我看見的世界(77)_李飛飛

七七

　　我全心全意地相信人工智能技術的價值，它具有揭示智能奧秘的潛力，也可以帶來我和阿尼在醫院工作時目睹的種種實際的益處。但是，哪怕是片刻的過度自信，付出的代價也會急劇上升。更糟糕的是，這個代價將由其他人承擔，很可能是最脆弱的人群。人工智能已經走出了實驗室，基本脫離了我們的控制。雖然新思想、新面孔和新機構的旋風令人振奮，但也帶來許多新的擔憂。對我們這樣經費極其緊張的研究人員來說，對人工智能領域進行商業投資的承諾似乎是天賜之物；但商業資金以巨大的力量沖刷著一切，好像一場豪賭，讓人感到的不是幸運，而是不祥和擔憂。

　　詞不達意的問題依然存在。使用「現象」一詞太過被動，「破壞」顯得粗魯，「革命」過於自我陶醉。現代人工智能面紗揭開，我們看到的是一個紛繁複雜的迷局。令人不安的危險感日益增長，但這種危險感是科學家天生能夠識別和理解的。我產生了新的好奇心，雖然令人不適，卻具有強大的吸引力。我只需要一種近距離觀察危險的方式。

　　※

　　「到目前為止，結果令人鼓舞。在我們的測試中，由『神經架構搜索』設計的分類器經過ImageNet訓練後，性能超過了人類設計的同類分類器；所有工作都是靠計算機自己完成的。」

　　那是2018年，在加州山景城的穀歌總部中心Googleplex，我坐在穀歌大腦（Google Brain）的長會議桌一端。谷歌大腦是穀歌最著名的人工智能研究機構之一。此次會議的主題是「神經架構搜索」（Neural Architecture Search，NAS），這是一種可以自動搜索神經網絡的優化架構。神經架構搜索的發展成果特別令人激動，幾個月來在穀歌內部持續引發熱議。

　　此類模型的行為方式是由一系列參數決定的，這些參數在速度與準確性、內存與效率以及其他關注點之間進行權衡。對一兩個參數進行微調非常容易，但要實現所有參數之間的平衡，往往是一項考驗人類能力的任務，即使是專家也很難把每個參數都調整到最佳狀態。如果能實現自動化調節，將會帶來極大的便利，顯然是值得追求的目標。自動化還能降低人工智能的使用難度，讓越來越多的非技術用戶在沒有專家指導的情況下，使用人工智能構建自己的模型。此外，用機器學習模型來設計機器學習模型，並且能夠迅速超越人類的能力，的確非常富有詩意。

　　但所有功能都是有代價的。單個模型的訓練成本依然很高，只有資金最雄厚的實驗室和公司才負擔得起，而神經網絡架構搜索則需要訓練數千個模型。這項創新很了不起，但從算力的角度來看，造價也極其昂貴。成本問題是會議討論的重點之一。

　　一位研究人員問道：「這是在什麼樣的硬件上運行的？」

　　「在整個過程中的任何時刻，我們都在同時測試100種不同的配置，每種配置訓練8個特性略有不同的模型，所以共有800個模型在同時訓練，每個模型都分配了獨立的GPU。」

　　「這麼說，我們大約要……」

　　「800個GPU，沒錯。」

　　800個GPU ！2012年，AlexNet只需要兩個GPU就能改變世界，現在的需求卻飛速增加，其速度之快令人目眩，以後更會有增無減。根據我自己實驗室的預算，英偉達最強大的GPU成本約為1000美元（這也解釋了為什麼我們自己只有十幾個GPU）。此外，還需要把這麼多高性能處理器連接到一起，確保所有芯片晝夜不停地模擬運算，同時設備可以維持在可接受的溫度範圍內，這些都需要花費時間和人力。此外還要選擇合適的地點。網絡硬件佔據大量的物理空間，耗電量巨大，因此不可能在普通車庫或臥室中搭建。即使是像我們這樣的大學實驗室，也很難建造出如此龐大的網絡。我靠在椅背上，環視了一下房間，想知道是否還有其他人和我一樣對此感到沮喪。

　　＊

　　2016年，我即將迎來21個月的學術休假，暫時離開教授職位。我的收件箱被來自英偉達、優步和穀歌等公司的邀請信息淹沒了。我保持著一種久經磨煉的本能，對這些信息一概不予理睬，卻越來越多地發現自己停下來片刻，關注這些信息。我歎了口氣，跟以前相比，現在去科技公司工作也許會更有意義，哪怕只是一點點。

　　我不得不承認，進入私營企業工作的想法不再像從前那樣陌生。身邊已經有數不清的同事實現了轉型，就連我的學生也紛紛放下學業，到世界各地的科技公司進行高薪實習，有的更是一去不復返。如今，一切變化如此之快，我不得不懷疑，我對加入企業的厭惡是不是已經過時了？我想看看斯坦福大學和科學期刊之外的現代人工智能是什麼樣子。也許，眼下正是好機會，至少可以讓我暫時體驗一番。

　　經過再三考慮，我最終決定接受穀歌雲的人工智能首席科學家一職。雖然此時的穀歌是一家有近20年歷史的大公司，但雲計算部門才成立一年左右，我覺得這是幫助穀歌從頭開始打造人工智能的好機會。我還碰巧認識公司新任命的穀歌雲首席執行官黛安娜·格林（Diane Greene）。她曾是虛擬化巨頭VMware的聯合創始人，是為數不多征服矽谷的女性，我期待著在性別比例極不平衡的行業裡與她並肩工作。

　　這不像我本科時得到的那份看似光鮮亮麗的華爾街工作，也不像我在加州理工學院得到的麥肯錫快車道職位（當時我還因為要不要接受這個職位糾結了很久）。我一度把企業的工作當成是具有嘲諷意味的賄賂，目的是讓我放棄實驗室，但現在，我無法再繼續假裝它是一種賄賂。這是一份邀請，讓我可以運營規模更大的實驗室。其能力遠超我的想像，我可以使用任何規模的高性能算力，由博士組成的研究團隊比我在斯坦福大學能召集到的任何團隊都要大幾個數量級。最吸引我的是，我可以獲得我以前做夢都無法想像的海量數據。當然，我的工作會受到公司產品路線圖的驅動，至少是間接驅動，但這些產品始終是基礎研究的下游，正是基礎研究讓它們成為可能。

　　最重要的是，穀歌雲意味著我看到的不是一個，而是成千上萬個人工智能的應用案例。隨著雲服務在人們能想像的幾乎任何行業找到立足點，穀歌和其他雲服務提供商也成了各行各業的固定夥伴。我有機會看到人工智能在製造業、農業、保險業、運輸和物流業、零售業、金融服務業甚至政府部門的應用情況，以及為其提供支持的數據。其規模之大、種類之多，是任何一所大學都無法同時提供的。

　　我並不打算完全離開斯坦福大學，即使在學術休假期間也是如此，所以我花了一些時間來敲定細節。我會繼續每週在校園裡待一天，這樣我就可以與實驗室保持聯繫，並跟學生們見面。顯然，後勤工作將是個挑戰，但我已經做出決定。

　　＊

學達書庫(xuoda.com)