我看见的世界(85)_李飞飞

八五

　　新入行的人产生怀疑情绪是很正常的。但在实验室里，以人为本的精神随处可见，白板上还留着前一天晚上的项目笔记，这个项目的目标是在保护信息所有者隐私的同时，利用敏感信息对神经网络进行训练；另一个类似的项目则是在不影响最终模型有效性的前提下，将图像数据集中的人脸进行模糊处理。

　　我们甚至也开始用批判的眼光审视自己的研究成果。ImageNet包含了我们最初从互联网上搜罗的数百万张照片，我们通过研究，对数据集吸收的偏见（包括种族、性别和性取向）进行量化。在研究结果的指导下，我们替换了大量图片，以更加平衡地展现人类群体的全貌，并删除了具有冒犯性的类别标签。

　　也许最鼓舞人心的——至少对我来说——是我们的工作从未如此贴近现实世界。一位初级研究员的机器夹不起吐司固然令人遗憾，但除此之外，这十年来，机器感知领域的复兴已经从根本上改变了机器人技术，现在已经很难将其与人工智能本身区分开来。仿佛是为了说明这一点，金属长凳上摆了两条光滑的机械手臂，它们的名字非常亲切，一个叫作“查理”，一个叫作“艾达”，正在耐心地等待下一次训练。如今，它们就像任何算法一样，已经成为我们实验室工作不可或缺的一部分。

　　当然，硬件再先进、再亮眼，也只是达到目的的一种工具。因此，我们工作的指导原则依然关注人类的福祉，而不仅仅是追求程序的效率。这就是我们与数字经济实验室合作背后的理念。数字经济实验室是斯坦福HAI下属的成立不久的研究小组，这个小组利用美国劳动局的调查结果，以更好地了解人们对于自身工作价值的看法：他们在哪些方面欢迎自动化带来的便利，在哪些方面认为自动化的渗透具有威胁性，甚至是非人性化的。我首次意识到这种区别，是在跟阿尼一起研究环境智能的时候。我认识到，人工智能应始终致力于提高人类的能力，而不是与人类竞争。现在，这一理念成为我们实验室的基本价值观。这种价值观究竟意味着什么，这是每个研究人员都要自己回答的问题，但令人振奋的例子比比皆是。例如，我们实验室最重要的工作之一，就是对住宅、办公室和医院等日常空间进行极其细致的三维建模，而每个空间都有各种不同的种类、平面图和风格。我们努力让算法沉浸在人们生活和工作的环境中，沉浸在智能机器可能发挥最大作用的应用场景中，尤其是帮助身患疾病和残疾的人群。一个相关项目通过使用虚拟现实头盔和运动跟踪手套，帮助研究人员捕捉有形、有意义的任务（如叠衣服、准备食物等），并对动作进行数字编码，由此创建评估机器人性能的基准。还有一项研究探索了新的机器学习方法。研究人员设计出了具有天生好奇心的数字代理机器，并将其置于鼓励它们玩耍的虚拟环境中，因为玩耍是儿童与周围环境建立直觉联系的重要方式。

　　每一个故事都代表着一个变化——我们对数据的看法发生了变化，对数据的期望也发生了变化。我们曾经试图给算法类似百科全书式的意识，希望算法可以识别所有的类别和事物，而现在，我们的目标更为广泛。我们想对万事万物所蕴含的空间、时间甚至意义有更深入的了解。我们的目标不仅仅是数量上的增加，还有细节和细微差别的扩展。新的数据处理方法不仅仅是简单的整理和编目，而是要模拟整个环境，模拟在环境中展开的行动。这就是为什么随着技术复杂性出现爆炸式增长，我们研究背后的人本主义也在不断发展。要形成对现实生活的整体观，为了创造比以往任何时候都更加真实的世界表征，我们需要深度和保真度，而在我看来，即使目前最先进的技术也达不到这种需求。因此，我们再次热血沸腾，迎接挑战。我们再次需要进化。

　　＊

　　当然，进化的确切形式仍是个谜，但耐人寻味的蛛丝马迹已经初露端倪。随着进化所需的数据集规模日益增长，组织足够的人力所涉及的成本、时间甚至伦理问题不断增加。近年来，更具影响力的发展之一是出现了越来越多的模型训练新方法，这些方法可以突破人工整理数据集出现的瓶颈。模型的数据处理能力主要包括模型规模、并行操作的能力，以及自主识别有用模式的能力（文献中称之为“注意力”）等方面。模型在数据处理方面的进展使得用大规模数据集进行训练成为可能。有时，数据集的规模甚至构成了互联网的很大一部分。以文本为例，训练数据通常包括整个维基百科、各大图书馆的书籍和学术期刊，甚至是像Reddit这类在线论坛的历史帖子。在对每个单词、空格和标点符号进行分析之后，就可以生成人类语言的统计模型。这个模型是如此庞大，却又如此浓缩，只需要简短的提示，就可以让想法的种子变成茂密的参天大树，将一句话（无论是问句、陈述句还是对话）扩展成一篇洋洋洒洒的生动散文。这些模型现在通常被称为“大型语言模型”（Large Language Model，LLM），其所呈现的语句极为流畅，与人类的语言能力惊人地接近，让读者很容易忘记自己阅读的文字其实并不是真人写的。

　　经过多年的计算机视觉研究突破，大型语言模型正在推动自然语言处理的复兴，也很可能预示着人工智能的下一个伟大时代即将来临。具体而言，一种称为Transformer的新型机器学习模型成为自2012年的AlexNet以来神经网络设计中最大的进化飞跃。Transformer具备了所有让大型语言模型成为可能的必要特性：规模庞大，通过处理大量并行数据块来加速训练，并拥有极其复杂的注意力机制。不管怎么看，Transformer都是一个里程碑，甚至可以说是一个转折点；它一经发布，就立刻展示出了惊人的能力，甚至连其背后的专家们都感到震惊，而这些进展至今都没有放缓。

虚阁网(Xuges.com)