【人物簡介】李飛飛是斯坦福大學(xué)計算機系終身教授，斯坦福人工智能實驗室和斯坦福視覺實驗室主任。使用神經(jīng)網(wǎng)絡(luò)模型等機器學(xué)習算法，李飛飛帶領(lǐng)團隊創(chuàng)造了能夠自動生成圖說的軟件，創(chuàng)建了全球最大的圖像識別數(shù)據(jù)庫 ImageNet，每年一度的 ImageNet 競賽都牽動著整個業(yè)界的心弦。李飛飛關(guān)于神經(jīng)網(wǎng)絡(luò)和計算機視覺的研究大幅推動了人工智能發(fā)展，可能為我們帶來更直觀的圖像搜索應(yīng)用，以及能夠在不熟悉的情況下做出決策的自主機器人。

　　人工智能 60 年一直在積累

　　Q：您怎么看 AI 這 60 年的發(fā)展？

　　李飛飛：我簡短地說一下。我把過去這 60 年的 AI 看作是“in vitro AI” ，也就是在實驗室里的 AI?，F(xiàn)在是 21 世紀的第 2 個十年，是 AI 的一個重要的歷史轉(zhuǎn)折點，因為 in vitro AI 走向了 in vivo AI——成為走進人們生活、走進社會的 AI，雖然才剛邁出了第一步。過去 60 年是非常重要的 60 年，奠定了這個領(lǐng)域的基礎(chǔ)，包括理論基礎(chǔ)和理論框架、軟硬件工具，尤其是數(shù)學(xué)、算法，以及 AI 需要關(guān)注的主要問題是什么，如何去衡量這些問題。過去的這 60 年，AI 有了長足的發(fā)展，站在工業(yè)界、投資界的角度，或許 AI 好像是平地而起的一個新興產(chǎn)業(yè)，但實際上這 60 年一直都在積累。

　　Q：不過，近幾年 AI 投資非?；馃幔惺裁刺貏e的原因嗎？

　　李飛飛：原因我想也應(yīng)該是有目共睹的。深度學(xué)習的第二次崛起是 AI 從 in vitro 走向 in vivo 的一個重要轉(zhuǎn)折點。在我看來，有三個重要的因素，它們匯聚在一起，共同構(gòu)成了這個轉(zhuǎn)折點。一個是深度學(xué)習的理論框架，也就是是神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)從 20 世紀 70 年代、80 年代、90 年代不斷在發(fā)展、優(yōu)化。當然，也有一段時間，神經(jīng)網(wǎng)絡(luò)不是最受歡迎的機器學(xué)習方式，但不管怎么說，在上個世紀末機器學(xué)習百花齊放的時候，神經(jīng)網(wǎng)絡(luò)是其中的一部分。然后走到 21 世紀初期，硬件在摩爾定律的推動下不斷推陳出新，尤其是 NVDIA 的 GPU 帶來了并行計算的騰興，像神經(jīng)網(wǎng)絡(luò)的高通量模型運行。第三個非常重要的就是大數(shù)據(jù)。大數(shù)據(jù)的崛起與互聯(lián)網(wǎng)的崛起緊密相關(guān)，互聯(lián)網(wǎng)又是上個世紀 90 年代的產(chǎn)物，經(jīng)過這十幾年的積累，互聯(lián)網(wǎng)帶來了大數(shù)據(jù)的爆發(fā)。所以，在人工智能領(lǐng)域，神經(jīng)網(wǎng)絡(luò)、大數(shù)據(jù)和計算機硬件，尤其是 GPU，這三個事件的聚合帶來了 2012 年左右深度學(xué)習的大爆發(fā)。

　　如果一定要指出一個事件，我會說是 2012 年 ImageNet 競賽 Geoffrey Hinton 和他的學(xué)生用深度卷積神經(jīng)網(wǎng)絡(luò)在圖像識別任務(wù)上取得了長足的進步，他們當時的計算結(jié)果比其他的算法都好很多，我想這可能是大家會記住的歷史事件，但背后也很多年的積累。

　　Q：您是計算機視覺面的專家，在這 60 年的歷史中，AI 領(lǐng)域?qū)δ绊懽畲蟮娜擞心男?/strong>

　　李飛飛：我的專業(yè)處在計算機視覺和機器學(xué)習的交叉點，在機器學(xué)習方面，對我影響很大的兩個人是 Michael Jordan 和 Geoff Hinton，他們在各自的機器學(xué)習領(lǐng)域都作了巨大的貢獻。從我本科生開始到研究生，他們的論文一直引領(lǐng)著機器學(xué)習的新思路、不斷地探索?？?Geoff Hinton 這么多年寫的論文就可以發(fā)現(xiàn)，他在神經(jīng)網(wǎng)絡(luò)這個子領(lǐng)域上做了各種探索，從最開始的反向傳播算法，到生成模型、判別模型、各種不同的推理……深度學(xué)習本身是有很長歷史的子領(lǐng)域，Geoff Hinton 一直是深度學(xué)習的領(lǐng)軍人。同樣重要的一個人物是 Michael Jordan，是 Michael Jordan 把機器學(xué)習統(tǒng)計學(xué)的概念帶進了這個領(lǐng)域，而且他的工作一直在理論和應(yīng)用之間保持非常好的平衡。我做研究生的時候，他很多 topic model、梯度下降……他的學(xué)生現(xiàn)在已經(jīng)分散在各個重要的高校，在領(lǐng)軍機器學(xué)習。所以，這兩個人是在機器學(xué)習方面對我影響最大的。

　　在計算機視覺方面，我覺得一個重要的人物是 Jitendra Malik，他是伯克利的教授。Jitendra Malik 把計算機視覺這個領(lǐng)域從圖像處理帶進了 AI。這是一個非常重要的理念，在上世紀六七十年代，計算機視覺僅僅是圖像處理一個不成氣候的小領(lǐng)域，在像素級別怎么去做 filtering (such as low-pass, high-pass)、edge detection。但是，Jitendra 是最早一批看到了視覺本身在智能這個問題上的重要性。如果你看人，視覺是人類智能的重要的部分。所以，Jitendra 和與他同時代的一些研究者，比如 Shimon Ullman、Tomaso Poggio，一起推動了計算機視覺思維方式的改革。我 2000 年開始從事計算機視覺博士研究的時候，很幸運的成為第一批趕上這股新思想的人，剛好開始用機器學(xué)習的思路來重新思考計算機視覺里重要的感知和認知的問題。所以，Michael Jordan，Geoff Hinton 還有 Jitendra Malik，我覺得這三個人是對我影響最深的三個人。

　　AI 投資領(lǐng)域火熱，李飛飛給投資者的幾點建議

　　Q：您認為未來 5 到 10 年 AI 最有可能會實現(xiàn)哪些突破？

　　李飛飛：我是這樣看的，任何一個即是基礎(chǔ)科學(xué)又是應(yīng)用科學(xué)的科學(xué)領(lǐng)域，提到 5 到 10 年的突破，我們得看是應(yīng)用場景的突破還是基礎(chǔ)科學(xué)的突破，這兩者往往是有聯(lián)系，但不一定一樣的。在我看來，基礎(chǔ)科學(xué)的突破應(yīng)該比應(yīng)用場景的突破早走幾步。

　　Q：您覺得目前投資領(lǐng)域在 AI 方面有泡沫嗎？您對 AI 投資者有什么建議？

　　李飛飛：要是一年前問我這個問題，我可能只能告訴你我完全不懂投資。但是，最近看到新聞，AI 投資十分火熱，同時，硅谷的一個比較優(yōu)秀的投資團隊 A16Z 邀請我成為他們的顧問，Andreessen Horowitz 也被邀請作為他們的顧問。所以，我在最近的大半年開始學(xué)習投資了，雖然還是懂得非常少。我的感受是這樣的，我認為大家對 AI 的熱情是真實的，一方面是由一個新興的領(lǐng)域帶來的興奮，另一方面是很多有遠見的人看到了，我自己就非常相信，信息革命的后半段就是由 AI 來引領(lǐng)的。

　　信息革命的前半段是由 PC 和互聯(lián)網(wǎng)定義的，它帶來了數(shù)據(jù)，信息革命的后半段是由智能來引領(lǐng)的。所以，從這個角度講，我是認同這種興奮和關(guān)注的。你提到“泡沫”這個詞，我認為可能在這種興奮和關(guān)注之間，有時候會有一些不冷靜。現(xiàn)在在投資界大家也說，什么公司都想把自己標榜成一家機器學(xué)習公司、一家大數(shù)據(jù)公司，但如果你仔細地看一下這個公司，它的人才、實力也許還沒有走到那一步。所以我建議投資人，用投資界的朋友說的話就是，“Due diligence”一定要做好，面對每一家公司的時候，不要只看PPT，去了解一下它們的工程師，它們的技術(shù)領(lǐng)導(dǎo)團隊有什么樣的AI、機器學(xué)習或大數(shù)據(jù)的背景。這個是很重要的。

　　Q：您十月份沒有辦法到我們世界人工智能大會的現(xiàn)場，在這里有什么想對參會的各位說的嗎？

　　李飛飛：謝謝大家給我這個機會。首先我預(yù)祝人工智能世界大會的成功。在這個比較重要的歷史時刻辦這么一場會，我覺得也是一個非常好的機會，讓社會各界的人聚到一起，共同討論。我自己站在人工智能的科研者的角度，非常非常高興社會現(xiàn)在這么關(guān)注人工智能，我希望大家給我們很多反饋和建議，很多新的思路。我也希望我的學(xué)生今后不管是在學(xué)術(shù)界還是研發(fā)界還是創(chuàng)業(yè)界，都能有很好的機會。

　　我最近一直在思考 AI 何去何從的問題。你看現(xiàn)在好像 AI 不存在何去何從的問題，已經(jīng)是大家都非常關(guān)注的一個領(lǐng)域了。但我自己還是希望科技是為人類服務(wù)的，也就是說“technology has to be benevolent”，要站在人性的角度去思考技術(shù)。我也希望創(chuàng)投界和學(xué)術(shù)界更加關(guān)心人工智能的使命，人工智能最終的使命是以人為本的，當你在想應(yīng)用場景的時候，不管是醫(yī)療、教育、交通、智能城市……我希望 AI 能用在提高人類生活品質(zhì)這些最關(guān)鍵的應(yīng)用場景。同時我也關(guān)注 AI 人，我希望更多的不同的人參與 AI 領(lǐng)域的發(fā)展?？萍际菐е鴥r值觀的，科技工作者會把他們的價值觀帶入科技中。那這些科技者是誰，就成了非常重要的一個問題，只有一種人群來創(chuàng)造科技往往會帶著這種人群的偏見。所以，我特別推崇包含很多不同的人，來自不同的生活背景、不同的膚色、不同的性別、不同的人生理念來參與 AI 科技的發(fā)展。?