AI應該用來解決大問題，Jeff Dean：谷歌絕不使用AI演算法專利牟利

機器之心報道

作者：李澤南

「我們希望讓人工智慧技術為所有人造福，」Jeff Dean 說道。「谷歌認為，AI 應該對社會有益，並避免創造或加劇所有不公平現象。」

7 月 10 日，Google AI 負責人、「程序員大神」Jeff Dean，以及谷歌幾位研究人員在日本東京與人們分享了如何運用 AI 解決當下眾多社會問題，包括醫療、環境保護和災難預防等領域問題的方法。

在現場，Jeff Dean 還為谷歌為多個人工智慧演算法申請專利的情況首次進行了說明，他表示：「這些有關演算法的專利是防禦性質的，主要是為了防止谷歌研究人員的成果被其他機構申請專利後進行訛詐，進而引發經濟損失。」

對於谷歌自身而言，這部分專利不會用於獲利。Jeff Dean 明確表示：「谷歌不會使用人工智慧演算法的專利來攻擊別的公司。」

今年 6 月，有關谷歌為深度學習中「Dropout」等演算法申請專利生效的事件引發了人們的廣泛討論。2012 年，深度學習先驅 Geoffrey Hinton 領導的谷歌研究團隊首次引入了 Dropout，並在 AlexNet 中加以使用，獲得了良好效果。今天，谷歌提出的很多演算法正在被機器學習研究者，以及其他科技公司廣泛使用。

Jeff Dean 昨天的回應或許可以讓人們放鬆下來。對於谷歌來說，相比技術競爭，他們更看重的是如何正確地使用人工智慧。在活動中，Jeff Dean 等人介紹了這家公司在過去一段時間裡應用人工智慧解決問題的案例。

從檢測疾病到垃圾分類

AI 分析醫療圖像預測癌症、幫助聽力受損者、讓文盲也可以通過手機與世界連接，預測自然災害……谷歌今年在人工智慧領域的應用，很多都是圍繞幫助更多人這個主題推出的。

首先被介紹的是檢測疾病的 AI。「我們知道，病症越早被發現，患者的生存幾率就越高。但不幸的是，超過 80% 的肺癌病患都沒有被提早發現，」Google AI 研究機構產品經理 Lily Peng 在活動中介紹道。「肺癌是最為常見的癌症，每年全球 3% 的死亡都是由肺癌造成的。如果提早發現（在 I 期）存活率可以提升接近 50%。」

在發布會上，谷歌介紹了和美國西北大學合作探究的人工智慧 CT 圖像檢測演算法，對比 6 名放射科醫師，新技術可以減少 11% 的假陽性和 5% 的假陰性。該工作的研究結果在今年 5 月發表在了《Nature Medicine》雜誌上。

除了用於檢測早期肺癌的演算法，Lily Peng 也介紹了檢測乳腺癌和糖尿病視網膜病變的演算法。

垃圾分類是最近國內最為關心的話題，谷歌提供的技術其實早已在幫助人們解決這個問題。Gringgo Indonesia Foundation 聯合創始人 Febriadi Pratama 向我們介紹了如何利用谷歌的 AI 技術處理垃圾分類問題。

這家印度尼西亞機構成立於 2014 年，致力於使用人工智慧技術進行垃圾分類與回收。他們在印尼城市 Denpasar 和數據公司 Datanest 合作，使用大量圖片訓練出了可以快速分類不同種類塑料的模型。現在如果你看到一些垃圾，拿起手機照一張照片，APP 不僅可以為不同的垃圾進行分類標記，還可以分析出其中可回收的塑料垃圾值多少錢。

「我們希望使用 AI 技術來從廢棄物中尋找更多的價值。」Pratama 表示。

這一工作是 Google AI Impact Challenge 的獲獎項目，開發者們正計劃在未來幾個月里同 Google AI 研究人員合作，將這種技術融入城市垃圾管理系統。

人工智還能幫助我們減少自然災害帶來的損失。「谷歌洪水預測倡議」試圖解決洪水的問題。在印度，谷歌的研究人員和政府合作完成的項目已經可以覆蓋大片地區，通過衛星圖像，人工智慧演算法可以進行實時監測。

「預測洪水需要使用很多種不同的數據，建立極其複雜的模型，」谷歌軟體工程總監 Sella Nevo 介紹道。「我們首先需要建立一個水力學模型，研究洪水出現時會影響到的地區。其中最大的挑戰是缺乏足夠高清的高程地圖，我們使用衛星圖像解決了這個問題，最終完成的地圖精確程度可達 1 米級。」

另一個問題是地圖的時效性。這個就需要及時更新的衛星圖像了。谷歌使用的衛星有兩個攝像頭同時拍照，通過不同角度的照片輸入給機器學習演算法重建出高程圖。在個基礎上，谷歌還使用神經網路剔除了地圖上的建築物，這樣才能模擬出真實的洪水擴散趨勢。

和目前廣泛使用的地震警告類似，谷歌已經在實驗地區實現了手機端的洪水災害警告（可以提前幾個小時），同時也有較長期的災害預告可提供給政府部門。

幾個月前，谷歌向我們介紹了手機上的實時語音轉錄技術（Live Transcribe），它可以幫助聽障人士與他人順暢地交流，同時成本很低，每個人都可以獲取。最近谷歌提出的 Euphonia 項目則把目光轉向了那些因其他殘疾而交流困難的人群，其中包括中風、漸凍症（ALS）、帕金森等疾病的患者。

通過人工智慧語音識別模型，谷歌的設備經過訓練可以理解語言障礙者不清楚的話語並將其轉譯為文字。而手勢、眨眼等其他動作也可以成為交流的媒介。

Euphonia 旨在讓溝通困難的人群生活更加獨立。

除這些技術之外，谷歌還介紹了 AI 識別棉花病蟲害、監視熱帶雨林盜砍、發現新物種、識別日文古代字體的方法。

更強大、更易用、更安全

無處不在的 AI 應用正在告訴我們技術的無限可能性。谷歌認為，人工智慧今天的爆發其實還處在開始階段。

「因為機器學習的存在，計算機現在可以做很多有趣的事情。識別不同的物體、翻譯語言、識別語音，現在的人工智慧也可以看圖說話了，」Jeff Dean 說道。「僅僅在幾年前，它還做不到這些事情。為什麼只是在最近幾年才發生呢？這個還是要從我的畢業論文說起。」

在活動現場，Jeff Dean 展示了他 1990 年的本科畢業論文。在其中他研究了神經網路訓練反向傳播的並行化可能性——只有更大的規模的計算才能讓機器學習成功。但在當時因為計算機的算力有限，Jeff Dean 的研究顯得有些過於超前，現在，並行化的訓練方式已經被大量機器學習演算法所採用了。

這篇僅有 8 頁的畢業論文誕生在「AI 寒冬」時代。Jeff Dean 表示，其中的神經網路並行訓練代碼是用 C 語言編寫的。

谷歌希望幫助人們構建能夠創造價值的 AI，其在人工智慧的開發上已經構成了一套道德規範，以指導新技術的研究和使用。基於這些原則，谷歌已經審查了超過 100 個項目，並在機器學習的公平性方面培訓了數千名員工。

在技術上，新的機器學習形式聯邦學習(Federated Learning) 則是其中的最新案例。通過聯邦學習，數據的分析過程可以在每個人的手機上完成——機器學習在自己的設備上運行，數據就不會泄露。而大量設備端分析後的抽象數據經過上傳後可以上傳到伺服器端更新模型權重，這樣既保護了隱私，又可以不斷提高人工智慧模型的準確性。

作為開發者和研究者們最為常用的工具，TensorFlow 今天已經有 4100 萬的總下載量了。而對於不熟悉機器學習的人來說，谷歌也推出了雲端 AutoML工具，它可以幫助缺乏專業知識的用戶在不同任務上使用 AutoML 技術自動生成 AI 模型，快速有效地完成目標。

「我們相信，人工智慧可以幫助解決我們這個時代最困難的社會和環境問題，」Jeff Dean 說道。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！