梅琳達蓋茲、黃仁勳都景仰的 AI 科學家：李飛飛，讓 AI 包納多元族群

「前 Google 首席科學家、史丹佛首位紅杉講席教授、美國國家工程院、醫學院、文理科學院院士」都是由北京出生、四川成長，15 歲隨家人移民美國的李飛飛所締造。作為 AI 界的女性先驅，她是如何以多元的眼，讓 AI 包納多元族群？

我即將接下新任務，負責人工智慧相關的專案，在上工前老闆特地指派給我一項「作業」：去看李飛飛的新書吧！

前 Google 首席科學家、史丹佛首位紅杉講席教授、美國國家工程院、醫學院、文理科學院院士，看到這麼多輝煌的紀錄，一個很「美國」的男性形象直覺地浮現。

然而，上述驚人的成就，都是由北京出生、四川成長，15 歲隨家人移民美國，如同其他移民一代，艱困地活出「美國夢」的嬌小亞洲女子——李飛飛締造。

想起五年前，我正在準備畢業論文，使用類神經網路訓練電腦進行圖像的自動分類。AI(Artifical Intellegent, 又譯「人工智慧」)在當時已經是火熱的主題，大部分研究生都希望自己的論文能與 AI 有些關聯。

李飛飛
圖片｜Photo by ITU Pictures on Flicker

我翻閱文獻，努力理解 AI 枝繁葉茂的發展，起源自四面八方的演算法族繁不及備載，如同涓涓細流匯集成學識的汪洋，研究生渺小如我在海面載浮載沉，想抓住能讓教授點頭的題目。

當時，幫助我拿到文憑的一大功臣是名為 ImageNet 的大型視覺資料庫，裡面提供 1400 萬張經過手動標注的圖片，圖片來自兩萬多個類別，便是李飛飛實驗室所發表。

要完成破千萬張的照片整理與標註，需要龐大的資源與毅力，在鑽研各式演算法為顯學之際，李飛飛堅定地選擇這條不好走的路，最終打造出 ImageNet，這個龐大的數據庫奠定圖形識別的比較基礎。

幾乎大部分進行機器學型(Machine learning)的研究生都會使用 ImageNet 來訓練模型，節錄資料庫作為訓練集與測試集，使用訓練集內的圖片加強分類器辨識物品的能力，再藉由測試集驗證分類器的準確率。

造福往後無數使用者，加速 AI 領域的推進。李飛飛在美國過了不少辛苦的日子，書中描繪她當年的床竟擺在餐桌與廚房間的空隙，半工半讀的她，仍獲得普林斯頓大學的肯定，提供她全額獎學金-驚人的毅力與實力，在她年紀尚輕便展露無遺。

不到四十歲，李飛飛即獲得史丹佛大學終生教授資格，成為電腦科學系極少數的女性，顛覆科技業「男山男海」(sea of dudes)的現象。

此一現象由彭博社評論員克拉克(Jack Clark)在 2016 年提出，指科技業長期由白人、男性所主宰。

科技業偏頗的性別比，加之網路上的圖像也多為這兩類「主流」群體，長期導致用作訓練 AI 演算法的數據缺乏代表性，使得演算法無意中習得偏見，對多元種族模樣辨識不佳。

2015 年 flickr 的自動生成標註，就曾發生網頁將黑人男子圖像標註成「猿猴」的事件，照片分類錯誤看似個案，實則反映出 AI 對族群多元性的配適能力不佳，也讓人擔憂 AI 的偏見可能造成的傷害。

為改善此現象李飛飛與學生，開始挑選國、高中年紀的女學生，為她們開設史丹佛人工智能實驗室課程，他們相信是時候培養女性進入 AI 領域的自信，改寫過去被排除在 AI 之外的女性歷史。

提供課程變成使命，短短幾年受眾從女性延伸到更多邊緣族群，納入有色人種、經濟弱勢者。這項計畫被命名為「AI4ALL」，吸引了梅琳達.蓋茲、黃仁勳等人共襄盛舉。

李飛飛的學生們也同步致力於擴大機器感知中的「運算公平性(fairness in computing)」和「去偏見(debiasing)」藉由數學的方式，量化並且盡可能消除潛藏在資料中的偏見。

李飛飛一生強調定位自己的「北極星」，在一場她與台灣學生的連線演講中，她同意基礎學科的重要性，但更勉勵學生有意識地培養對萬物的好奇，幫助自己找到生涯的北極星，享受學習的樂趣，追尋北極星之際能讓人忽略生活的辛苦、研究的枯燥、工作的挫折。

物理、人工智慧都是她的北極星，伴隨北極星而來的成就並沒有讓她停頓，科學世界的浩瀚培養著她的毅力與謙遜，每次的進展都不斷拓寬 AI 領域的邊界，她的北極星始終高掛遠方，而她只管專注前行。

李飛飛改變了科學界看待女性的方式，更幫助多元族群以不同的方式看待自己。AI 不再只是知識上的好奇，更是社會上的轉捩點。人類躁動的想像力結合對自身起源的著迷，使 AI 旅程不斷擴大，如今要號召更多元的群體加入。這次 AI 不僅要以人為本，更要以多元的人為本。