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 #006|當世界催促你快一點, 還能相信自己的節奏嗎?

奕酉的閱讀、學習與觀察 #006|當世界催促你快一點, 還能相信自己的節奏嗎?

嗨,我是奕酉。 「請允許自己慢下來,走得比昨天更遠就好。」 這是我這次想分享給你的一句話。 在這個快速變化的時代,無論是工作還是生活,似乎每一個角落都充滿了「加速前進」的聲音。不知道你有沒有感覺到,在社群媒體上人們不斷展示著自己成就的速度;在職場上競爭的壓力讓我們覺得如果不加速,就會被甩在後頭。 甚至連我們也常常對自己施加壓力,希望能夠達到比昨天更高的效率和成果。 但在這樣的節奏下,我們是否已經忽略了內心的聲音?我們真的在為了自己而走,還是只是在追趕著一個永無止境的時間表?(甚至追逐的是別人的計劃表) 不可否認,我也曾在這樣的焦慮中迷失過。 曾經我也會質疑自己:如果不能保持高頻率地創作和更新內容,是不是就代表我落後了? 但正是這種焦慮,提醒了我一個重要的事實:成長並不是要與世界競爭速度,而是要找到屬於自己的步伐,穩步前進。 慢,不是拖延,而是精煉的力量 在這個什麼都追求快速、即效的社會裡,提到「慢」往往會被視為效率低下的象徵,甚至和「拖延」畫上等號。然而「慢」其實是一種力量,讓我們有機會對每一個步驟進行深思熟慮、精煉和改善。 當我們放慢腳步,我們能夠仔細審視自己

By 劉奕酉
書選閱讀|信心決策法:在混亂中找回清晰,信心、決策與行為模式的管理智慧

書選閱讀|信心決策法:在混亂中找回清晰,信心、決策與行為模式的管理智慧

信心如何深刻影響我們的決策、風險評估與行為模式? 行為經濟學家彼得.愛華特(Peter Atwater)在這本書中深入探討了這件事,並提出了一個「信心象限」的框架來說明。 他將「信心」拆解為兩個核心感受:控制感、確定感。 並強調 這兩者雖常被混為一談,實則獨立存在,且對我們的決策有著深遠影響。比方說,搭飛機時我們可能感到確定(相信飛機會安全降落),但未必有控制感(無法操控飛行過程)。根據我們對這兩種感受的程度所處了矩陣象限,可以解釋為何我們會做出某些決策與行為。 書中的核心觀點主要包括: 一|離愈遠的,愈能理性看待 當一件事離我們越遠,不管是時間、空間還是情感上的心理距離,我們越容易用「理性」看待;然而一旦很靠近,就會用「情緒」處理。比方說,你可能很理性地建議朋友別為了薪水高而去一份會很操的工作;但是換作自己遇到同樣的機會時,卻可能因為焦慮、怕失去機會而硬著頭皮答應。 二|不確定性愈高,愈會短視 當我們覺得一切都不確定、掌握度不高時時,

By 劉奕酉
職人觀點|一看就懂的簡報,是如何設計出來的?

職人觀點|一看就懂的簡報,是如何設計出來的?

「這張圖我看不懂,你能解釋一下嗎?」 這大概是我過去聽簡報時,最常出現的評語。不是我對別人的簡報,而是我自己的。 進入職場的頭幾年,那時的我很努力地把資料整理齊全、把文字濃縮、把圖表做得漂漂亮亮,但總是在最後一刻才意識到:聽的人跟我根本不在同一條思路上。 我以為自己在表達,實際上我只是把腦海裡的東西搬出來而已。但一場好的簡報,不是把資訊堆疊上去,而是讓對方「看得懂」我的想法。 ... 常見的簡報誤區:用輸出取代表達 很多人簡報做得辛苦,並不是因為他們不夠專業,而是因為他們跳過了一個關鍵步驟:在設計簡報之前,先整理思考的結構。 少了這個步驟,簡報常會出現這些現象: 一|條列太多,卻沒有清楚脈絡 二|資訊太雜,讓人不知道重點在哪 三|說的太多,時間不夠、聽眾抓不到重點 這些都是「思考還沒整理好」的結果,而不是簡報能力的問題。 ... 簡報不是視覺美學,而是視覺邏輯 要讓簡報的對象看見你的思考路徑,而不是只看到你蒐集了多少資料,或是你有多努力。一看就懂的簡報,通常有三個特徵: 一|

By 劉奕酉
書選閱讀|懂得精準觀察,就能清晰表達:把話說清楚的基礎不是話術,而是你看事情的能力

書選閱讀|懂得精準觀察,就能清晰表達:把話說清楚的基礎不是話術,而是你看事情的能力

「看得懂,才能說得清;」 「表達的前置動作,其實是觀察。」 這是我看完這本書總結出的核心觀點。 懂得精準觀察,就能清晰表達:日本NO.1的「觀心」溝通學,輕鬆創造百倍「高聊效」!書名:懂得精準觀察,就能清晰表達:日本NO.1的「觀心」溝通學,輕鬆創造百倍「高聊效」!,原文名稱:賢い人のとにかく伝わる説明100式,語言:繁體中文,ISBN:9786267650257,頁數:240,出版社:平安文化,作者:深谷百合子,譯者:黃詩婷,出版日期:2025/04/14,類別:心理勵志博客來 從書名來看,這是一本幫助你提升表達力的工具書;實際上則是一本訓練思考力的引導手冊。 「說不清楚,往往不是因為你的語言能力不好,而是根本還沒看懂問題的本質。」 我完全同意作者的這段話,這與我在《

By 劉奕酉