李飞飞重返斯坦福后的大动作:开启「以人为中心的AI计划」

640?wx_fmt=jpeg

来源:网络大数据


刚刚,李飞飞宣布斯坦福开启「以人为中心的 AI 计划」(Human-Centered AI Initiative,HAI),该项目由李飞飞和斯坦福大学前教务长 John Etchemendy 共同主导,Chris Manning 也参与其中。李飞飞在 twitter 上表示该项目的愿景是:推进 AI 研究、教育、政策和实践,以惠及全人类。


640?wx_fmt=jpeg


HAI 官网(地址:http://hai.stanford.edu/)显示其工作重点是:开发 AI 技术、指导和研究、设计与创造。


640?wx_fmt=jpeg


同时,HAI 官网也公布了团队部分阵容:


斯坦福大学政治学教授 Rob Reich、斯坦福大学生物医学信息学和生物医学信息科学副教授 Nigam Shah、斯坦福大学历史系 John L. Hinds 教授 Londa Schiebinger、斯坦福大学计算机科学和语言学系教授 Chris Manning 和斯坦福大学心血管医学、遗传学和生物医学数据科学教授 Euan A. Ashley。


从目前的团队人员组成来看,HAI 确实融合了计算机科学、生物科学、人文科学等众多学科。


该项目发布了第一篇博客,介绍了该项目此时成立的原因、目标和愿景。以下是博客内容:


人文:下一个 AI 前沿


我们已经到达了真正的历史转折点:技术正越来越快地改变我们的社会,并产生前所未有的深远影响。很多人将其称之为第四次工业革命,由技术(从 5G 无线到 3D 打印再到物联网)驱动的一次革命。但是,越来越多的颠覆性变化可以追溯到人工智能的出现。


很多变化令人鼓舞。机器翻译使我们的想法更容易跨越语言障碍;计算机视觉使医学诊断更加准确;驾驶员辅助功能使汽车更加安全。另一些变化则更令人担忧:随着自动化的迅速发展,数百万人面临失业的风险;人工智能产生的内容使得我们越来越难区分现实和虚构;最近机器学习中的偏见例子表明技术可以多么轻易地放大偏见和不平等。


像任何强大的工具一样,人工智能带来的风险和回报程度相同。但与核能和生物技术等大多数「双重用途」技术不同的是,人工智能的开发和使用是一种去中心化的全球现象,进入门槛相对较低。我们无法控制如此分散的事物,但是我们可以做一些事情来负责任地引导它。这就是为什么人工智能的下一个前沿不能仅仅是技术——它也必须是人文的。


斯坦福以人为中心的 AI 计划(HAI)


许多事情值得我们关注,从气候变化到贫困问题,但是 AI 有一点特别突出:尽管其全部影响范围并不确定,但集合全部人类的力量仍然可以塑造它。这就是为什么斯坦福大学要宣布这项新的重大项目,HAI 计划旨在创建一个机构来引领人工智能的未来。它将扩展跨学科研究的必要广度;促进学术界、工业界、政府和民间团体之间的全球对话;鼓励各界进行负责任的引领。我们将这种理念称为「以人为中心的 AI」。它来自三个简单但强大的想法:


  • 要想让 AI 更好地满足人类的需求,该领域必须包含更多人类智能的多样性、精妙和深度。

  • AI 的发展应该与正在进行的关于其对人类社会影响的研究相结合,并得到相应的指导。

  • AI 的最终目的应该是增强我们的人文性(humanity),而不是削弱或取代它。


实现这些目标将是我们这个时代最大的挑战之一。每个目标都包含复杂的技术难题,将激发工程师、社会科学家及人类学家之间的对话。但这也带来了一些重要问题:哪些是最紧迫的难题?谁来解决?上述对话将发生在哪里?


创建以人为中心的 AI 需要开展广泛的跨学科合作,利用从神经科学到伦理学等多个学科的专业知识。要应对这一挑战,我们需要冒险探索不确定的新领域,并且不能抱着创造商业产品的念头。这远不止是一项工程任务。


学界的重要作用


这是纯粹的研究领域。正是科学自由使得数百所大学能够跨国界合作建造大型强子对撞机,不是让我们的手机更便宜,或者让 Wi-Fi 更快,而是让人类第一次看到希格斯玻色子。科学自由也是我们能够建造哈勃望远镜并绘制人类基因组图的原因。最重要的是,它是包容性的,不需要为了市场份额而竞争,学界邀请我们为分享更深入的理解和知识而共同努力。


更重要的是,学界肩负着教育未来各个学科领导者和从业者的重任。AI 革命将是一场跨越几代人的旅程,而现在,正是向技术人员、工程师、企业家和政策制定者(将在未来几年规划 AI 发展方向)灌输以人为中心的价值观的时候了。


为什么是斯坦福?


实现以人为中心的 AI 需要全球学界、业界和政府的精诚合作。没有哪个大学可以给出答案,也没有哪个公司可以定义标准,更没有哪个国家可以控制技术。


然而,我们仍然需要一个焦点,一个专门致力于「以人为中心的 AI」中心,能够迅速推进研究前沿,并充当其它大学、行业和政府 交流想法的全球中心。我们认为斯坦福大学是唯一适合扮演这个角色的大学。


自 1963 年 John McCarthy 成立斯坦福 AI 实验室(SAIL)以来,斯坦福就一直处于人工智能研究的前沿。McCarthy 创造了「人工智能」(Artificial Intelligence)一词,并为该领域的早期工作设定了议程。自那以后的几十年里,SAIL 成为许多人工智能重大里程碑的背景,从专家系统的开创性工作到第一辆完成 130 英里 DARPA 挑战赛的无人驾驶汽车。SAIL 孕育了计算机视觉领域的开创性工作,也是 ImageNet 的诞生地,ImageNet 展示了大规模数据集对神经网络算法的变革性力量。这一传统延续至今,100 多名博士生、很多硕士生和本科生积极参与研究,研究主题包括计算机视觉、自然语言处理、高级机器人学和计算基因组学。


但塑造 AI 未来所需的专业知识远不止工程技术。其实,以人为中心的 AI 的发展将从每一个智能领域汲取能量——基于这一点,斯坦福是实现这一理念的理想环境。斯坦福法学院一直被认为是世界上最负盛名的法学院之一,它云集了顶尖的法律专家来辩论人工智能道德和监管的未来。斯坦福大学的社会科学和人文系也是全世界最负盛名的,它让人们了解人工智能的经济、社会学、政治和道德含义。斯坦福的医学院、教育学院和商学院将帮助探索智能机器如何最好地满足患者、学生和行业的需求。斯坦福丰富的跨学科领导传统将使我们能够围绕人类的需求和利益来规划人工智能的未来。


最后,斯坦福位于硅谷中心,且位于环太平洋地区,紧邻领导 AI 商业革命的公司。斯坦福大学在硅谷的根基比其它机构更深,因此斯坦福能够从这些公司中学习,并分享见解。


斯坦福大学成立「以人为中心的 AI 计划」的目标是聚合对 AI 充满热忱的有识之士一起产生更大的影响力。该项目将围绕以下五个目标:


  • 促进突破性、多学科研究。

  • 构建稳健的全球生态系统。

  • 教育和训练学界、业界、政府和民间团体的 AI 领导人才。

  • 推动现实世界的行动和政策。

  • 或许最重要的目标是,推动围绕「以人为中心」的全球对话。


总  结


数十年来,AI 一直是学界的研究主题。但是,最近几年,它一跃成为重塑工业界的强力工具。现在是时候让 AI 变得更加强大了:成为一种向善的力量(a force for good)。在正确的指引下,智能机器能够为发展中国家带来挽救生命的医疗诊断,为弱势社区提供新的教育机会,甚至使我们更加警惕环境卫生。斯坦福「以人为中心的 AI 计划」就是一项旨在让以上目标(甚至更多目标)成为现实的大规模项目。希望大家加入我们。


参考链接:

http://hai.stanford.edu/news/introducing_stanfords_human_centered_ai_initiative/

http://hai.stanford.edu/


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493863.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

支持向量机学习

与逻辑回归和神经网络相比,支持向量机,或者简称 SVM,在学习复杂的非线性 方程时 供了一种更为清晰,更加强大的方式 如果我们用一个新的代价函数来代替,即这条从 0 点开始的水平直线,然后是一条斜 线,像上图。那么,现在让我给这两个方程命名,左边的函数,我称之为cost1(z),同时,…

中国安防行业十年报告:产值增涨四倍!双巨头全球称雄

来源:智东西近年来,安防是一个快速增长的行业, 过去十年, 复合 17%的行业增长率证明了行业的持续性,龙头份额提升持续获得超越平均的增速。 根据历史数据, 2008 年至 2017 年, 十年内中国安防行…

聚类算法学习

聚类是一种非监督学习方法 在一个典型的监督学习中,我们有一个有标签的训练集,我们的目标是找到能够区分正 样本和负样本的决策边界,在这里的监督学习中,我们有一系列标签,我们需要据此拟合一 个假设函数。与此不同的是,在非监督学习中,我们的数据没有附带任何标签,我们拿到…

斯坦福大学:极限工况下的无人驾驶路径跟踪|厚势汽车

来源: 同济智能汽车研究所责任编辑:啜小雪文章译自 2017 年美国控制年会的会议论文原标题:Path-Tracking for Autonomous Vehicles at the Limit of Friction原作者:Vincent A. Laurense, Jonathan Y. Gohand J. Christian Gerdes…

SQLite DBHelp

c#连接SQLite SQLite这个精巧的小数据库,无需安装软件,只需要一个System.Data.SQLite.DLL文件即可操作SQLite数据库。SQLite是一个开源数据库,现在已变得越来越流行,它的体积很小,被广泛应用于各种不同类型的应用中。S…

手写数字识别实现

本文主要实现手写数字识别,利用多类逻辑回归与神经网络两种方法实现 Multi-class Classification 数据源 There are 5000 training examples in ex3data1.mat, where each training example is a 20 pixel by 20 pixel grayscale image of the digit. Each pixe…

Science:若DTC基因检测达2%成年人群,几乎所有人的身份或将无所遁形

来源:测序中国摘要:直接面向消费者(DTC)的基因检测不仅仅是有趣那么简单,它的有用性随着样本数据库的积累,会逐渐显露出来。消费级基因检测,即直接面向消费者(DTC)的基因…

降维算法学习

降维的动机 首先,让我们谈论降维是什么。作为一种生动的例子,我们收集的数据集,有许多, 许多特征,我绘制两个在这里。 假设我们未知两个的特征 x1:长度:用厘米表示;X2,是用英寸表示同一物体的长度。 所以,这给了我们高度冗余表示,也许不是两个分开的特征 x1 和 X2,这两个…

年龄大了学Java是爱好还是转型?

年龄大了学Java是爱好还是转型? 一、前言 35岁,好像年龄也不小了,工作也有十年多了,一直搞编程,也已经做过几年研发管理。较多使用的是Delphi语言,对这门语言曾经一度的情有独钟。那是我十年前的一…

人类为什么更聪明 | 人脑神经元关键结构差异被揭示

来源:DeepTech深科技人脑中,数以千计的神经元间电信号交替传送不断,而长短不一的树突(神经元胞体延伸)在神经元信息整合中起到了关键作用,由此我们的大脑细胞才能正常反应运作。而这次,MIT 的神…

机器学习之异常检测

问题的动机 什么是异常检测呢?为了解释这个概念,让我举一个例子吧: 假想你是一个飞机引擎制造商,当你生产的飞机引擎从生产线上流出时,你需要进行 QA (质量控制测试),而作为这个测试的一部分,你测量了飞机引擎的一些特征变量,比如引擎 运转时产生的热量,或者引擎的振动等等。…

美国《科技与未来城市报告》对中国智慧城市建设的启示

作者:王波、甄峰、卢佩莹来源:科技导报在全球范围内,美国一直引领信息通信技术等科技领域的发展。2008 年全球金融危机后,美国IBM 公司在《智慧地球:下一代领导人议程》主题报告中首次提出“智慧地球”理念&#xff0c…

SVM实现邮件分类

首先学习一下svm分类的使用。 主要有以下步骤: Loading and Visualizing DatajTraining Linear SVM Implementing Gaussian KernelTraining SVM with RBF Kernel 选择最优的C, sigma参数 画出边界线 线性keneral实现 C 1; model svmTrain(X, y, C, linear…

机器学习之推荐系统

我们从一个例子开始定义推荐系统的问题。 假使我们是一个电影供应商,我们有 5 部电影和 4 个用户,我们要求用户为电影打分。 基于内容的推荐系统 在一个基于内容的推荐系统算法中,我们假设对于我们希望推荐的东西有一些数据,这 些数据是有关这些东西的特征。 在我们的例子…

低潮过后,未来医疗可穿戴市场将如何发展?

来源:资本实验室在过去几年中,以智能手表为代表的可穿戴设备市场从快速爆发,并吸引全球厂商趋之若鹜;到如今平缓发展,众多厂商黯然离场,经历了一轮过山车般的炒作周期。但可穿戴设备市场难道只是看上去很美…

大规模机器学习

如果我们有一个低方差的模型,增加数据集的规模可以帮助你获得更好的结果。我们应 该怎样应对一个有 100 万条记录的训练集? 以线性回归模型为例,每一次梯度下降迭代,我们都需要计算训练集的误差的平方和, 如果我们的学习算法需要有 20 次迭代,这便已经是非常大的计算代价。 …

中国半导体:存储器能否打破海外垄断?

来源:中金公司摘要:根据WSTS的统计,全球存储器行业营收2017年达到1319亿美元,占半导体行业收入的30.1%,过去五年(2012-2017)年复合增长率高达37%。▌全球市场概览:千亿美金市场,寡头竞争,IDM模式…

hdu 4588 Count The Carries

思路:容易发现二进制表示的数的最低位规律是01010101……;接着是001100110011……;接着是:0000111100001111…… 这样我们发现每一位的循环节是2^(i1),前2^i是0,后面的是1.这样就可以算出每一位1出现的次数…

数字图像处理入门

图像是指能在人的视觉系统中产生视觉印象的客观对象,包括自然景物、拍摄到的图片、用数学方法描述的图形.图像的要素有儿何要素〈刻画对象的轮廓、 形状等〉和非几何要素(刻画对象的颜色、 材质等〉。 什么是数字图像 简单地说, 数字图像就…

马化腾六年后知乎再提问:未来十年哪些基础科学突破会影响互联网科技产业?...

来源:量子位“未来十年哪些基础科学突破会影响互联网科技产业?产业互联网和消费互联网融合创新,会带来哪些改变?”昨天午夜时分,一个新问题出现在知乎。略微不同之处在于,这个问题的提出者ID是ponyma&#…