美國斯坦福大學教授、美國國家工程院院士李飛飛（來源：斯坦福大學賬號）

北京時間5月10日凌晨舉行的Bloomberg Tech活動上，著名華人計算機科學家、美國斯坦福大學教授李飛飛（Fei-Fei Li）與彭博社Emily Change進行對話。

這場15分鐘對話中，李飛飛表示，所謂擔心人類被 AI 滅絕的風險被過度炒作，“這已經(jīng)被夸大了”，所謂“滅絕性的危機”有點太過了。不過，她依然認為需要對 AI 模型進行限制，擔憂、評估和審查這些 AI 模型。

這是外界公布李飛飛創(chuàng)業(yè)之后的首次參加對話活動。

李飛飛是 AI 領域的先驅(qū)性人物，也是計算機領域的華人女科學家，目前還是斯坦福大學首位紅杉講席教授、美國國家工程院院士、美國國家醫(yī)學院院士、美國文理科學院院士、ImageNet的首席科學家和首席研究員、斯坦福以人為本人工智能研究院院長、AI4ALL聯(lián)合創(chuàng)始人。她的專業(yè)領域是計算機視覺和認知神經(jīng)科學。

李飛飛一直被稱為“AI 教母”——源自與圖靈三大“AI 教父”一樣的稱號。她通過開發(fā)一種名為ImageNet的大規(guī)模圖像數(shù)據(jù)集在AI領域名聲大噪。該數(shù)據(jù)集幫助開創(chuàng)了新一代能可靠識別物體的計算機視覺技術，也是ChatGPT底層技術之一。

2016年11月，李飛飛加入谷歌，擔任谷歌云AI/ML首席科學家。2018年9月，返回斯坦福任教，現(xiàn)為谷歌云AI/ML顧問。10月20日斯坦福大學以人為中心的AI計劃開啟，李飛飛擔任聯(lián)合負責人。

此前報道稱，她創(chuàng)立了一家“空間智能”企業(yè)，并完成了種子輪融資。投資方包括硅谷風險投資公司 Andreessen Horowitz（a16z）、加拿大基金Radical Ventures等。但在對話中拒絕談論此事。

李飛飛強調(diào)，她看到越來越多的女性，和多樣化背景的人進入科技和人工智能領域，多樣化背景人員將有可能成為杰出的思想家、創(chuàng)新者、技術人員和教育家，發(fā)明家，科學家。因此她完全接受“AI 教母”這個稱號。

以下是李飛飛對話全文：

歡迎李飛飛博士登臺，她是斯坦福大學計算機科學 Sequoia 教授，人工智能中心聯(lián)合主任。

Emily Chang: 李博士被譽為人工智能的教母。你對這個稱號有何感想？這是我要提的第一個問題。

李飛飛：Emily，我自己從未自稱為任何事情的教母，但當我被授予這個頭銜時，我確實停下來思考了一下，我想，如果男性可以被稱為某事的教父，那么女性也可以，所以我完全接受這個稱號。

Emily Chang: 百分之百。

Emily Chang: 你是我們這個時代最有影響力的計算機科學家之一。你撰寫了大量的學術論文。你是 ImageNet 的創(chuàng)造者，這個包含大量圖片及其描述的數(shù)據(jù)庫為現(xiàn)代 AI 奠定了基礎。你有想象過它的影響力會有多大嗎？

李飛飛：ImageNet 于 2007 年被設想出來，它可能是 AI 算法中大數(shù)據(jù)的關鍵轉(zhuǎn)折點。從科學的角度看，我堅信大數(shù)據(jù)會從根本上改變我們進行 AI 研究的方式，但我從未想到大數(shù)據(jù)、神經(jīng)網(wǎng)絡和 GPU 的融合會催生出現(xiàn)代 AI，我也從未預想到從那時起的進步速度。

Emily Chang: 你經(jīng)常和那些正在決定這項技術未來的人們在同一房間里，比如拜登總統(tǒng)，Sam Altman，Sundar Pichai，Satya Nadella。你在國會作證，你參與了各種工作小組。你對那些有權(quán)力的人，他們應該如何使用這種權(quán)力，有什么主要的建議嗎？

李飛飛：Emily，很好的問題。實際上，無論我是在 K-12 夏令營，還是在斯坦福大學的 AI 導論課程中，我的信息都是一樣的，那就是要認識到這項技術，它是什么，以及如何負責任和審慎地使用它。理解并接納它，因為它是一種橫跨各個領域的技術，正在改變我們的文明，推動商品流通，科學發(fā)現(xiàn)的快速進展，尋找治療癌癥的方法，繪制生物多樣性地圖，和我們一起發(fā)現(xiàn)新材料。但同時，也要認識到所有可能產(chǎn)生的后果，包括可能的非預期后果，以及如何負責任地開發(fā)和部署它。我認為，在現(xiàn)今的對話中，保持平衡，理性深思的聲音非常重要。無論是在白宮還是學校。

Emily Chang: 現(xiàn)在，我不知道你會否稱這為一場危機或一個轉(zhuǎn)折點，但 AI 模型的訓練數(shù)據(jù)正在耗盡，然后有些公司開始轉(zhuǎn)向使用 AI 生成的數(shù)據(jù)和合成數(shù)據(jù)來訓練他們的模型。這個問題有多嚴重？有哪些風險？下一步該怎么做？

李飛飛：首先，我認為 AI 模型的訓練數(shù)據(jù)正在耗盡是一種非常狹隘的觀點。我知道你在暗指那些消耗大量互聯(lián)網(wǎng)數(shù)據(jù)的大語言模型，特別是那些來自網(wǎng)站、Reddit、維基百科等你能獲取的數(shù)據(jù)。即使在談論語言模型，我們也不應局限于此。我認為還有很多可以探索的。

我們看到，不同的數(shù)據(jù)可以用來構(gòu)建定制化的模型，無論是用于新聞業(yè)還是在諸如醫(yī)療保健等不同的行業(yè)領域。其實我們并沒有耗盡數(shù)據(jù)。實際上，還有很多有許多行業(yè)還未進入數(shù)字化時代。我們并未充分利用數(shù)據(jù)，不論是在醫(yī)療、環(huán)保還是教育等領域。因此，即使在語言模型這個領域，我不認為我們的數(shù)據(jù)已經(jīng)用盡。

Emily Chang: 您認為現(xiàn)在使用 AI 生成的數(shù)據(jù)來訓練模型是好事，還是這可能會讓我們逐漸遠離原始數(shù)據(jù)，以一種可能危險的方式進行？

李飛飛：這是個需要更深入探討的問題。這是個好問題。AI 有很多生成數(shù)據(jù)的方法。比如在我的斯坦福實驗室，我們做了很多機器人研究，對吧？機器人學習。在這里，模擬數(shù)據(jù)非常重要，因為我們根本沒有足夠的資源或機會去收集由人類產(chǎn)生的動作等等。模擬真的非常重要。這會讓我們走向危險的道路嗎？

我認為，即使是使用人類生成的數(shù)據(jù)，也可能讓我們走向危險的道路。同樣，如果我們對模擬數(shù)據(jù)的處理不負責任，或者沒有進行深思熟慮，那么當然可能會使我們走向危險的道路。我的意思是，我甚至不需要特意指出。你知道有哪些是人類生成的不良數(shù)據(jù)，對嗎？就像整個暗網(wǎng)那樣。所以問題不在于模擬本身，問題在于數(shù)據(jù)。

Emily Chang: 你正在涉足熱門且競爭激烈的 AI 創(chuàng)業(yè)領域。你正在啟動一些項目，能透露一些信息嗎？

李飛飛：不能。

Emily Chang: 好的。那就期待后續(xù)吧。我們就 AI 時代的信任度進行了一項調(diào)查。可以公布那項調(diào)查的結(jié)果嗎？問題是，你對科技公司能否安全開發(fā) AI 有多大的信任？我完全信任他們，0%。我持懷疑態(tài)度，所有人。一點也不信任。