AI 领域的真实现状
智能计算机的能力高低，取决于计算机开发人员的背景多样性。
Robert Ito
在过去的三个夏天，约 24 位有志成为计算机科学家的学生来到斯坦福大学，跟着人工智能领域的精英学习这一领域的相关知识。这些学生是从数百位申请者中选拔出来的，他们参观了附近的科技公司，与社交机器人进行了亲密互动，亲手操作了无人机，还了解了计算机语言学（例如机器收到包含多种含义的指令时会怎么做）和时间管理的重要性（非常重要），他们甚至还玩了飞盘。如果您认为 AI（人工智能）研究就是一群人为自己喜爱的电子游戏设计出更难缠的敌人，那就大错特错了。参加斯坦福人工智能实验室拓展夏令营 (SAILORS) 的都是刚刚初中毕业的女学生，而且她们的主要研究目标并不是让游戏变得更好玩，而是要找出改善生活的方法：如何利用 AI 避免巨型喷气式客机相撞？如何确保医生洗过手之后再进手术室？斯坦福大学人工智能实验室主管兼 SAILORS 计划创始人李飞飞 (Fei-Fei Li) 说：“我们想改变 AI 教育的现状，促进这个领域的多样性，并且鼓励不同背景的学生加入学习的行列。如果未来的技术人员有着各种各样的成长背景，他们就会真正关心这项技术是否能用来造福全人类。”
“如果未来的技术人员有着各种各样的成长背景，他们就会真正关心这项技术是否能用来造福全人类。”
Fei-Fei Li Google 和斯坦福大学
SAILORS 计划是由李飞飞和她曾经的学生 Olga Russakovsky（现于普林斯顿大学担任助理教授）于 2015 年创立，旨在提高科技行业的性别平等程度。这不仅是一项崇高的事业，而且有其紧迫性。最近的一项调查显示，攻读计算机科学学位的女性人数有下降趋势；而在 AI 领域，只有不到 20% 的管理层职位由女性担任。这意味着女性错失了许多大好机会，毕竟每天都有越来越多的人使用 AI 改善生活。例如，照片应用可在人群中识别出您的脸孔，至于识别出照片的拍摄地点那就更不在话下了；设备可以回答明天天气如何之类的问询；还有一些人们不太了解的应用，例如诊断糖尿病性视网膜病变（通常会导致失明），或派遣无人机前往偏远地区执行搜救任务。所有这些都是 AI 在发挥作用。
随着 AI 的应用越来越广泛，解决 AI 领域的性别平衡问题已成为首要任务，毕竟多样性对 AI 而言非常重要。这与机器学习的本质有关。AI 的一大目标，是让机器完成人类能够轻松办到的事：识别语音内容、做出决策、区分小笼包和煎饺。为了达成这个目标，研究人员会为机器提供海量信息（通常是数以百万计的字词、对话或图片），让机器像人类一样从出生起便每时每刻都在吸收信息，而这个过程在本质上就是机器学习。机器看过的汽车越多，就越擅长识别汽车。但如果提供的数据不完整或不完善（例如，如果研究人员未提供奇瑞 QQ 汽车的图片），或者 AI 研究人员未发现或根本不知道数据有疏漏（也许他们并非中国汽车的行家），就会导致机器本身和输出的结果存在缺陷。目前已出现过真实案例，例如某款图像识别软件在处理亚洲人的照片时，会误认为照片上的人在眨眼。
“我们不仅要让科技公司公布相关数据，还需要设法改善这些数据所反映的问题。”
Tracy Chou Project Include
人类如何营造出更多元化的实验室和工作环境？目前有许多项目和个人都致力于解决这一难题。今年，Google Cloud AI 与机器学习首席科学家李飞飞与其他人合力创立了 AI4ALL。这一全国性公益组织致力于让 AI 领域更加多元化，并聘请了基因体学、机器人学和可持续发展领域的专家担任指导者。该组织延续了 SAILORS 计划的工作，但涉及范围更广，他们希望全国各地的有色人种和低收入学生也能机会参与其中，因此其合作对象除斯坦福大学外，还有普林斯顿大学、加州大学伯克利分校和卡内基梅隆大学。李飞飞说：“许多同事和行业领袖都向我们表示，‘SAILORS 虽然很棒，但每年只有斯坦福大学开放几十个名额，而且参加的学生大多来自旧金山湾区’，因此，AI4ALL 的目标是提高多样性和包容性，而不仅仅是减少从业人员的男女比例失衡问题。”
其他类似的计划包括：Code Next，这是 Google 以奥克兰为中心开展的计划，旨在鼓励拉美裔和非裔美籍学生投身科技领域的工作；DIY Girls，这是一项 STEAM（科学、技术、工程、艺术和数学）教育指导计划，目的是为洛杉矶地区缺少资源的社区提供教育和咨询服务；以及 Project Include，该计划旨在帮助新兴和发展中的创业公司招聘更多女性和有色人种的员工。周怡君（Tracy Chou）曾任职于 Pinterest，去年她与另外 7 位科技行业的杰出女性工作者共同创立了 Project Include。她有一项知名的成就，那就是在 2013 年成功促使科技公司公布其雇用的女性员工人数。随着相关数据的陆续公布，这个在硅谷众所周知的事实得到了证实：在科技行业，无论是大型企业还是小型创业公司，白人男性员工占了压倒性的比例。周怡君说，Project Include 正是因此诞生的：“过去几年间这些数据报告虽然陆续公布，但并没有带来什么改变，所以得改变策略方针。现在我们不仅要让科技公司公布相关数据，还需要设法改善这些数据所反映的问题。”
实际做法包括向大众提供更多 AI 领域的工作机会。AI 领域的员工相对较少，而且人们已开发出可提供护理服务的机器人以及能够预测用户需求的个人助理。人类负责控制数据和标准，机器负责实际操作，那么只要招聘更多更优秀的人才，就能更全面有效地发挥 AI 的作用。
从许多方面来看，AI 技术正逐步走向大众化。举例来说：日本一位农民的儿子就曾利用 AI 机器人，按各种特征分拣自家农场采摘的黄瓜。这类案例往往会引起李飞飞的关注。她在 16 岁时从中国来到美国，当时对于美国所知甚少，更不用说后来定居的新泽西了。她曾做过家庭清洁、遛狗、中国餐馆收银等各种零工，后来考入了普林斯顿大学，然后又进入加州理工学院的研究生院继续深造。
作为一位有色人种的女性移民，李飞飞在踏入以白人为主的职场时感到格格不入。不过，这些可能会对他人形成阻碍的因素，却成为催她奋进的动力。她投入大量时间研究她称之为“AI 的杀手级应用”的机器学习子领域：计算机视觉技术。这项技术可用来分析和识别视觉数据，未来或许有助于开发出反应更灵敏的机械四肢，或解决最棘手的数学证明题。但就像所有 AI 技术一样，该技术的关键在于教机器解读来自不同位置和视角的大量信息，让机器在本质上成为整个世界的视觉公民，而不是不像人类。
对内容策略师 Diana Williams 来说，要想处理她每天在 ILMxLAB 遇到的各种故事和技术问题，关键在于培养背景各异的创作者来改变这个世界。ILMxLAB 是卢卡斯影业 (LucasFilm) 最机密的梦想中心，这里的开发者致力于打造出令人身临其境的互动式娱乐体验，例如通过 VR 与《星球大战》中的阿纳金·天行者面对面互动。Williams 深入参与了 Black Girls Code 等科技推广组织所发起的计划，她还记得在上世纪 80 年代，她所在的大学里有色人种的女生非常少：“无论是数学课还是商管课，我总是教室里唯一的一个女性有色人种。这让我觉得很厌烦、很不安。”为了鼓励更多女性踏入科技领域，她认为：“应该让女性从小开始学习，建立信心，这样当她们日后身处男性为主的学习或工作环境时，就不会望而却步。”
“应该让女性从小开始学习，建立信心，这样当她们日后身处男性为主的学习或工作环境时，就不会望而却步。”
Diana Williams 卢卡斯影业
Google 的机器学习技术研究人员 Maya Gupta 致力于改进 AI，但切入角度不同。在斯坦福大学，她负责帮助一家挪威公司检测海底天燃气管道的裂缝。她说：“我们没法深入海底实地探查，只能利用零碎信息进行推测。”Maya 熟悉的领域之一恰好就是教机器做出精细的推测。例如，如果您在 YouTube 上聆听次中音萨克斯管演奏家 Kamasi Washington 的《Truth》，您会发现，在这曲子播放完毕后立刻接着播放的是 Alice Coltrane 美妙动听的《Turiya and Ramakrishna》，就像有位聪明绝顶的 DJ 专门筛选过一样。这都是 Maya 和她团队的功劳，是他们帮助计算机学会如何为用户推荐合适的音乐。“这就是靠预测，对吧？”她说，“你要尝试利用有限的数据进行推测。”
如今，她在 Google 率领一支研发团队研发各种事物，其中一项便是提高机器学习的准确性。她说：“假设我希望机器对波士顿口音和德州口音的识别能力一致，但我的语音识别工具比较擅长识别德州口音，那我应该配合波士顿口音，刻意降低机器对德州口音的识别能力吗？如果问题纯粹是波士顿口音的识别难度较大，又该怎么办？”
Maya 和她的团队还致力于优化机器学习系统，使其远比人类客观且容易解读。人类思维往往会受偏见或潜意识影响，而我们希望能够通过机器排除这些问题，或者至少帮助我们了解这类问题是否存在。机器不会因疲劳、情绪波动或饥饿而导致注意力不集中。一项研究表明，法官在午饭前批准假释的可能性较低，毕竟那时他们满脑子都在想中午吃什么，无心考虑其他事情。Maya 说：“人类的内心活动高深莫测。我们想设计出可以解读的机器学习系统，老实说，许多机器学习系统都比人类容易解读。”
“我们想设计出可以解读的机器学习系统，老实说，许多机器学习系统都比人类容易解读。”
Maya Gupta Google
随着 AI 技术越来越实用，而且更加易于使用，普及这项技术势在必行。Christine Robson 在加入 Google 之前，曾是 IBM 的研究人员；她对各种开源软件充满热忱，例如 TensorFlow - 这个机器学习系统可用来完成翻译、诊断疾病和艺术创作等各种工作。
Robson 认为，要提高 AI 领域的多元化，我们需要普及相关的工具，现在只有她这样自诩为数学迷的人才会使用。她说：“我非常希望将机器学习技术推广到世界的各个角落。对于普及机器学习技术已有诸多讨论，而我深以为然。让这些 AI 工具变得简单易用，并且让所有人都能运用这些技术，是我们必须努力达成的目标。”
长期以来，科幻文学和电影提供了不少 AI 发展偏离正轨的例子（顺便提一下，明年是玛莉·雪莱的《科学怪人》问世 200 周年）。如今，包括李飞飞、Robson 和周怡君在内的业界人士都将关注的重点放在人类可对 AI 做出哪些调整，而不是 AI 会为人类提供哪些帮助。例如：程序员将虚拟助理的声音设为女声，因为男性和女性都更倾向于听到女性的声音。“但这种做法延续了助理是女性职务的刻板印象，因此当我们与这些系统互动时，会加剧这种社会偏见，”周怡君说。许多 AI 领域精英人士担心研究人员提供给实际 AI 系统的信息有疏漏，导致最终产生的结果有缺失，因此才希望提高 AI 领域的多样性。这个理想不容易实现，但在这条路上奋斗的人们都聪明绝顶、足智多谋，而且全身心地致力于这一理想。
“让这些 AI 工具变得简单易用，并且让所有人都能运用这些技术，是我们必须努力达成的目标。”
Christine Robson Google
Maya 表示，我们必须确保每个人都能获得归属感。她回想起在母校莱斯大学，有一面墙上挂满了电气工程学系退休教授的照片，其中没有一位女性。“我们需要让女孩们明白 AI 并不是什么神奇的技术，” Robson 补充道，“它其实就是数学。”
SAILORS 计划的教学重点，是让学生了解如何运用自然语言处理程序来搜索社交媒体及协助救灾工作。“只要适当运用自然语言处理程序，搜救人员就可以通过 Twitter 消息即时找到需要帮助的人，”李飞飞说。在度过了充实难忘的夏天后，夏令营的课程和项目依然在影响着这些学生。有些学生在学校自行创立了机器人学俱乐部，有些在科学期刊上发表了文章，有些则在中学举办了讨论会，让年纪更小的女孩也能接触 AI。对于这些成长背景和人生经历各不相同的学生而言，AI 并不是当下最新潮的事物，而是强大的行善工具。在 2015 年第一届 SAILORS 夏令营举办前夕，该计划的主办方分享了即将到来的营员们发来的消息，其中一条可谓充满了雄心壮志：“我希望能立即开始我的 AI 学习之旅，将来能为改变世界贡献自己的一份力量。”
