Google AI 七项原则发表一年，AI 业务掌门人杰夫‧迪恩谈技术与道德的距离
▼
从 DeepFake 的 AI 换脸风波，到 DeepNude 的“一键脱衣”，越来越多人意识到人工智慧技术被滥用的阴暗面，察觉这些技术与恶的距离。
近日，Google AI 业务负责人杰夫‧迪恩（Jeff Dean）在亚太地区的公开活动，讲述这些年来 Google 利用人工智慧和机器学习技术做了哪些造福社会的事，并再次谈到对人工智慧技术应用的原则和底线。
这距离 2018 年 6 月，Google CEO 桑达尔‧皮查伊（Sundar Pichai）宣布使用人工智慧的 7 项原则以及 4 条底线，也过去一年了。
基于道德原则，超过 100 个计划被审查
迪恩展示印度学生团队使用开源机器学习框架 TensorFlow 开发的空气品质监测 App。
App 借助 TensorFlow Lite 及机器学习模型，用户只需拍一张空气照片就可以得到当地的即时空气品质。
▲ 迪恩放了自己几十年前的怀旧毕业照。
相比之下，迪恩表示，30 年前自己的毕业论文就是与神经网络训练有关，直到如今，机器学习相关技术才逐渐广泛应用。他认为导致变化的重要原因是硬件进步。
▲ 迪恩认为硬件进步是人工智慧技术广泛使用的原因。
目前 Google 在人工智慧领域大部分业务聚焦在机器学习。透过输入像素、音档、文字档等资料，电脑已可做到“看、听、说、理解”。
Google 在人工智慧技术的道德规则，主要体现在 7 项原则及 4 条底线。
人工智慧应该遵守的 7 项原则：
- 对社会有益。
- 避免制造或加深不公平偏见。
- 开发时测试以确保安全。
- 对人类负责。
- 隐私原则。
- 坚守对卓越科学的追求。
- 使用时考虑首要用途、技术的特徴及适用性、使用规模 3 个因素。
4 条底线是：
- 对将产生或导致伤害的整体性技术，我们会确保利大于弊，并做好确保安全的相关限制。
- 不会将 AI 用于制造武器及其他将会对人类产生伤害的产品。
- 不会将 AI 用于收集或使用用户资讯，以进行违反国际公认规则的监视。
- 不会将 AI 用于违反国际法和人权的技术开发。
迪恩早期曾大幅提高 Google 搜寻的品质，后续是 Google Brain 业务的负责人，并在 2018 年开始掌舵 Google AI 业务。除了有一大堆“Jeff Dean 有多神奇”的事迹，他也是地球上在人工智慧领域最有影响力的人物之一。
身为 Google AI 掌门人，迪恩表示基于这套原则，已审查超过 100 个计划，并培训数千名 Google 员工关于机器学习的公平性。
用户隐私安全方面，迪恩提及自家“Federated Learning”，这项技术会将初始资料保留在终端，并建立资料库。Android 手机的 Gboard键盘应用，就使用了这技术。
我们相信，人工智慧可帮助解决这个时代最困难的社会和环境问题──如医疗、灾害预测、环境保护、农业或文化保护。
迪恩认为，让人工智慧技术更公平公正，不仅需要看到技术对现阶段的影响，还要考虑对未来的影响。
为了让技术服务人类，Google 还开始“AI for Social Good”专案，点关注“科研与工程”（Research & Engineering）、“帮助他人解决重要问题”（Empower）。
Google 的 AI 能力，解决了哪些社会问题？
Google 的 AI 能力已融入搜寻、信箱、输入法等产品的角落，同时也在医疗、农业、环保等不同领域发挥作用。
这次 Google 展示多个计划，以及 4 个透过 TensorFlow 借助 Google AI 能力，在保护热带雨林、垃圾分类、侦测农作物虫害、转录古代文献等方面有贡献的外界计划。
▲ 洪水预测模型示意图。
准确率高达 75% 的洪水预测模型，是 Google 今年初公布的新成果。这个模型建立在相当有限的资料量上，也使用早期预测地震余震、卫星影像、量化火灾等研究基础。
有效的灾害预警可大幅降低人员伤亡和财产损失，洪水预警模型将进入 Google 的公用警报程式，在搜寻、地图、新闻等产品预警用户。
Google Health 产品经理 Lily Peng 讲述人工智慧在肺癌筛检、移转性乳腺癌、糖尿病眼底检查这 3 个领域取得的成就。
肺癌是最常见的癌症之一，占全球死亡率 3%。Google 目前建立的机器学习模型，透过分析 CT 扫描结果，预测病患的肺部恶性肿瘤。
结果显示，Google 现有模型侦测到的肺癌病例，比放射科医生增加 5%，同时减少 11% 以上假阳性病例。
用于侦测乳腺癌病人淋巴结切片的模型，已能发现 95% 癌症病变，高于专业病理学家 73% 侦测率。
眼底病变检查也已在印度等地区投入使用。
科技公司的新一轮技术竞赛，重点之一就是健康医疗领域，Google 则是将 AI 技术的优势与医学影像结合。
另外，Google 与美国地区海洋和大气管理局（NOAA）共同研究濒危物种座头鲸，处理分析 19 年来收集的音轨资料，目前已可做到从海洋杂讯辨识座头鲸的叫声，制作鲸鱼活动的轨迹地图。
产品经理 Sagar Savla 讲述 Live Transcribe 透过语音辨识（Speech Recognition），为听障人士提供超过 70 种语言的即时自动转录对话功能。
Euphonia 计划也正在构建语音辨识模型，帮助因残障、疾病有语言障碍的患者，让机器理解他们说话的方式，用语音帮这些患者“说话沟通”。
Google 曾以“Impact Challenge”计划，向全球征集使用 AI 帮助解决社会问题的方案。
其中印尼 Gringgo Indonesia 基金开发了拍照就能辨识可回收垃圾的应用，其中一个特点就是会在每个辨识出的垃圾上，标出回收后的价值。
除了印尼朋友需要这个应用，内地尤其上海及后续 45 个开始垃圾分类的城市，也对这类应用有强烈需求。
▲ Rainforest Connection。
Rainforest Connection 计划也入选“Impact Challenge”名单。创始人 Topher White 从 5 年前开始，将旧手机改造成热带雨林“千里耳”，监测伐木车和电锯的声音，提早警告护林员。近年已开始使用 TensorFlow 更深入分析音讯资料。
此外，还有一个印度的研究所正在构建 AI 模型，用于自动侦测和计算农作物的病虫害数量。这个应用让印度棉花农民透过手机拍照，辨识出害虫，进而控制农药使用量。
日本学者 Tarin Clanuwat 博士训练了一个模型以辨识日本古籍的草书，并将这些字元转录为现代日语。据悉这个模型能侦测约 2,300 字元，平均准确率为 85%。
上面这些无论 Google 正在研发的计划，还是外界利用 Google AI 能力的计划，都离不开 TensorFlow。
TensorFlow 为全球影响力最大的机器学习开源平台之一，目前拥有超过 4,100 万下载量。
（本文由 爱范儿 授权转载）
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
