对话李飞飞：在谷歌听得见炮火 回斯坦福看下个方向|李飞飞|谷歌|学术界

　　文：本刊记者 谢丽容 刘以秦

　　人工智能产业进入快速上升通道，这一切既有赖于过去六十年学术界的知识沉淀，更得益于近些年学术界和工业界互动效率空前。

　　一边是人工智能产业界最大巨头谷歌，一边是人工智能学术研究皇冠上的明珠斯坦福大学，李飞飞数度进出，完成了学术界和产业界的串联。

　　2016年11月，谷歌云CEO Diane Greene向外界宣布，斯坦福大学终身教授，斯坦福大学人工智能实验室主任李飞飞加入谷歌，任谷歌云机器学习负责人。今年9月11日，在外界传言“李飞飞将离职谷歌”一事逾两月后，Diane Greene再次向外界宣布，李飞飞将回归斯坦福大学进行学术研究，她的谷歌职位接任者，是来自另一个AI顶尖学府的卡内基梅隆大学的计算机科学院院长Andrew Moore教授。

　　9月，在北京参加斯坦福大学的一个学术会议期间，李飞飞接受了《财经》记者专访。她向《财经》记者确认，随着斯坦福新学年的开学，两年学术假将满，当初加入谷歌和如今回归斯坦福，均在预计日程表上。今后，她不会完全离开谷歌，还将继续担任谷歌云的AI/ML（Machine Learning）顾问。

　　在全球人工智能学术界中，由于是女性、华人，李飞飞是一位在中国认知度较高的研究学者。

　　她的主要研究方向为机器学习、计算机视觉、认知计算神经学。最著名的项目是 ImageNet，可以被理解为一个极大程度上方便了计算机对海量图像进行快速和准确识别的“数据库”，被几乎所有主流大小公司的机器视觉研究所采用，成为了学界和业界的标准。改变了人工智能的发展历史，促进了深度学习的崛起。

　　尽管ImageNet 项目备受产业界欢迎，但在加盟谷歌之前的长达18年时间，直到近几年，她才和谷歌等产业公司有实质性的交集。

　　在谷歌近两年，李飞飞干了两件事。

　　第一件事情，推动成立 Google AI 中国中心。全程参与 Google AI 中国中心的规划和建设，推动将这一中心的成立定义为公司级的战略。李飞飞的光环，吸引不少中国AI人才加入。除此之外，李飞飞还参与了谷歌云的日常业务决策。

　　第二件事情，在谷歌推行“AI平民化”理论，两年来，谷歌云结合既定战略，确实在推动 AI 平民化、降低 AI 使用门槛上有不小进展。

　　在谷歌云期间，李飞飞主持了一项名为Cloud AutoML的项目。这个项目被业内称为“Google Cloud发展的战略转型”，这意味着一直以来面向开发者的Google Cloud，这次将服务对象转向了普罗大众。

　　今年1月，AutoML Vision上线，这是 Cloud AutoML大项目推出的第一项服务，提供自定义图像识别系统自动开发服务。据谷歌介绍，即使是没有机器学习专业知识的小白，只需了解模型基本概念，就能轻松搭建定制化的图像识别模型。

　　到了今年7月，AutoML Vision产品线已经从图像拓展到翻译、和自然语言处理领域。

　　如近期谷歌博客对外公布的信息，接下来，李飞飞将按照原定计划回到斯坦福大学，继续AI方面的研究工作。

　　得益于深度学习技术的突破，人工智能产业在这几年进入快速上升通道，这一切有赖于过去六十年学术界的沉淀和坚持，更得益于近些年学术界和工业界互动效率空前。李飞飞作为学术研究者，过去两年的两栖经历是一个缩影。

　　李飞飞认为，下一阶段人工智能产业的良性发展的趋势，除了AI学术界，包括人类学、社会学、法律学、伦理学、生物学等更大范围的学术界也需参与进来，和产业界形成新的互动模式。

　　谷歌的“炮火” VS 斯坦福的“灯塔”[page]分页标题[/page]

　　《财经》：在谷歌和在斯坦福做研究区别一定很大？

　　李飞飞：是的，区别很大，也相当必要。直到2017年，AutoML还是一个基础科学，论文刚刚出来，谷歌的研究环境让我们意识到，这不仅是学术的问题，可以直接解决产业界痛点。谷歌两年，时刻被产业需求和场景所触动，很多问题学术界此前并没有关注。

　　《财经》：所以很多人说，这一轮人工智能热潮是产业界推动的，在产业界能够更好的听到前方的炮火，从应用反推了研究。

　　李飞飞：科学家有两个不同的“前方”，一个是产业界的“前方”，是需求、应用和产品，这个“前方”，通常是有需求声音的，更像一种反馈；另一个是学术界的“前方”，是高瞻远瞩的思想，思想要走在需求之前。60年前提出AI的时候，谁需要AI？那个时候连个人电脑都还没有，那就是思想的前方。

　　我们6年前开始做AI医疗相关科研时，可能前方有需求，但是听不到声音的，这也是思想的前方，要做吗？一定要做。

　　今天的AI走到了一个历史性的时刻，既有产业界大量需求，需要普世、通用的AI，研发出更好的产品，这既包括给产业赋能，也包括给消费者带来更惊喜的产品。同时，在思想界、学术界，也需要新的AI研究，点亮未来道路。

　　人类科技发展，就像在大海航行，每一次探索，都是走进黑暗的海域，你并不知道这艘船开往哪个方向，思想界、学术界的使命是造一座灯塔，照亮前方，让产业界得以继续进行。

　　《财经》：如果出现多座灯塔，产业界应该看什么？

　　李飞飞：出现多个灯塔是正常现象，不止是斯坦福大学在做基础科研，历史会告诉我们，哪一个灯塔是正确的。

　　《财经》：今天AI的灯塔，应该照亮哪几个方向？

　　李飞飞：其一，深度学习绝对不是AI的终极。深度学习依然很重要，在AI商业化落地方面还有很强的生命力。AI作为一门科学，还有很多没有解决的难题，比如无监督学习（unsupervised learning）、迁移学习（transfer learning）等，都是AI技术前沿。我们下一步需要把脑科学、认知科学、生命科学的精髓和AI工程学结合起来。

　　今天的深度学习，是五六十年前神经生物学的一个火花，这么小小的一个火花，今天给人类带来了第四次工业革命，人类需要更多火花。

　　其二，说起AI，很多人会担心人类被AI取代，我认为不是取代，而是辅助、强化（enhance），是助力。

　　其三，学术界有责任和使命，去结合经济学、伦理学、法律学，甚至政治学等，去了解AI会对人类产生的文化、伦理的影响。

　　《财经》：中国一些科技公司开始试图探索基础科学研究的无人区，比如华为、阿里，大型商业公司有能力建立自己的灯塔吗？

　　李飞飞：企业替代不了高校，美国的科技公司有基础研究的传统，最著名的经典案例是贝尔实验室，拿了那么多诺贝尔奖，今天，IBM、微软、谷歌、脸书、亚马逊都在做基础研究。商业公司加大了基础研究的力度，最大的作用是搭建了一座桥——可以更好地与学术界互动，双方可以尽可能近地交流、合作。如果学术界只做技术研究，产业界只做产品开发，双方很可能连话都说不上。比如，我作为斯坦福的研究者，我想和谷歌对话，我可以通过谷歌AI的研发团队，这是一个桥梁。[page]分页标题[/page]

　　我很鼓励产业界有一部分基础研究，但产业界的DNA会让基础研究更重视应用，他们也需要和学术界有更多互动。

　　这个时代，基础研究越来越重要，但这需要耐心和定力，60年前学术界点燃的火花，今天才看到成果。

　　《财经》：作为斯坦福的教授，您可以休长达两年的学术假到谷歌任职，有人说斯坦福是硅谷的沃土，也有人说硅谷带给斯坦福灵感，您是如何看待的？

　　李飞飞：这是硅谷的文化，非常鼓励学术界和产业界的互动，包括方方面面：作为教授，我们学术上的合作者，既来自产业界，也来自学术界；我们可以休学术假，可以像我一样去谷歌，也鼓励学生们创业，既可以和教授合作，也可以在工业界自己打拼。

　　《财经》：像一个成熟运转的机器体系？

　　李飞飞：硅谷很自由，机器是严丝合缝，设计好了就不会改变的，我更愿意说它是一个“生态”。硅谷不断推陈出新，是一个自由、有机的生态。这套生态体系下，我很幸运，短短两年在谷歌，几乎从零建立了一个几百人的团队，产品线体系也基本搭建起来了，既做了基础研究，也推出了很多重要的产品。

　　硅谷的产业、高校、研究机构这些点自由、开放地连接起来，才能形成一个良好的生态。

　　《财经》：回到斯坦福大学会做什么？

　　李飞飞：一部分精力继续AI医疗相关领域和AI基础科学的研究。同时，斯坦福大学在筹备一个新的校级AI项目，将在不久的将来公诸于众，我是这个项目的负责人。这个项目我们已经筹备了一年，接下来，这个项目和产业界包括谷歌也会有密切的合作。

　　深度研究 VS 落地前景

　　《财经》：我们事先找了很多人聊最想你谈的话题，大家最关心AI的实际落地和应用。

　　李飞飞：这是国内外都关心的问题，我在谷歌最大的收获，就是接触了很多传统行业，真正要让AI渗透到生活的衣食住行，就要通过不同的垂直领域来进行。

　　我目前最看好的是医疗健康的AI落地。我给你举一个例子。有一个数字大家不能忽略，在美国，GDP的15-16%花在医疗上，1%花在重症监护室（ICU），ICU的整个工作流程中，AI其实可以做很多事情。现在，大家在AI医疗的实践上，主要集中在医疗影像和数据分析上，这是很基础的应用。

　　比如人工智能在ICU领域可以做的一个项目，是减少院内感染。

　　医疗是一个非常复杂的过程，每一个环节都跟人命相关，稍微出一个错，就是生与死。美国每年因为医院感染死亡的人数是9万，远高于每年车祸死亡人数的3.3万，看似小小的医院感染这一个程序，不仅造成大量医疗事故，还导致大量医疗资源的浪费。

　　医院感染的主要原因之一，是医护人员手部消毒不规范。美国医疗系统如此发达，但依然没有好的方式来实时监控手部消毒的问题，你可能完全不能相信，美国医院要做院感的监控，很多情况下还是只能派一个人站在走廊里拿一个板子计数，这简直是中世纪的方式。这是AI很快就可以做的一件事情。通过智能感应器和深度学习的算法，可以做到实时自动提醒医护人员。

　　另一个人工智能可以切入的场景是健康，尤其是养老健康和医疗。

　　老龄化是很多国家都在面临的社会问题，老人最关切的诉求是能在家自理生活，延续生活高质量。目前，老人日常生活的行为数据，医护人员和家属很难去全面了解，很多时候你不并知道老人在做什么，一不小心就出事了。

　　我看到有公司做了可穿戴式的设备，但是老人不爱戴，原因很简单，这些可穿戴设备通常只能监控一两个指标，有的是专门针对糖尿病人的，有的是报警器，那么问题来了，你要保证一个老人的安全，他（她）需要同时穿戴多少个设备？[page]分页标题[/page]

　　我们在斯坦福大学正在做的一个研究，是把智能传感器背后的算法加进来，对整个家庭生活场景进行全面联网分析，打破一个设备一个功能的状态。

　　不过，这个项目目前还在实验室阶段。目前的合作对象是旧金山的一个养老院，也有斯坦福大学。但是你可以想象，不久的将来，假设有老人的家庭有了这样的一个装备，会是另一个场景。我还要强调一下，这项目研究包括老人，但不仅限于老人，也包括慢性病的长期康复等。

　　《财经》：医疗健康之外的其他领域有没有很快就落地的机会？

　　李飞飞：AI在其他领域也会有机会，比如无人车、金融业、制造业等。金融行业的数据量非常大，天然适合AI。

　　谷歌云已经与保险公司展开合作，用户自己通过拍照就可以自动评估、车辆定损。这在美国已经相对成熟，整个流程变得轻了很多，金融还有很多应用的场景，比如金融反欺诈等。

　　不过还有一个方向让我觉得很兴奋，但是我目前还没开始做，是农业。

　　AI会是人类公敌吗？

　　《财经》：很多人在讨论，人工智能技术发展的终极，是逐步取代人类。

　　李飞飞：说起AI，很多人联想到第一个英文单词就是Replace，我认为不是取代，而是助力（Enhance）。不管医疗、教育、制造业，协助工具至关重要。我们希望让大家看到，做AI医疗是为了帮助人类，不是取代人类。

　　《财经》：但人们会简单粗暴地认为，AI取代人力，本来医院需要200个医生，AI技术成熟后，就只需要100个了。

　　李飞飞：确实太简单粗暴了。这个问题需要经济学家和技术人士一起来讨论，举个例子，银行的自动取款机出现之后，很多人说银行会减少很多前台工作人员，但是数据表示，ATM机增加的同时，前台的工作人员也增加了，为什么呢？机器把简单重复的工作减少之后，银行可以把金融的产品做的更丰富了。

　　作为一个科学者，我特别不喜欢把一件事情说得很夸张，无限放大优点和缺点，我们需要准确、理性地去传递。

　　《财经》：我们看到很多科幻作品里，有机器人伤害、取代人类的场面。

　　李飞飞：这里有一个例子。我有一个人类学家朋友曾经跟我分享，现在的美国青少年，会经常嘲笑自己的父母，因为他们的父母在跟智能音箱聊天的时候，总是习惯性说“谢谢”。她很想跟我探讨：AI会给人类的文化带来什么影响？我们会不会教出一群不懂礼貌的孩子，反正AI不需要礼貌。

　　这是一个很小的点，甚至很多人不会在意。但是我的那位人类学家朋友提醒我：我们确实还不清楚AI会给人类社会带来什么，会不会下一代的孩子都没有礼貌了？

　　学术界有责任和使命，去结合经济学、伦理学、法律学，甚至政治学等等，去了解AI会对人类产生的文化、伦理的影响。这个非常重要，就业是一个问题，还有AI的透明性，公平性，可解释性，安全性等。

　　相比机器人会不会杀死人类，我们目前更应该注意到，AI技术是时候需要开始与其他领域的专业人士深度合作统筹研究了，他们包括但不仅限于社会科学家、人文主义者、律师、艺术家和政策制定者。

　　《财经》：提到公平性，有人提出，AI只会成为一小部分人的工具，而非全人类。

　　李飞飞：这个问题很好。这也是为什么我之前一直在强调AI的普世性。AI的普世性，也是人类的灯塔之一。我们需要重视怎么让AI的可解释性更好，这些都会促进它往更好的方向发展。如果你把技术做到完全可解释，就很难把它做得不公平。

　　《财经》：现在全世界都在加强数据保护，这对AI的发展是好是坏？[page]分页标题[/page]

　　李飞飞：AI是人类的一个工具，工具需要被良性、正面地应用，需要尊重人的需求，人的价值观，现在欧盟出台的GDPR也好，其他国家打击数据隐私泛滥也好，都是短痛。短痛之后，是秩序。机器没有独立的价值观，机器的价值观是人类的价值观。只有以人为本的科技才能真正地造福人类。