AI 領域的真實現況
智慧電腦的能力高低，取決於電腦開發人員的背景多樣性。
Robert Ito
在過去三年的夏天，約 24 位有志成為電腦科學家的學員來到了史丹佛大學，向人工智慧領域的專家學習這門學問的相關知識。這些從數百位申請者遴選出來的學員造訪了附近的科技公司、與社交機器人和六軸無人飛行機進行互動，並且學習了計算語言學 (例如機器收到含有多種意義的指令時會如何採取行動) 和時間管理的重要性 (超重要)，甚至還玩了飛盤。不過，如果你認為 AI 研究就是一群人為自己喜愛的電玩設計出更難纏的敵人，你可就大錯特錯了。參與史丹佛大學人工智慧實驗室 Outreach Summer (SAILORS) 計劃的學員，全都是剛從國中畢業的女生，而且她們的主要研究目標並不是讓電玩變得更好玩，而是找出改善生活的方法，像是運用 AI 避免巨無霸客機相撞，或是確保醫生洗過手之後再進手術室。史丹佛大學 AI 實驗室主任暨 SAILORS 計劃創辦人李飛飛表示：「我們想改變 AI 教育的現狀，提高這個領域的多樣性，並且鼓勵不同背景的學生加入學習的行列。如果未來的技術人員都有著不同的成長背景，就能確保科技可以增進人類整體福祉。」
“如果未來的技術人員都有著不同的成長背景，就能確保科技可以增進人類整體福祉。”
Fei-Fei Li Google 和史丹佛大學
SAILORS 計劃是由李飛飛和 Olga Russakovsky (現於普林斯頓大學擔任助理教授) 於 2015 年創立，旨在提高科技業的性別平等程度。這不僅是一個偉大的目標，而且確實有其迫切性。最近一項調查指出，研讀電腦科學的女性人數有下滑趨勢；而在 AI 領域，只有不到 20% 的決策層級職務是由女性擔任。這代表女性錯失了許多大好機會，畢竟每天都有越來越多人使用 AI 改善生活。AI 有各式各樣的用途，例如讓相片應用程式在人群中找出你的臉孔，甚至辨識相片的拍攝場景；讓裝置在你詢問明天的天氣時理解指令內容；或是一些較不為人知的應用範疇，例如診斷糖尿病視網膜病變 (通常會導致失明)，或派遣無人機前往偏遠地區執行搜救任務。
隨著 AI 的應用範疇越來越廣泛，解決 AI 領域的性別平衡問題已成為首要之務，畢竟多樣性對 AI 而言相當重要。這與機器學習技術的本質有關。AI 的一大目標，是讓機器完成人類能夠輕鬆辦到的事，例如辨識語音內容、做出決策，或是區分小籠包和燒賣。為了達成這個目標，研究人員會為機器提供大量資訊 (通常是上百萬個字詞、對話或圖片)，讓機器像人類一樣無時無刻吸收新知，而這個過程就叫做機器學習。機器看過的汽車越多，就越擅長辨識汽車。但如果提供的資料不完整或不完善 (例如研究人員未提供某款東德汽車的圖片)，或是 AI 研究人員未發現或根本不知道資料有疏漏 (也許他們並非東德汽車專家)，就會導致機器本身和最終產出的結果有所缺陷。目前已有真實案例發生，例如某個圖片識別軟體在辨識相片時，會將亞洲人誤判為正在眨眼。
“我們不僅要讓科技公司公開相關資料，還必須設法改善這些資料所反映的現實。”
Tracy Chou Project Include
人類如何營造出更多元開放的實驗室和工作環境？目前有許多專案和人士正嘗試解決這個難題。今年，Google Cloud 的 AI 暨機器學習首席科學家李飛飛，與其他人合力創立了 AI4ALL。這個全國性非營利機構致力於提高 AI 領域的多樣性，並延攬了基因體學、機器人學和永續發展領域的專家做為指導員。AI4ALLI 延續了 SAILORS 計劃的成果，但同時也希望為全國各地的各色人種和低收入學生提供機會，因此其合作對象除了史丹佛大學以外，還包括普林斯頓大學、加州大學柏克萊分校和卡內基美隆大學。李飛飛說：「許多同事和業界領袖紛紛向我們表示『SAILORS 立意雖好，但每年只有史丹佛大學開放幾十個名額，而且參加的學生大多來自舊金山灣區。』因此 AI4ALL 的目標是提高整體多樣性和包容度，而不僅是為了性別平等而努力。」
其他類似的計劃包括：Code Next，這是 Google 從奧克蘭展開的計劃，旨在鼓勵拉丁美洲裔和非裔美籍學生投身科技領域的工作；DIY Girls，這是一項 STEAM (代表科學、技術、工程、藝術和數學) 計劃，目標是為洛杉磯地區的資源匱乏社群提供教育和諮詢服務；以及 Project Include，這項計劃旨在協助新興及發展中的新創公司招募更多女性和各色人種的員工。曾任職於 Pinterest 的周怡君，在去年與另外 7 位科技業的傑出女性工作者共同創立了 Project Include。她有一項知名的成就，那就是在 2013 年成功促使科技公司公佈其雇用的女性員工人數。這些公司所公佈的資料，證明了在矽谷眾所皆知的事實：無論是大型企業還是小型新創公司，科技業的白人和男性員工佔了壓倒性的比例。周怡君認為 Project Include 是必然的發展，她說：「過去幾年間這類資料報告雖然陸續問世，但並沒有產生什麼效果，因此勢必得改變策略方針。現在我們不僅要讓科技公司公開相關資料，還必須設法改善這些資料所反映的現實。」
實際做法包括向大眾進一步提供 AI 領域的工作機會。AI 領域的員工相對較少，但技術人員已開發出可提供照護服務的機器人，以及可預測使用者需求的個人助理。在相關資料和篩選條件由人類控管、實際作業由機器負責的情況下，只要招聘更優秀的人才，就能更全面地發揮 AI 的妙用。
從許多方面來看，AI 技術正在普及。舉例來說，日本某位農夫的兒子就運用了 AI 技術，將自家收成的小黃瓜按照各種特徵分類。這類案例往往會引起李飛飛的關注；她在 16 歲時從中國來到美國，當時對於美國所知甚少，更不用說後來定居的紐澤西了。在做過家庭清潔、遛狗、中國餐館的收銀員等各種零工後，李飛飛成為普林斯頓大學的學生，之後則進入加州理工學院的研究所繼續深造。
身為一位有色人種的女性移民，李飛飛在踏入以白人為主的職場時感到格格不入。不過，這些可能會對他人形成阻礙的因素，卻成為她督促自己向上的動力。她投入大量時間研讀她稱為「AI 關鍵技術」的機器學習子領域：電腦視覺。這項技術可用來分析及識別視覺資料，未來或許有助於開發出反應更靈敏的機器義肢，或是解決數學難題。但就像所有 AI 技術一樣，在電腦視覺技術中，最重要的一環就是教導機器解讀來自不同位置和視角的大量資訊，讓機器在本質上像人類一樣，能運用視覺理解這個世界。
為了替機器形塑出更多元的世界觀，內容策略專家 Diana Williams 每天都在 ILMxLAB 協助培育背景互異的創作者，並且設法解決相關的技術問題；ILMxLAB 是 Lucasfilm 的秘密基地，當中的開發人員致力於打造出令人身歷其境的互動式娛樂體驗，例如透過 VR 與《星際大戰》中的黑武士面對面互動。Williams 積極參與 Black Girls Code 等科技推廣機構所發起的計劃，而且記得 80 年代讀大學時，學校裡的有色人種女性學生人數相當稀少：「不論是數學還是商管課，我總是課堂裡唯一的女學生。這讓我備感壓力，惶恐不安。」為了鼓勵更多女性踏入科技領域，Williams 認為要讓女性從小開始學習，藉此建立信心，這樣當她們日後身處男性為主的學習工作環境時，就不會退縮卻步。
“讓女性從小開始學習，藉此建立信心，這樣當她們日後身處男性為主的學習工作環境時，就不會退縮卻步。”
Diana Williams Lucasfilm
Google 的機器學習技術研究人員 Maya Gupta 致力讓 AI 更臻完美，只不過出發點並不相同。在史丹佛大學，Gupta 負責協助一家挪威公司偵測海底天然氣管線的破洞。她表示：「我們無法好好地實際深入海底探查，因此必須運用零碎資訊進行推敲。」Gupta 常常教導機器做出細膩的推測。比方說，你曾在 YouTube 上聆聽次中音薩克斯風演奏家 Kamasi Washington 的《Truth》時，發現好像有一位聰明絕頂的 DJ，在音樂播畢後立刻接著播放 Alice Coltrane 美妙動聽的《Turiya and Ramakrishna》嗎？這都是 Gupta 和她團隊的功勞，他們讓電腦學會如何為使用者推薦適合的音樂。Gupta 表示：「這都是經由預測得來的成果；你必須試著運用有限的資料進行推測。」
如今，Gupta 在 Google 率領一支團隊研發各種事物，其中一項便是提高機器學習技術的準確度。她說：「假設我希望機器對波士頓和德州口音的辨識能力水平一致，但現有的語音辨識器比較擅於辨識德州口音。這樣我該配合波士頓口音，刻意降低機器對德州口音的辨識能力嗎？如果問題純粹是波士頓口音較難辨識，又該怎麼辦？」
Gupta 和她的團隊也致力於改善機器學習系統，使其遠比人類客觀且容易解讀。人類往往會受偏見或潛意識影響，而我們希望能透過機器排除這些問題，或至少協助我們意識到這類狀況的發生。機器不會因勞累、情緒波動或飢餓而分心。一項研究指出，法官比較不會在午餐時間前核准假釋，畢竟他們滿腦子在想午餐該吃什麼，無暇思考其他事情。Gupta 說：「人類的內心活動高深莫測。我們想設計出能夠解讀的機器學習系統，老實說，許多機器學習系統都比人類容易解讀。」
“我們想設計出能夠解讀的機器學習系統，老實說，許多機器學習系統都比人類容易解讀。”
Maya Gupta Google
隨著 AI 技術越來越可靠好用，普及這項技術已成為目前的發展重點之一。Google 員工暨前 IBM 研究人員 Christine Robson 對於各種開放原始碼軟體充滿熱忱，例如 TensorFlow：這個機器學習系統可用來進行翻譯、偵測疾病和藝術創作等各種作業。
Robson 認為，如果要提高 AI 領域的多樣性，就必須將相關工具普及化，而不是只有像她一樣自詡為數學怪咖的人才能使用。她表示：「我非常希望將機器學習技術推廣到世界各個角落。這個話題感覺是老生常談，但我深深認同這個理念。讓這些工具變得簡單易用，並且讓所有人都能運用這些技術，是我們必須努力達成的目標。」
長久以來，科幻文學和電影提供了不少 AI 發展走偏的例子 (順帶一提，明年是瑪麗雪萊的《科學怪人》問世 200 週年)。如今包括李飛飛、Robson 和周怡君在內的許多業界人士，都將關注的焦點放在人類可對 AI 做出哪些調整，而不是 AI 對於人類的助益。舉例來說，程式設計師將虛擬助理的語音設為女聲，原因在於男性和女性都較希望聽到同一種版本的語音。不過周怡君指出：「這種做法複製了助理是女性職務的刻板印象，因此當我們與這類系統互動時，其實是在強化這種社會偏見。」許多 AI 領域專家所在意的，是研究人員會為實際 AI 系統提供哪些資訊，以及系統會運用這些資訊產出怎樣的結果，因此才希望提高 AI 領域的多樣性。這個理想不容易實現，但在這條路上奮鬥的人個個聰明絕頂、擅於解決難題，而且都願意為了理想犧牲奉獻。
“讓 AI 工具變得簡單易用，並且讓所有人都能運用這些技術，是我們必須努力達成的目標。”
Christine Robson Google
Gupta 說：「我們必須確保所有人都獲得歸屬感。」她回想起在母校萊斯大學，有一面牆上掛滿了電機工程學系的退休教授照片，當中沒有任何一位女性。Robson 補充道：「我們必須讓女性瞭解 AI 並不是什麼神奇的技術。它其實就是數學。」
SAILORS 計劃的教學重點，是讓學生瞭解如何運用自然語言處理程序來搜尋社交媒體及協助救災。李飛飛說：「只要善用自然語言處理程序，搜救人員就可透過 Twitter 訊息即時找到需要幫助的人。」在度過了充實難忘的夏天後，這些學生仍繼續在課堂和專案之外運用所學。有些學生自行創立了機器人學社團、有些在科學期刊發表研究，有些則在國中舉辦工作坊，希望讓更年輕的女學生接觸 AI。對這些成長背景和人生經驗大相逕庭的學生而言，AI 並不是什麼新潮的玩意兒，而是強大的行善工具。在 2015 年首屆 SAILORS 營隊的舉辦前夕，這項計劃的主辦方分享了來自準營隊學員的訊息，其中有人寫下了這則充滿抱負的願望：「我希望能立刻開始學習 AI，這樣未來就能為社會盡一份心力。」
