 一詞的約翰.麥卡錫(John McCarthy);而人們提到美國史丹佛大學 HAI 的創院院長李飛飛時,會說是「AI的良心」。

「一般人還沒準備好迎接AI時代到來,我們有責任推動這個準備。」

李飛飛認為,做為一個個體,很難方方面面準備好這一次歷史的大變遷,而做為 AI 專家、史丹佛這樣的學術殿堂和政府,責無旁貸。


劉奕酉|鉑澈行銷顧問策略長、企業培訓顧問、暢銷書作者

擁有高科技產業十多年策略行銷與高階幕僚經歷,為台灣少數具有深厚實務背景的商務顧問,專注提供企業與職場工作者在思考、表達與問題解決領域的培訓與顧問服務。同時也是職場生產力作家,多家出版社、社群媒體指定邀稿對象;一年閱讀百本書、寫作百篇以上職場文章,以知識萃取、高效產出與全息圖解而廣受好評。

線上課程:《劉奕酉的職場致勝賽局

相關著作:《我用模組化簡報,解決99.9%的工作難題》、《高產出的本事》、《20道資料視覺化難題全解析》、《高勝算的本事:用數據思維打造破局思考力

培訓、講座、專欄、顧問服務邀約,或文章轉載授權請私訊聯繫 (easypresentation2016@gmail.com)

Read more

奕酉的閱讀、學習與觀察 #028|專業的邊際遞減:為何能力愈強,反而愈容易被瑣事困住?

奕酉的閱讀、學習與觀察 #028|專業的邊際遞減:為何能力愈強,反而愈容易被瑣事困住?

嗨,我是奕酉。 年後回到工作崗位,你還習慣嗎?過年期間,我可沒有閒著。除了構思年前客戶給我的任務,也在佈局今年的一些計畫。 最近在與幾位資深經理人對談時,我發現一個有趣的現象: 許多在職場上被公認為「戰將」的人,卻往往是團隊中最焦慮、最感到被瑣事淹沒的那群人。這聽起來很矛盾。照理說,能力愈強,處理事情的效率愈高,應該愈從容才對,不應該會發生這種狀況。 但我觀察到,當一個人的專業能力達到一定水準後,其實會進入一種專業的邊際遞減效應:當你把事情做得愈好、愈快,組織就會自動釋出更多「瑣碎、緊急,又好像非你不可」的雜事來填滿你的時間。 為什麼會這樣?又該如何應對呢? ... 專業決定底線,但思維決定上限 這就是所謂的「能者多勞」陷阱。 如果你只會做事,就會成為組織裡效率最高的那台機器,但機器終究有極限。導入 AI 之後,又把這個極限拉得更高,造就了超級個體,能者不只多勞、還過勞。 但這不是件好事。 任何工具、

By 劉奕酉
奕酉的閱讀、學習與觀察 #027|商業世界的場面話,其實是種測試:如果你沒準備好,就真的只是場面話

奕酉的閱讀、學習與觀察 #027|商業世界的場面話,其實是種測試:如果你沒準備好,就真的只是場面話

嗨,我是奕酉。 今天是除夕,在準備迎接馬年到來的這一天,我想來談談「場面話」。 在過年期間的聚會、年後的新春拜訪,相信大家都會聽到不少的場面話,包括我們自己也可能說的很多。但,這些真的都是場面話嗎? 沒錯!成人的世界,確實有不少場面話。 你得學會聽、學會回應,然後別往心裡去。否則你會太累,因為你會把每一句話都當成承諾,把每一次客套都當成期待。 這一點,在生活裡成立。但在商業世界裡,事情往往沒那麼單純。 ... 有些話,不只是場面 在有些場合,我們常聽到表面聽起來很客氣的話。 「之後有機會可以合作看看。」 「太棒了!改天再聊聊你的想法。」 「喔?這個方向蠻有意思的。」 你很容易把它歸類成場面話,心想:好,聽聽就好,不要當真,別往心裡去。 然後,沒有然後;於是你認定了這就是場面話。 但現實是,有些時候那並不只是客套。 它更像是一種試探,一次低風險的邀請。如果你沒聽懂,代表你還沒具備那個條件,那就算了;

By 劉奕酉
奕酉的閱讀、學習與觀察 #026|當努力不再帶來自由:努力何時從價值變成限制?

奕酉的閱讀、學習與觀察 #026|當努力不再帶來自由:努力何時從價值變成限制?

嗨,我是奕酉。 這個周末忙完了一整天,好不容易處理完最後一封Email,看著待辦清單全被劃掉的瞬間,心裡冒出的不是成就感,而是一種深深的疲憊。 「你發現自己像是在滾輪上不停奔跑的倉鼠;」 「雖然跑得飛快,卻始終停在原地。」 很久沒有這種感受了,自認脫離「倉鼠圈」很久的我,警覺到這很不對勁。 我不禁自問:到底發生了什麼事?為什麼明明事情都做完了,那種「被困住」的窒息感卻又悄悄爬了上來? 我意識到「努力」這件事其實隱藏著一個狡猾的慣性:當我們習慣用體力或時間去填補空缺時,會誤以為自己正在產出價值;但現實是,這種努力往往會換來更沈重的束縛。 這種現象並不只發生在我身上,我發現這幾乎是所有「能幹者」的集體困境。 ... 我們都很努力,卻開始感到被困住 有一段時間,我常聽到身邊的人這樣說: 「現在真的很忙,但好像也不知道自己在忙什麼。」 「事情一定要我處理,可是我其實已經快撐不住了。」 妙的是,說這些話的往往不是「不認真、能力不足」的那群人。相反地,他們通常是團隊裡最可靠、最願意扛責任的那一個,至少我認識的這些是如此。 只是,

By 劉奕酉
奕酉的閱讀、學習與觀察 #025|AI 時代的超級個體悖論:當你成為系統的唯一核心,真正該管理的是什麼?

奕酉的閱讀、學習與觀察 #025|AI 時代的超級個體悖論:當你成為系統的唯一核心,真正該管理的是什麼?

嗨,我是奕酉。 AI 出現之後,一個人能完成的事情真的變多了。過去需要一個小團隊分工的工作,現在只要一個人,加上幾個工具,就能跑起來。 於是,越來越多人開始說: 「其實不需要那麼多員工。」 「很多協作,反而只是增加溝通成本。」 「與其找人,不如把工具用熟。」 我並不否認這個趨勢。AI 的確讓「超級個體」成為現實,也讓個體第一次在能力上,真正逼近組織。 你不再只是某個流程中的一個角色,而是能夠獨立完成從構想到產出的整條鏈路。如果只從效率來看,這確實是一個令人振奮的時代。 但我們是否也忽略了這背後的風險呢? ... 能力集中,是另一種風險的擴大 你可曾想過,當所有能力都集中在一個人身上,風險會發生什麼變化?你愈來愈強、愈來愈能獨立完成整個流程,但你也成為了所有事情的中心。 所有決策要經過你、所有進度由你推動、所有關鍵判斷也只存在你一個人的腦袋裡。你成為所有流程的核心,同時也成為唯一的瓶頸。 從系統角度來看,當所有事都依賴一個人,結構其實非常脆弱。 超級個體,其實是一種「單點失效」設計。只要「你」

By 劉奕酉