從 DeepFake 的 AI 換臉風波,到 DeepNude 的「一鍵脫衣」,越來越多人意識到人工智慧技術被濫用的陰暗面,察覺這些技術與惡的距離。
近日,Google AI 業務負責人傑夫‧迪恩(Jeff Dean)在亞太地區的公開活動,講述這些年來 Google 利用人工智慧和機器學習技術做了哪些造福社會的事,並再次談到對人工智慧技術應用的原則和底線。
這距離 2018 年 6 月,Google CEO 桑達爾‧皮查伊(Sundar Pichai)宣布使用人工智慧的 7 項原則以及 4 條底線,也過去一年了。
基於道德原則,超過 100 個計畫被審查
迪恩展示印度學生團隊使用開源機器學習框架 TensorFlow 開發的空氣品質監測 App。
App 藉助 TensorFlow Lite 及機器學習模型,用戶只需拍一張空氣照片就可以得到當地的即時空氣品質。
▲ 迪恩放了自己幾十年前的懷舊畢業照。
相比之下,迪恩表示,30 年前自己的畢業論文就是與神經網路訓練有關,直到如今,機器學習相關技術才逐漸廣泛應用。他認為導致變化的重要原因是硬體進步。
▲ 迪恩認為硬體進步是人工智慧技術廣泛使用的原因。
目前 Google 在人工智慧領域大部分業務聚焦在機器學習。透過輸入像素、音檔、文字檔等資料,電腦已可做到「看、聽、說、理解」。
Google 在人工智慧技術的道德規則,主要體現在 7 項原則及 4 條底線。
人工智慧應該遵守的 7 項原則:
- 對社會有益。
- 避免製造或加深不公平偏見。
- 開發時測試以確保安全。
- 對人類負責。
- 隱私原則。
- 堅守對卓越科學的追求。
- 使用時考慮首要用途、技術的特徴及適用性、使用規模 3 個因素。
4 條底線是:
- 對將產生或導致傷害的整體性技術,我們會確保利大於弊,並做好確保安全的相關限制。
- 不會將 AI 用於製造武器及其他將會對人類產生傷害的產品。
- 不會將 AI 用於收集或使用用戶資訊,以進行違反國際公認規則的監視。
- 不會將 AI 用於違反國際法和人權的技術開發。
迪恩早期曾大幅提高 Google 搜尋的品質,後續是 Google Brain 業務的負責人,並在 2018 年開始掌舵 Google AI 業務。除了有一大堆「Jeff Dean 有多神奇」的事跡,他也是地球上在人工智慧領域最有影響力的人物之一。
身為 Google AI 掌門人,迪恩表示基於這套原則,已審查超過 100 個計畫,並培訓數千名 Google 員工關於機器學習的公平性。
用戶隱私安全方面,迪恩提及自家「Federated Learning」,這項技術會將初始資料保留在終端,並建立資料庫。Android 手機的 Gboard 鍵盤應用,就使用了這技術。
我們相信,人工智慧可幫助解決這個時代最困難的社會和環境問題──如醫療、災害預測、環境保護、農業或文化保護。
迪恩認為,讓人工智慧技術更公平公正,不僅需要看到技術對現階段的影響,還要考慮對未來的影響。
為了讓技術服務人類,Google 還開始「AI for Social Good」專案,點關注「科研與工程」(Research & Engineering)、「幫助他人解決重要問題」(Empower)。
Google 的 AI 能力,解決了哪些社會問題?
Google 的 AI 能力已融入搜尋、信箱、輸入法等產品的角落,同時也在醫療、農業、環保等不同領域發揮作用。
這次 Google 展示多個計畫,以及 4 個透過 TensorFlow 藉助 Google AI 能力,在保護熱帶雨林、垃圾分類、偵測農作物蟲害、轉錄古代文獻等方面有貢獻的外界計畫。
▲ 洪水預測模型示意圖。
準確率高達 75% 的洪水預測模型,是 Google 今年初公布的新成果。這個模型建立在相當有限的資料量上,也使用早期預測地震餘震、衛星影像、量化火災等研究基礎。
有效的災害預警可大幅降低人員傷亡和財產損失,洪水預警模型將進入 Google 的公用警報程式,在搜尋、地圖、新聞等產品預警用戶。
Google Health 產品經理 Lily Peng 講述人工智慧在肺癌篩檢、移轉性乳腺癌、糖尿病眼底檢查這 3 個領域取得的成就。
肺癌是最常見的癌症之一,占全球死亡率 3%。Google 目前建立的機器學習模型,透過分析 CT 掃描結果,預測病患的肺部惡性腫瘤。
結果顯示,Google 現有模型偵測到的肺癌病例,比放射科醫生增加 5%,同時減少 11% 以上假陽性病例。
用於偵測乳腺癌病人淋巴結切片的模型,已能發現 95% 癌症病變,高於專業病理學家 73% 偵測率。
眼底病變檢查也已在印度等國家投入使用。
科技公司的新一輪技術競賽,重點之一就是健康醫療領域,Google 則是將 AI 技術的優勢與醫學影像結合。
另外,Google 與美國國家海洋和大氣管理局(NOAA)共同研究瀕危物種座頭鯨,處理分析 19 年來收集的音軌資料,目前已可做到從海洋雜訊辨識座頭鯨的叫聲,製作鯨魚活動的軌跡地圖。
產品經理 Sagar Savla 講述 Live Transcribe 透過語音辨識(Speech Recognition),為聽障人士提供超過 70 種語言的即時自動轉錄對話功能。
Euphonia 計畫也正在構建語音辨識模型,幫助因殘障、疾病有語言障礙的患者,讓機器理解他們說話的方式,用語音幫這些患者「說話溝通」。
Google 曾以「Impact Challenge」計畫,向全球徵集使用 AI 幫助解決社會問題的方案。
其中印尼 Gringgo Indonesia 基金開發了拍照就能辨識可回收垃圾的應用,其中一個特點就是會在每個辨識出的垃圾上,標出回收後的價值。
除了印尼朋友需要這個應用,中國尤其上海及後續 45 個開始垃圾分類的城市,也對這類應用有強烈需求。
▲ Rainforest Connection。
Rainforest Connection 計畫也入選「Impact Challenge」名單。創始人 Topher White 從 5 年前開始,將舊手機改造成熱帶雨林「千里耳」,監測伐木車和電鋸的聲音,提早警告護林員。近年已開始使用 TensorFlow 更深入分析音訊資料。
此外,還有一個印度的研究所正在構建 AI 模型,用於自動偵測和計算農作物的病蟲害數量。這個應用讓印度棉花農民透過手機拍照,辨識出害蟲,進而控制農藥使用量。
日本學者 Tarin Clanuwat 博士訓練了一個模型以辨識日本古籍的草書,並將這些字元轉錄為現代日語。據悉這個模型能偵測約 2,300 字元,平均準確率為 85%。
上面這些無論 Google 正在研發的計畫,還是外界利用 Google AI 能力的計畫,都離不開 TensorFlow。
TensorFlow 為全球影響力最大的機器學習開源平台之一,目前擁有超過 4,100 萬下載量。
(本文由 愛范兒 授權轉載)