܄

斯坦福大学教授李飞飞正式加入谷歌,任谷歌云机器学习负责人

【数据猿导读】 李飞飞教授从学术界转移到了工业界,正式加入谷歌,任谷歌云机器学习负责人。本文附上新智元此前对李飞飞的视频专访和文字报道。想了解这位擅长机器视觉的女科学家如何看待人工智能以及学术与产业的关系,本文统统都有

斯坦福大学教授李飞飞正式加入谷歌,任谷歌云机器学习负责人

李飞飞教授从学术界转移到了工业界,正式加入谷歌,任谷歌云机器学习负责人。本文附上新智元此前对李飞飞的视频专访和文字报道。想了解这位擅长机器视觉的女科学家如何看待人工智能以及学术与产业的关系,本文统统都有。

今天,谷歌云主管Diane Greene 宣布了公司在机器学习和人工智能上的新布局。

在Greene的部门,将成立新的小组,整合此前各自独立的机器学习团队,这些团队零散地分布在谷歌云业务部中。

新团队将有两位女性来负责:一位是斯坦福大学AI实验室的主任李飞飞;另一位是Snap研究团队的前任主管李佳。

李飞飞加盟谷歌的新闻,是随着谷歌云发布产品路线图一并宣布的。谷歌云还介绍了自己扩大对机器学习的使用的计划,机器学习对于云来说是一项关键的技术,它能训练大规模的AI网络,不断自我学习和提升。

这一消息的宣布,目的是展示谷歌的云计算不仅仅是在服务器上renting time,还能基于机器学习算法为企业级用户提供服务。这些服务包括更加简单的翻译、计算机视觉,甚至是招聘。

人物简介

李飞飞是斯坦福大学计算机系终身教授,斯坦福人工智能实验室和斯坦福视觉实验室主任。使用神经网络模型等机器学习算法,李飞飞带领团队创造了能够自动生成图说的软件,创建了全球最大的图像识别数据库 ImageNet,每年一度的 ImageNet 竞赛都牵动着整个业界的心弦。李飞飞关于神经网络和计算机视觉的研究大幅推动了人工智能发展,可能为我们带来更直观的图像搜索应用,以及能够在不熟悉的情况下做出决策的自主机器人。

采访实录:

新智元:您怎么看 AI 这 60 年的发展? 

李飞飞:我简短地说一下。我把过去这 60 年的 AI 看作是“in vitro AI”,也就是在实验室里的 AI。现在是 21 世纪的第 2 个十年,是 AI 的一个重要的历史转折点,因为 in vitro AI 走向了 in vivo AI——成为走进人们生活、走进社会的 AI,虽然才刚迈出了第一步。过去 60 年是非常重要的 60 年,奠定了这个领域的基础,包括理论基础和理论框架、软硬件工具,尤其是数学、算法,以及 AI 需要关注的主要问题是什么,如何去衡量这些问题。过去的这 60 年,AI 有了长足的发展,站在工业界、投资界的角度,或许 AI 好像是平地而起的一个新兴产业,但实际上这 60 年一直都在积累。 

新智元:您认为未来 5 到 10 年 AI最有可能实现哪些突破? 

李飞飞:我是这样看的,任何一个即是基础科学又是应用科学的科学领域,提到 5 到 10 年的突破,我们得看是应用场景的突破还是基础科学的突破,这两者往往是有联系,但不一定一样的。在我看来,基础科学的突破应该比应用场景的突破早走几步。 

AI 在应用场景的突破,我认为任何与感知有关的应用都会大规模的提高。大家可能很快想到的计算机视觉的应用场景就是无人车。这是工业场景的一个重要的应用。现在有很多公司都在推进 L4 驾驶,就是主要由汽车来驾驶,人的介入非常少,甚至没有。现在有很多的原型,不管是 Google Car 还是一些其他的,无人车还没有完全的达到 L4。一个重要的原因就是在感知方面还没有实现完全的突破。我自己是很乐观的,我认为通过这么多积累和努力,今后的 5 到 10 年 L4 这个问题会得到解决。工业场景的另外一个重要应用可能就是 Robotics,Robotics 是一个非常老的领域,有 AI 就有了 Robotics。Robotics 有许多方面,最开始是控制,然后是机械,然后才渐渐地进入机器人的感知和决策。深度学习带领感知这个领域走了这么长的距离,我非常看好感知和 Robotics 的融合,会有很大的突破。工业领域还令人很兴奋的就是 AR/VR。AR/VR 肯定包括硬件方面的,这个我不是专家,但是 AR/VR 往后成熟、优化,要靠很多软件方面的进展,尤其是计算机视觉方面的进步。现在工业界的投资力度也比较足,我是比较看好这些方向的。还有一些是消费者不太能直接感受到,但是我觉得也非常重要的,比如工业机器人或者是感知在健康医疗方面的应用。 

至于学术界,我认为从科学到科技再到产品,就像一个 4×100 的接力赛,每一棒都有它特别的功能,学术界应该算是这个 4×100 接力赛的第一棒,工业界和实验室是第二棒,然后产业化、投资这些是第三、第四棒。那么,学术界这一棒,我们已经把大多数的感知问题交接了,感知问题已经在工业界比较蓬勃地发展。今后 10 年,我更关注认知这个问题。认知实际上是人类智能最重要的一部分。其实,动物的感知已经非常好了,但人之所以为人,就是因为我们拥有分析、判断、预测的能力,我们能把信息转化成知识结构,知识系统,有了这种转化,我们才能做到抽象的、有创造性的、有预测性的决策。不管是我们的日常生活,还是人类文明的发展,都是因为我们的认知是非常强大的。站在人工智能这个角度,我认为今后的 10 年就是如何思考认知 AI 这个问题。

新智元:近几年 AI 投资非常火热,有什么特别的原因吗?

李飞飞:原因我想也应该是有目共睹的。深度学习的第二次崛起是 AI 从 in vitro 走向 in vivo 的一个重要转折点。在我看来,有三个重要的因素,它们汇聚在一起,共同构成了这个转折点。一个是深度学习的理论框架,也就是是神经网络,神经网络从 20 世纪 70 年代、80 年代、90 年代不断在发展、优化。当然,也有一段时间,神经网络不是最受欢迎的机器学习方式,但不管怎么说,在上个世纪末机器学习百花齐放的时候,神经网络是其中的一部分。然后走到 21 世纪初期,硬件在摩尔定律的推动下不断推陈出新,尤其是 NVDIA 的 GPU 带来了并行计算的腾兴,像神经网络的高通量模型运行。第三个非常重要的就是大数据大数据的崛起与互联网的崛起紧密相关,互联网又是上个世纪 90 年代的产物,经过这十几年的积累,互联网带来了大数据的爆发。所以,在人工智能领域,神经网络、大数据和计算机硬件,尤其是 GPU,这三个事件的聚合带来了 2012 年左右深度学习的大爆发。

如果一定要指出一个事件,我会说是 2012 年 ImageNet 竞赛 Geoffrey Hinton 和他的学生用深度卷积神经网络在图像识别任务上取得了长足的进步,他们当时的计算结果比其他的算法都好很多,我想这可能是大家会记住的历史事件,但背后也很多年的积累。

新智元:您是计算机视觉面的专家,在这 60 年的历史中,AI 领域对您影响最大的人有哪些?

李飞飞:我的专业处在计算机视觉和机器学习的交叉点,在机器学习方面,对我影响很大的两个人是 Michael Jordan 和 Geoff Hinton,他们在各自的机器学习领域都作了巨大的贡献。从我本科生开始到研究生,他们的论文一直引领着机器学习的新思路、不断地探索。看 Geoff Hinton 这么多年写的论文就可以发现,他在神经网络这个子领域上做了各种探索,从最开始的反向传播算法,到生成模型、判别模型、各种不同的推理……深度学习本身是有很长历史的子领域,Geoff Hinton 一直是深度学习的领军人。同样重要的一个人物是 Michael Jordan,是 Michael Jordan 把机器学习统计学的概念带进了这个领域,而且他的工作一直在理论和应用之间保持非常好的平衡。我做研究生的时候,他很多 topic model、梯度下降……他的学生现在已经分散在各个重要的高校,在领军机器学习。所以,这两个人是在机器学习方面对我影响最大的。

在计算机视觉方面,我觉得一个重要的人物是 Jitendra Malik,他是伯克利的教授。Jitendra Malik 把计算机视觉这个领域从图像处理带进了 AI。这是一个非常重要的理念,在上世纪六七十年代,计算机视觉仅仅是图像处理一个不成气候的小领域,在像素级别怎么去做 filtering (such as low-pass, high-pass)、edge detection。但是,Jitendra 是最早一批看到了视觉本身在智能这个问题上的重要性。如果你看人,视觉是人类智能的重要的部分。所以,Jitendra 和与他同时代的一些研究者,比如 Shimon Ullman、Tomaso Poggio,一起推动了计算机视觉思维方式的改革。我 2000 年开始从事计算机视觉博士研究的时候,很幸运的成为第一批赶上这股新思想的人,刚好开始用机器学习的思路来重新思考计算机视觉里重要的感知和认知的问题。所以,Michael Jordan,Geoff Hinton 还有 Jitendra Malik,我觉得这三个人是对我影响最深的三个人。

李飞飞专访:斯坦福人工智能实验室主任谈人生起点与AI梦想

作为世界人工智能代表之一,斯坦福大学AI实验室负责人李飞飞(Fei-Fei Li)无疑是华人的骄傲。她和她的团队ImageNet相关工作,为计算机视觉以及整个AI发展做出了贡献。日前,李飞飞获得卡内基基金会提名,成为“2016年度杰出移民”之一,以前获此殊荣的人还有爱因斯坦、基辛格、马友友和谭盾。CNN为此对李飞飞进行了专访,李飞飞回顾了她如何实现梦想,展现了作为一名科学家、一位女性以及母亲非凡的心路历程。新智元联系李飞飞做了跟进采访,并忠实按照其原意,对CNN的英文报道做了翻译。“真正生命中的最关键问题是如何充分发挥一个人的潜力,既要担待生活的责任,又要对得起自己的梦想。”李飞飞在接受CNN采访时说。本文还包括李飞飞对人工智能60年发展感想随笔一篇。

2016年是人工智能发展的第60年。有鉴于人工智能曲折的发展历程,对比过去经历的“寒冬”以及当下媒体和公众火热的关注,对于AI是否又迎来了一个春天,自然有很多相关讨论。

7 月 10 日,斯坦福大学AI实验室负责人李飞飞在Twitter上发表随感,认为当下不是“AI春天”,而是“AI夏天”。新智元取得授权后,对这篇随笔进行了翻译。

“现在不是AI‘春天’,而是AI‘夏天’”

人们将20世纪80年代和当下称为两个“AI的春天”。过去的专家系统模式以及现在的深度学习算法在这两个时期分别引起了两股AI热,出现了大量的投资、初创企业和人才竞争,引发媒体的强烈关注以及其他种种。但是我更愿意把这两段时间称为“AI的夏天”而非春天。

我认为,“AI的春天”指的是促成这两个“夏天”的阶段,即在当下的AI热潮之前的20世纪90年代到21世纪初。

这个“春天”,可谓是“百花齐放”。当时的学术界享受了一段相对平静但创意和模型又十分高产的时期。在图像分割、目标识别、场景理解、三维重建、优化、图形化模型、SVM、神经网络、推理算法、开源数据库、基准测试及其他方面,都建立了一些最基础的理论和重要的原型。

与媒体塑造的(萧瑟)场景相反,这期间,大量的想法被提出并试验,所有的想法都会被讨论、被检验、被怀疑,然后改进,进一步提升和传播。

当然,这些还只是原型,尚未达到工业生产的可测量性和精准程度的要求。但回想起来,这些原型已经成为当今深度学习、AR、VR、自动驾驶等领域的基础技术。

此外,在20世纪90年代和21世纪初培养的学生和研究员已成为现在AI和机器学习产业研发的主力军。

所以我的观点是:“AI的夏天”固然好,但是我们要认识到继续发展基础科学研究的重要性,要意识到AI领域中学术研究的需求只能更多,而不是更少,要培养更多AI技术人员。

斯坦福AI实验室负责人的起点

日前,李飞飞当选卡内基基金会“2016年年度杰出移民”(Great Immigrant of 2016)。

卡内基基金会是美国历史最为悠久的基金会,每年都会评选出大约40位已经加入美国国籍,并对美国作出杰出贡献的人物,历届获奖人中包括爱因斯坦、基辛格、马友友、谭盾等。

CNN 记者 Octavio Blanco 就此对李飞飞进行专访。在采访中,李飞飞简要回顾了她从16岁去到美国,一路走来,实现梦想的过程。

“真正生命中的最关键问题是如何充分发挥一个人的潜力,既要担待生活的责任,又要对得起自己的梦想。”李飞飞在采访中说。

“我见过斯坦福非常优秀的博士生怎么也得不到绿卡,为世界上的人才创造这么多的障碍,在我看来是无法想象的。”李飞飞说,她也是主张高科技产业界性别平等、种族多样化的坚定拥护者。

现在,作为斯坦福大学人工智能实验室的负责人,李飞飞对 CNN 记者说:“作为全球人工智能界的一位代表,我对于创造人工智能这一对社会而言最强大也是最有益的技术感到十分激动,同时也为自己教育这些最优秀、最可爱的技术人员深感责任重大。”

CNN:你刚来美国时是什么样子的?

李飞飞:我父母都受过高等教育,但不太会说英语。所以来美国后,我父母既不是工程师也不是科学家,我父亲给人修理照相机,母亲则是一名收银员。

我们那时候没有钱,所以除了学习,我什么样的工作都做过。我觉得这不算什么,因为我父母也同样在努力工作。我们一家人只是为了好好地生活。

我必须从零开始学英语,但我的成绩还算好——尤其是数学和理科。

帕西帕尼高中(Parsippany High School)在新泽西州的高中里排名中等。但我在那里遇到了几位非常好的老师,他们帮我渡过了那段难关。我毕业的时候排名第六。

CNN:你在帕西帕尼生活得怎么样,有成为当地的一份子吗?

李飞飞:我们当时有一些同样也是移民的朋友,但大家都很忙,忙着讨生活。我高中时交的朋友不多。当时很艰苦,我又是浑身都是书呆子气。但我的高中数学老师人非常好。他是个美国白人,并不是移民,但是他帮助了我和我的家人很多。我真的很感谢那些高中老师们,我当时什么都不是,就是个移民的小孩,还不会说英语。

CNN:不会说英语是你当时最大的困难吗?

李飞飞:我生来就对知识好奇,喜欢追求真理。我想要理解很多本质的问题,如宇宙的起源,生命的意义等,我想要生命中拥有那种智慧。我申请了一大批学校,但普林斯顿给了几乎全奖的奖学金。

在我移民的头两年,几乎全是中国馆子、给人打扫房子,然后[到了普林斯顿],身边全是这些学术、知性、充满魅力的人。我非常享受普林斯顿的学习。

但是,我的家人还住在帕西帕尼。我们决定买一家干洗店给他们经营赚钱。每天下课后,我都会通过打电话来参与干洗店的工作。

对我来说当时的生活就像“双城记”:帕西帕尼和普林斯顿。周一到周五,我在普林斯度学物理。周末我回到帕西帕尼[给家里的干洗店帮忙],接待那些来取送衣物干洗的人。

1999年,我从普林斯顿毕业,当时就业市场一片大好。我们都得到了华尔街的工作邀请,但是我选择了去西藏研究一年藏药,这听起来很疯狂。然后我的梦想是读博士,读博士只有微薄的奖学金。

去研究藏医藏药与我现在的研究一点也不冲突。作为一个scientist,我一直在追逐真理的定义和科学的哲学思维。虽然西方科学的方法论和哲学思维是目前人类科学方法论的主导,我一直想了解哲学和科学的方法论。所以了解中医或者藏医是一个显而易见的选择。另外,人类社会充满了种族间的冲突,我想亲自了解西藏的历史、文化和她的人们。西藏的研究和生活改变了我的整个人生。这个话题很长,我在这里就不多讲了。

真正生命中的最关键问题是如何充分发挥一个人的潜力,既要担待生活的责任,又要对得起自己的梦想。

我父母非常支持我,他们到这个国家来实现他们的梦想,我也应该实现我自己的梦想。

我去加州理工读的博士研究生。我学的是人工智能和计算神经科学。读研很辛苦,我妈妈那时候得了癌症,后来又患了中风,我们经历了很多艰难困苦,然后一起挺过来了。

当时的背景是要在一个全新的社会或者说文化中把这些事情都处理好。我不认为我自己还可以再来一遍。

CNN:是什么让你走到了现在?

李飞飞:我是一个想要什么就去做什么的人。它就在我的基因里。如果我花很多时间抱怨,只是浪费精力。我身边总有愿意支持我的人——我的父母、我的老师。

(支持我的人)用不了500那么多个人,只要有一两个就够了。

CNN:你想为你的孩子留下什么?

李飞飞:这是个很大的问题。我宁愿现在好好工作,让这个世界更好,然后我的孩子们可以生活在这个更好的世界里。

CNN:每天做什么事情让你觉得放松开心?

李飞飞:和我的孩子们在一起。我的研究领域是智能。我从他们身上学到了太多什么叫做智能,什么叫做“做人”。没有什么比看着这些孩子长大成人更幸福的了。

我知道这听上去可能有些怪,但我认为爱是最强大的力量。作为搞技术的人,你需要记住这一点。


来源:新智元

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

量子物理推动机器学习
量子物理推动机器学习
机器学习如何应用于物联网?先搞清楚它和数据分析的区别
机器学习如何应用于物联网?先搞清楚它和数据分析的区别
机器学习公司DataRobot获5400万美元C轮融资
机器学习公司DataRobot获5400万美元C轮融资

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部