thenextnorthstar

人工智慧的未來仍然充滿不確定性，我們有很多理由保持樂觀，也同樣有很多理由感到擔憂。但一切都源於比單純的技術更深層次、更有影響的問題：在我們創造的過程中，是什麼在激勵著我們的心靈和思想？

再次回到講臺上的感覺真好。

輝達禮堂燈光柔和而中性，卻充滿了活力。禮堂裡座無虛席，求知若渴的學生們有的坐在地板上，有的坐在樓梯上，還有的背靠後牆，雙腿交叉，膝上放著筆記型電腦。此外，還有數百人在遠端加入課堂，總人數有600左右。那是2019年的春天，是「cs231n：卷積神經網路視覺識別」課程開設的第三年，選課人數呈爆炸式增長。這門課很快就成了我最喜歡教授的課程。

站在講臺上，我想起了在普林斯頓大學讀大一時的情景，當時我懷著敬畏之情第一次進入擁擠的禮堂，匆忙尋找座位。我還記得，我的內心充滿了期待，當閒聊聲逐漸消散，教授出現時，他彷彿超人一般瞬間征服了全班同學。如今，我成了站在講臺上的那個人，而現在我才意識到，原來我們都是徹頭徹尾的普通人。我們也許略有成就，但依然有弱點，依然會犯錯，而犯錯的方式是學生時代的我無法想象的。不管怎樣，課堂對我來說仍然是具有特殊意義的場所，而這樣的時刻讓我熱血沸騰。

對於在場的許多人來說，今天是他們第一次接觸到我鍾愛已久的思想，而我也有幸成為傳遞者。跟隨鮑勃（當時我還稱他為薩貝拉先生）學習的經歷依然歷歷在目，它提醒著我，一位老師可以在年輕人的生命中留下無比深刻的烙印。我們被賦予了分享一種特殊喜悅的權利：學習知識的快感、新的可能性帶來的衝擊。當然，這種感覺不會持久，因為學習的喜悅最終會因為職業發展、出版要求、求職面試，甚至風險投資和收入預測而變得複雜。但在眼下的時光裡，思想才是唯一重要的事。也許禮堂裡的一些人即將發現自己有了值得追尋的目標。

我必須承認，自從我上次在大學授課以來，人工智慧行業已經發生了翻天覆地的變化。在此期間的幾年裡，我親眼見證了太多事情。我看到了谷歌的會議室，巨大的資料中心如倉庫般大小；我走進過醫院，也曾在華盛頓特區的街道上忐忑不安地穿行。現在，人工智慧依然是我最熱愛的科學，不過它已經超越了純粹的科學範疇。無論這些學生將來會成為研究人員、產品設計師、企業高管、政策制定者，還是從事其他我無法想象的職業，他們都將繼承巨大的責任。

我高聲說道：「無論是解決資料中的偏見，還是保護醫院裡的病人，這一切的共同點是我們的技術如何對待人，尤其是如何保護個體的尊嚴。‘尊嚴’，這是我一直強調的關鍵詞。最重要的問題就是，人工智慧如何才能尊重人的尊嚴呢？這個問題是一切研究工作的立足點。」

這並不是我事先準備的最周全的時刻，一些聽眾可能會覺得有點意外。但我的話都發自內心，我也知道，這不會是我最後一次談論相關問題。

「以人為本的人工智慧。」這個詞我琢磨了好幾個月，現在終於說了出來，「我一直這樣表述自己的理念。我希望這個詞能恰如其分地詮釋我今後的職業生涯。我希望在未來的歲月裡，‘以人為本的人工智慧’對你們所有人都能有一定的意義。」

下課後，學生們排起了隊，來詢問後續問題——課程的第一天通常會是這樣。長長的隊伍從教室前方的講臺一直蜿蜒到了後牆。

「您好，李教授。」一個學生走到隊伍前面時，向我問好，「我對深度學習特別感興趣。我已經讀了所有我能找到的書。」

「我也覺得深度學習非常激動人心！你選擇了一個很棒的領域。」

「imagenet是您做的，對嗎？」

「我得到了很多幫助，但沒錯，是我做的。」我笑著說。獲得知名度從來不是投身科學的好理由，但來自他人的積極反饋總是讓人感到欣慰。

「我想知道，從那以後您有過什麼別的想法嗎？」

哎喲。良好的自我感覺到此為止。

當然，這就是本科生的魅力所在。他們往往是笨嘴拙舌，但卻非常善於開門見山。我本來想分享一些我的實驗室正在研究的想法，但在最後一刻改變了主意。

「我確實有一些新想法。它們還處於早期階段，不過我對此持樂觀態度。事實上，我剛在一分鐘前提到過。」

「您是說，以人為中心的人工智慧？」

「以人為本。」我笑著回答，「至少，我認為是這樣。具體名稱我還在想。」

「嗯……」學生撓了撓頭，「聽起來很有意思，只是我沒想到會在這樣的課堂上聽到。我很好奇，倫理、社會與編寫程式碼之類的工作有什麼關係呢？」

蓋茨電腦科學大樓給我的感覺既宏偉又內斂。大廳裡天花板高聳，地面上鋪著大理石，像博物館一樣迴響，拱形劇院大小的教室恰如其分地向思想的力量致敬。但我最熟悉的是樓上狹窄的走廊，這裡就是我的實驗室和斯坦福大學人工智慧實驗室的所在地。現在，大樓的一層翻新翼樓有了新的變化，成了斯坦福大學以人為本人工智慧研究院（stanfordinstituteforhuman-centeredartificialintelligence，簡稱「斯坦福hai」）的總部。

斯坦福大學的電腦科學院系屬於美國最早的一批計算機院系之一，能在其核心成立一個明確的人本主義組織，其象徵意義令我倍感振奮。斯坦福hai目標遠大，旨在成為跨學科合作中心。這種雄心並非停留在詩意的願景上，而是已經成為現實。在日常的任意一天，我都很可能遇到像斯坦福大學法學院的何恩文（danho）、政治學教授羅布·賴克（robreich）、人文學科教授米歇爾·伊拉姆（micheleelam），或者從弦理論物理學家轉行成為計算神經科學家的蘇里亞·甘古利（suryaganguli）這樣的人物。他們都欣然同意成為斯坦福hai的一員，直接與人工智慧專業的學生和研究人員合作，探索我們領域之間的交叉點，分享他們在職業生涯和生活中積累的專業知識。我們甚至吸引了來自校外的合作伙伴，包括麻省理工學院的著名經濟學家埃裡克·布林約爾松（erikbrynjolfsson）。他橫跨美國，來到斯坦福大學，就是為了幫助斯坦福hai更好地理解人工智慧對就業、財富和現代世界權力集中的影響。有時，我感覺整個學科似乎正在重生，其活力水平甚至超出了我幾年前的想象。

很多合作都改變了我對未來可能性的思考，其中一次合作尤其重要。十年前，我第一次見到約翰·埃切門迪，當時他還是大學教務長，而我則是來自東海岸的移民，正痴迷於尚未完成的imagenet。在接下來的幾年裡，我們成了鄰居和朋友，我對他作為學者的深厚學識也愈加敬佩。不僅如此，在多年的管理生涯中，約翰對高等教育領域的內部運作方式（好的、壞的，甚至是卡夫卡式的）也積累了豐富的專業知識。他完全知道如何才能把斯坦福hai那些看似不太可能實現的願景變為現實。對於以人為本的人工智慧，他不只是嘴上講講，也不只是宣揚其優點，而是要一磚一瓦地傾心構建。因此，當他同意擔任斯坦福hai的聯合主任，與我並肩作戰時，我知道我們的確有機會讓研究院取得成功。

在我們的合作成果中，我個人最喜歡的是國家研究雲計劃（nationalresearchcloud，nrc）。國家研究雲是一個完全由公共資金和資源（而非營利部門）支援的共享人工智慧開發平臺，目標是讓全世界的學者、初創企業、非政府組織和政府都能開展人工智慧研究，從而確保我們的領域不會永遠被科技巨頭或者我們這樣的大學所壟斷。

兩年前，國家研究雲平臺還只是個想法而已。如果沒有斯坦福hai，它可能會永遠停留在理念的層面。斯坦福hai包括了法律和公共政策專家的多元化團隊把這一概念變為使命。特別是約翰，他利用自己職業生涯累積的寶貴人脈資源，招募全國各地的大學組成聯盟，這是我在學術界見過的最了不起的聯盟。經過了一系列的思想交流、建議磋商、跨國飛行和理性辯論，他很快就形成了完備的立法藍圖，並將其提交給了國會。要使人工智慧成為真正具有包容性的追求，我們還有很長的路要走，但國家研究雲平臺這樣的成就是朝著正確方向邁出的重要步伐。

2020年9月，在距離我們初次對話近十年後，我和阿尼發表了題為《用環境智慧照亮醫療保健的黑暗空間》的論文，對我們的研究進行了全面的回顧，並介紹了我們對智慧感測器的完整構想。智慧感測器可以擴充套件醫生和護士的感知範圍，幫助他們以前所未有的規模和一致性應對醫療保健環境中的混亂狀況。

論文描述了環境智慧在醫院的各個場景中可以發揮的作用，包括改善老年人護理、協助慢性疾病管理、識別精神疾病症狀、在整個手術過程中跟蹤手術工具的使用、在整個輪班過程中提高臨床醫生的衛生狀況等等。論文沒有發表在專注於電腦科學、人工智慧或資訊處理的期刊上，而是登上了《自然》雜誌——這也許是整個科學領域最傑出的一大期刊。這提醒我們，最好的研究往往不是在我們各自領域的象牙塔中孤立完成的，而是在科學的整體共享空間中實現的，研究人員應該毫不猶豫地在全球範圍內展開跨學科合作。

我為這項工作深感自豪，但前路依然漫漫。就在《自然》雜誌發表這篇論文的幾個月後，12月份的《柳葉刀》（thelancet）雜誌發表了一篇題為《在醫療機構中使用環境智慧的倫理問題》的反駁文章。這篇文章直言不諱、推理透徹，對我們工作的意義進行了公正而嚴謹的審視。用作者的話來說，環境智慧在提升醫療服務水平方面的潛力與「一系列倫理問題」同時存在，其中很多問題涉及大規模的資料收集和新的隱私隱患等方面。文章還進行了更深入的哲學探討：在這種沉浸式、分散監控技術的環境中，知情同意的本質究竟是什麼？雖然讀到對自己研究成果的評論文章總會讓人心裡頗不是滋味，但這篇文章中呈現的正是人工智慧所需要的倫理論述，我對其中的大部分內容深表贊同。

環境智慧很可能永遠是我實驗室的研究重點之一。每當我看到父母，就能想起為什麼這項研究對我來說如此重要。正因為如此，即使是現在，我也會每天抽出時間來了解最新的實驗、試驗和監管動態。過去幾年，人工智慧領域在物體識別方面取得了許多突破，針對照片甚至影片生成的描述已與真人無異，發展速度之快令人窒息。然而，回顧過去，一條共同的主線越來越難以忽視：儘管技術非常先進複雜，但其本質都是被動觀察；無論具體形式如何，其實都是演算法在告訴我們它看到了什麼。我們的模型學會了觀察，有時觀察得非常細緻、非常準確，但也僅此而已。我最近常常思考，除此以外，一定還有什麼更有意義的事情。

咖啡時間結束了，我和一個學生手裡拿著帶蓋紙杯，走回實驗室。

「嘿，你還記得幾年前你第一天上課時問了我一個什麼問題嗎？我很好奇你是不是一直記得。」

「對，我還記得。」他微笑著回憶道，「我問你倫理和人工智慧有什麼關係。」

「怎麼樣？」我報以微笑，「你覺得自己找到答案了嗎？」

他嘆了口氣，抬頭望著天空，耀眼的光彩正在漸漸褪去，天色傍晚。

「說實話嗎？還沒有。我肯定思考過這個問題，不想是不可能的。新聞上天天都在報這些事。我甚至還上了賴克教授的課。」

他指的是「計算機、倫理和公共政策」這門課，課程是由電腦科學家邁赫蘭·薩哈米（mehransahami）、政策學者傑里米·溫斯坦（jeremyweinstein）和政治學家、倫理學家羅布·賴克共同開設的（賴克仍然是斯坦福hai的創始貢獻者之一）。我點了點頭。

「我知道從理論上來講，這些東西很重要。」他喝了一口咖啡，「但有什麼用嗎？飛飛，我的機器人還不能從烤麵包機裡拿出麵包呢。研究本身就夠讓人沮喪的了，而且感覺每個人都在不停地發論文。我已經在擔心下一次會議和它的截稿日期了！我的研究成果還非常初級，我到底應該拿出多少腦力去研究倫理問題呢？」

這個問題很好。儘管人工智慧在過去十年中取得了不可思議的進展，但很多研究仍處於起步階段。尤其是機器人技術，這項技術是出了名的難，即使在深度學習普及的時代，機器人技術的發展步伐也相對緩慢。在這樣的時刻，以人為本的人工智慧可能很難讓人接受。