thenextnorthstar

人工智能的未来仍然充满不确定性，我们有很多理由保持乐观，也同样有很多理由感到担忧。但一切都源于比单纯的技术更深层次、更有影响的问题：在我们创造的过程中，是什么在激励着我们的心灵和思想？

再次回到讲台上的感觉真好。

英伟达礼堂灯光柔和而中性，却充满了活力。礼堂里座无虚席，求知若渴的学生们有的坐在地板上，有的坐在楼梯上，还有的背靠后墙，双腿交叉，膝上放着笔记本电脑。此外，还有数百人在远程加入课堂，总人数有600左右。那是2019年的春天，是“cs231n：卷积神经网络视觉识别”课程开设的第三年，选课人数呈爆炸式增长。这门课很快就成了我最喜欢教授的课程。

站在讲台上，我想起了在普林斯顿大学读大一时的情景，当时我怀着敬畏之情第一次进入拥挤的礼堂，匆忙寻找座位。我还记得，我的内心充满了期待，当闲聊声逐渐消散，教授出现时，他仿佛超人一般瞬间征服了全班同学。如今，我成了站在讲台上的那个人，而现在我才意识到，原来我们都是彻头彻尾的普通人。我们也许略有成就，但依然有弱点，依然会犯错，而犯错的方式是学生时代的我无法想象的。不管怎样，课堂对我来说仍然是具有特殊意义的场所，而这样的时刻让我热血沸腾。

对于在场的许多人来说，今天是他们第一次接触到我钟爱已久的思想，而我也有幸成为传递者。跟随鲍勃（当时我还称他为萨贝拉先生）学习的经历依然历历在目，它提醒着我，一位老师可以在年轻人的生命中留下无比深刻的烙印。我们被赋予了分享一种特殊喜悦的权利：学习知识的快感、新的可能性带来的冲击。当然，这种感觉不会持久，因为学习的喜悦最终会因为职业发展、出版要求、求职面试，甚至风险投资和收入预测而变得复杂。但在眼下的时光里，思想才是唯一重要的事。也许礼堂里的一些人即将发现自己有了值得追寻的目标。

我必须承认，自从我上次在大学授课以来，人工智能行业已经发生了翻天覆地的变化。在此期间的几年里，我亲眼见证了太多事情。我看到了谷歌的会议室，巨大的数据中心如仓库般大小；我走进过医院，也曾在华盛顿特区的街道上忐忑不安地穿行。现在，人工智能依然是我最热爱的科学，不过它已经超越了纯粹的科学范畴。无论这些学生将来会成为研究人员、产品设计师、企业高管、政策制定者，还是从事其他我无法想象的职业，他们都将继承巨大的责任。

我高声说道：“无论是解决数据中的偏见，还是保护医院里的病人，这一切的共同点是我们的技术如何对待人，尤其是如何保护个体的尊严。‘尊严’，这是我一直强调的关键词。最重要的问题就是，人工智能如何才能尊重人的尊严呢？这个问题是一切研究工作的立足点。”

这并不是我事先准备的最周全的时刻，一些听众可能会觉得有点意外。但我的话都发自内心，我也知道，这不会是我最后一次谈论相关问题。

“以人为本的人工智能。”这个词我琢磨了好几个月，现在终于说了出来，“我一直这样表述自己的理念。我希望这个词能恰如其分地诠释我今后的职业生涯。我希望在未来的岁月里，‘以人为本的人工智能’对你们所有人都能有一定的意义。”

下课后，学生们排起了队，来询问后续问题——课程的第一天通常会是这样。长长的队伍从教室前方的讲台一直蜿蜒到了后墙。

“您好，李教授。”一个学生走到队伍前面时，向我问好，“我对深度学习特别感兴趣。我已经读了所有我能找到的书。”

“我也觉得深度学习非常激动人心！你选择了一个很棒的领域。”

“imagenet是您做的，对吗？”

“我得到了很多帮助，但没错，是我做的。”我笑着说。获得知名度从来不是投身科学的好理由，但来自他人的积极反馈总是让人感到欣慰。

“我想知道，从那以后您有过什么别的想法吗？”

哎哟。良好的自我感觉到此为止。

当然，这就是本科生的魅力所在。他们往往是笨嘴拙舌，但却非常善于开门见山。我本来想分享一些我的实验室正在研究的想法，但在最后一刻改变了主意。

“我确实有一些新想法。它们还处于早期阶段，不过我对此持乐观态度。事实上，我刚在一分钟前提到过。”

“您是说，以人为中心的人工智能？”

“以人为本。”我笑着回答，“至少，我认为是这样。具体名称我还在想。”

“嗯……”学生挠了挠头，“听起来很有意思，只是我没想到会在这样的课堂上听到。我很好奇，伦理、社会与编写代码之类的工作有什么关系呢？”

盖茨计算机科学大楼给我的感觉既宏伟又内敛。大厅里天花板高耸，地面上铺着大理石，像博物馆一样回响，拱形剧院大小的教室恰如其分地向思想的力量致敬。但我最熟悉的是楼上狭窄的走廊，这里就是我的实验室和斯坦福大学人工智能实验室的所在地。现在，大楼的一层翻新翼楼有了新的变化，成了斯坦福大学以人为本人工智能研究院（stanfordinstituteforhuman-centeredartificialintelligence，简称“斯坦福hai”）的总部。

斯坦福大学的计算机科学院系属于美国最早的一批计算机院系之一，能在其核心成立一个明确的人本主义组织，其象征意义令我倍感振奋。斯坦福hai目标远大，旨在成为跨学科合作中心。这种雄心并非停留在诗意的愿景上，而是已经成为现实。在日常的任意一天，我都很可能遇到像斯坦福大学法学院的何恩文（danho）、政治学教授罗布·赖克（robreich）、人文学科教授米歇尔·伊拉姆（micheleelam），或者从弦理论物理学家转行成为计算神经科学家的苏里亚·甘古利（suryaganguli）这样的人物。他们都欣然同意成为斯坦福hai的一员，直接与人工智能专业的学生和研究人员合作，探索我们领域之间的交叉点，分享他们在职业生涯和生活中积累的专业知识。我们甚至吸引了来自校外的合作伙伴，包括麻省理工学院的著名经济学家埃里克·布林约尔松（erikbrynjolfsson）。他横跨美国，来到斯坦福大学，就是为了帮助斯坦福hai更好地理解人工智能对就业、财富和现代世界权力集中的影响。有时，我感觉整个学科似乎正在重生，其活力水平甚至超出了我几年前的想象。

很多合作都改变了我对未来可能性的思考，其中一次合作尤其重要。十年前，我第一次见到约翰·埃切门迪，当时他还是大学教务长，而我则是来自东海岸的移民，正痴迷于尚未完成的imagenet。在接下来的几年里，我们成了邻居和朋友，我对他作为学者的深厚学识也愈加敬佩。不仅如此，在多年的管理生涯中，约翰对高等教育领域的内部运作方式（好的、坏的，甚至是卡夫卡式的）也积累了丰富的专业知识。他完全知道如何才能把斯坦福hai那些看似不太可能实现的愿景变为现实。对于以人为本的人工智能，他不只是嘴上讲讲，也不只是宣扬其优点，而是要一砖一瓦地倾心构建。因此，当他同意担任斯坦福hai的联合主任，与我并肩作战时，我知道我们的确有机会让研究院取得成功。

在我们的合作成果中，我个人最喜欢的是国家研究云计划（nationalresearchcloud，nrc）。国家研究云是一个完全由公共资金和资源（而非营利部门）支持的共享人工智能开发平台，目标是让全世界的学者、初创企业、非政府组织和政府都能开展人工智能研究，从而确保我们的领域不会永远被科技巨头或者我们这样的大学所垄断。

两年前，国家研究云平台还只是个想法而已。如果没有斯坦福hai，它可能会永远停留在理念的层面。斯坦福hai包括了法律和公共政策专家的多元化团队把这一概念变为使命。特别是约翰，他利用自己职业生涯累积的宝贵人脉资源，招募全国各地的大学组成联盟，这是我在学术界见过的最了不起的联盟。经过了一系列的思想交流、建议磋商、跨国飞行和理性辩论，他很快就形成了完备的立法蓝图，并将其提交给了国会。要使人工智能成为真正具有包容性的追求，我们还有很长的路要走，但国家研究云平台这样的成就是朝着正确方向迈出的重要步伐。

2020年9月，在距离我们初次对话近十年后，我和阿尼发表了题为《用环境智能照亮医疗保健的黑暗空间》的论文，对我们的研究进行了全面的回顾，并介绍了我们对智能传感器的完整构想。智能传感器可以扩展医生和护士的感知范围，帮助他们以前所未有的规模和一致性应对医疗保健环境中的混乱状况。

论文描述了环境智能在医院的各个场景中可以发挥的作用，包括改善老年人护理、协助慢性疾病管理、识别精神疾病症状、在整个手术过程中跟踪手术工具的使用、在整个轮班过程中提高临床医生的卫生状况等等。论文没有发表在专注于计算机科学、人工智能或信息处理的期刊上，而是登上了《自然》杂志——这也许是整个科学领域最杰出的一大期刊。这提醒我们，最好的研究往往不是在我们各自领域的象牙塔中孤立完成的，而是在科学的整体共享空间中实现的，研究人员应该毫不犹豫地在全球范围内展开跨学科合作。

我为这项工作深感自豪，但前路依然漫漫。就在《自然》杂志发表这篇论文的几个月后，12月份的《柳叶刀》（thelancet）杂志发表了一篇题为《在医疗机构中使用环境智能的伦理问题》的反驳文章。这篇文章直言不讳、推理透彻，对我们工作的意义进行了公正而严谨的审视。用作者的话来说，环境智能在提升医疗服务水平方面的潜力与“一系列伦理问题”同时存在，其中很多问题涉及大规模的数据收集和新的隐私隐患等方面。文章还进行了更深入的哲学探讨：在这种沉浸式、分散监控技术的环境中，知情同意的本质究竟是什么？虽然读到对自己研究成果的评论文章总会让人心里颇不是滋味，但这篇文章中呈现的正是人工智能所需要的伦理论述，我对其中的大部分内容深表赞同。

环境智能很可能永远是我实验室的研究重点之一。每当我看到父母，就能想起为什么这项研究对我来说如此重要。正因为如此，即使是现在，我也会每天抽出时间来了解最新的实验、试验和监管动态。过去几年，人工智能领域在物体识别方面取得了许多突破，针对照片甚至视频生成的描述已与真人无异，发展速度之快令人窒息。然而，回顾过去，一条共同的主线越来越难以忽视：尽管技术非常先进复杂，但其本质都是被动观察；无论具体形式如何，其实都是算法在告诉我们它看到了什么。我们的模型学会了观察，有时观察得非常细致、非常准确，但也仅此而已。我最近常常思考，除此以外，一定还有什么更有意义的事情。

咖啡时间结束了，我和一个学生手里拿着带盖纸杯，走回实验室。

“嘿，你还记得几年前你第一天上课时问了我一个什么问题吗？我很好奇你是不是一直记得。”

“对，我还记得。”他微笑着回忆道，“我问你伦理和人工智能有什么关系。”

“怎么样？”我报以微笑，“你觉得自己找到答案了吗？”

他叹了口气，抬头望着天空，耀眼的光彩正在渐渐褪去，天色傍晚。

“说实话吗？还没有。我肯定思考过这个问题，不想是不可能的。新闻上天天都在报这些事。我甚至还上了赖克教授的课。”

他指的是“计算机、伦理和公共政策”这门课，课程是由计算机科学家迈赫兰·萨哈米（mehransahami）、政策学者杰里米·温斯坦（jeremyweinstein）和政治学家、伦理学家罗布·赖克共同开设的（赖克仍然是斯坦福hai的创始贡献者之一）。我点了点头。

“我知道从理论上来讲，这些东西很重要。”他喝了一口咖啡，“但有什么用吗？飞飞，我的机器人还不能从烤面包机里拿出面包呢。研究本身就够让人沮丧的了，而且感觉每个人都在不停地发论文。我已经在担心下一次会议和它的截稿日期了！我的研究成果还非常初级，我到底应该拿出多少脑力去研究伦理问题呢？”

这个问题很好。尽管人工智能在过去十年中取得了不可思议的进展，但很多研究仍处于起步阶段。尤其是机器人技术，这项技术是出了名的难，即使在深度学习普及的时代，机器人技术的发展步伐也相对缓慢。在这样的时刻，以人为本的人工智能可能很难让人接受。