梅琳达盖兹、黄仁勋都景仰的 AI 科学家：李飞飞，让 AI 包纳多元族群

“前 Google 首席科学家、史丹佛首位红杉讲席教授、美国国家工程院、医学院、文理科学院院士”都是由北京出生、四川成长，15 岁随家人移民美国的李飞飞所缔造。作为 AI 界的女性先驱，她是如何以多元的眼，让 AI 包纳多元族群？

我即将接下新任务，负责人工智慧相关的专案，在上工前老板特地指派给我一项“作业”：去看李飞飞的新书吧！

前 Google 首席科学家、史丹佛首位红杉讲席教授、美国国家工程院、医学院、文理科学院院士，看到这么多辉煌的纪录，一个很“美国”的男性形象直觉地浮现。

然而，上述惊人的成就，都是由北京出生、四川成长，15 岁随家人移民美国，如同其他移民一代，艰困地活出“美国梦”的娇小亚洲女子——李飞飞缔造。

想起五年前，我正在准备毕业论文，使用类神经网路训练电脑进行图像的自动分类。AI(Artifical Intellegent, 又译“人工智慧”)在当时已经是火热的主题，大部分研究生都希望自己的论文能与 AI 有些关联。

图片｜Photo by ITU Pictures on Flicker

我翻阅文献，努力理解 AI 枝繁叶茂的发展，起源自四面八方的演算法族繁不及备载，如同涓涓细流汇集成学识的汪洋，研究生渺小如我在海面载浮载沉，想抓住能让教授点头的题目。

当时，帮助我拿到文凭的一大功臣是名为 ImageNet 的大型视觉资料库，里面提供 1400 万张经过手动标注的图片，图片来自两万多个类别，便是李飞飞实验室所发表。

要完成破千万张的照片整理与标注，需要庞大的资源与毅力，在钻研各式演算法为显学之际，李飞飞坚定地选择这条不好走的路，最终打造出 ImageNet，这个庞大的数据库奠定图形识别的比较基础。

几乎大部分进行机器学型(Machine learning)的研究生都会使用 ImageNet 来训练模型，节录资料库作为训练集与测试集，使用训练集内的图片加强分类器辨识物品的能力，再藉由测试集验证分类器的准确率。

造福往后无数使用者，加速 AI 领域的推进。李飞飞在美国过了不少辛苦的日子，书中描绘她当年的床竟摆在餐桌与厨房间的空隙，半工半读的她，仍获得普林斯顿大学的肯定，提供她全额奖学金-惊人的毅力与实力，在她年纪尚轻便展露无遗。

不到四十岁，李飞飞即获得史丹佛大学终生教授资格，成为电脑科学系极少数的女性，颠覆科技业“男山男海”(sea of dudes)的现象。

此一现象由彭博社评论员克拉克(Jack Clark)在 2016 年提出，指科技业长期由白人、男性所主宰。

科技业偏颇的性别比，加之网路上的图像也多为这两类“主流”群体，长期导致用作训练 AI 演算法的数据缺乏代表性，使得演算法无意中习得偏见，对多元种族模样辨识不佳。

2015 年 flickr 的自动生成标注，就曾发生网页将黑人男子图像标注成“猿猴”的事件，照片分类错误看似个案，实则反映出 AI 对族群多元性的配适能力不佳，也让人担忧 AI 的偏见可能造成的伤害。

为改善此现象李飞飞与学生，开始挑选国、高中年纪的女学生，为她们开设史丹佛人工智能实验室课程，他们相信是时候培养女性进入 AI 领域的自信，改写过去被排除在 AI 之外的女性历史。

提供课程变成使命，短短几年受众从女性延伸到更多边缘族群，纳入有色人种、经济弱势者。这项计画被命名为“AI4ALL”，吸引了梅琳达.盖兹、黄仁勋等人共襄盛举。

李飞飞的学生们也同步致力于扩大机器感知中的“运算公平性(fairness in computing)”和“去偏见(debiasing)”藉由数学的方式，量化并且尽可能消除潜藏在资料中的偏见。

李飞飞一生强调定位自己的“北极星”，在一场她与台湾学生的连线演讲中，她同意基础学科的重要性，但更勉励学生有意识地培养对万物的好奇，帮助自己找到生涯的北极星，享受学习的乐趣，追寻北极星之际能让人忽略生活的辛苦、研究的枯燥、工作的挫折。

物理、人工智慧都是她的北极星，伴随北极星而来的成就并没有让她停顿，科学世界的浩瀚培养着她的毅力与谦逊，每次的进展都不断拓宽 AI 领域的边界，她的北极星始终高挂远方，而她只管专注前行。

李飞飞改变了科学界看待女性的方式，更帮助多元族群以不同的方式看待自己。AI 不再只是知识上的好奇，更是社会上的转捩点。人类躁动的想像力结合对自身起源的着迷，使 AI 旅程不断扩大，如今要号召更多元的群体加入。这次 AI 不仅要以人为本，更要以多元的人为本。