直击Google东京AI论坛着眼社会议题从人才到技术怎幺极大

2020-07-26收藏量765726人已阅

直击Google东京AI论坛着眼社会议题从人才到技术怎幺极大

在 Google 眼中,AI 除了要让人类生活更加便利,也应该利用 AI 来协助解决人类一直以来难以克服的问题,像是自然灾害、濒临绝种的物种、传染病、古文明修复和环境,越来越多相关专案展现成果,继去年十月公布「 Google AI Impact Challenge」计画,拨款 2,500 万美元资助人道议题与环境保护的专案开发,Google 今日在东京举办的机器学习论坛「Solve with AI」,让我们更深入了解,Google 如何看待当今 AI 发展以及如何落实解决公共议题。

降低设备成本 人人都是 AI 贡献者

要和非技术背景的第三方合作以 AI 解决问题, 投入的硬体设备成本或是技术门槛就不能太高,在今日介绍的多案例上,可以观察到许多是用手机作为工具,透过云端模型结合行动设备就能建立起机器学习模型解决问题。

举例来说,这次获得 Google 「 Google AI Impact Challenge」 资助的 Rainforest Connection 是致力于雨林保护的环保组织 ,他们用回收旧手机结合太阳能安装在雨林监测环境声音,把音讯资料传到云端, 透过 Google TensorFlow 即时分析音讯,每当有砍伐和伐木卡车的声音出现时,就能即时揪出滥垦的不法之徒,保卫巴西地区原住民的家园。

直击Google东京AI论坛着眼社会议题从人才到技术怎幺极大
Rainforest Connection 创办人解释如何监控声音降低雨林滥伐

由于病虫害让棉花产地大国印度陷入苦恼,目前在印度约有 55%的农药用在棉花种植,深受 150 种不同病虫的困扰,另外一组获得 Google 青睐的 Wadhwani 基金会用 AI 提供解法,开发计算作物病虫害的演算法。

农民只要使用手机拍摄捕获害虫照片,将照片传送后就能辨识害虫,不需要海量的在农地设置监控装置,除了降低成本也能更有效率让农夫了解虫害状况,未来 Wadhwani 也希望未来用 Google 给予的资金扩大规模,增加农地範围、降低成本并教育农夫可以自己解决病虫问题。

直击Google东京AI论坛着眼社会议题从人才到技术怎幺极大
专案负责人 Raghu Dharmaraju 现场示範用手机捕获病虫资料
电脑效能千万倍成长 人才能否迎头赶上?

Google 资深研究员及Google AI 负责人 Jeff Dean 向大家深入浅出介绍起 AI 与机器学习训练模型,人工智慧得力于电脑效能的提升,从 1990 年代,浮点运算能力 32 GigaFLOPS 到了2019 年已达 420 TeraFLOPS,与二十多年前相比快了一千万倍,在今日实现更多应用从图像、语音到文字等多种载体的资料分析,然而,在运算能力、模型优化以后,AI 发展仍然有几项挑战,包含人才与数据搜集、隐私保护等。

在人才部分,上回论坛中 Google 宣布开放企业内部员工的课程给大众,如期去年正式推出免费人工智慧学习网站 Learn with Google AI,其中 机器学习速成班,这项为工程教育团队加速 Google 员工上手机器学习基础知识的课程,目前在 Google 内部已有超过 25000 人参与课程,由于不需要机器学习背景,开放至今已经在全球已吸引接近 350 万人参与,以亚太地区来看,台湾、日本、韩国的反应都相当好。

Google 免费机器学习课程正式上线!支援多国语言含中文

投注 AI 研究的人才成长还不够,Jeff Dean 认为比起世界上许多无法完全仰赖人类的问题都待 AI 协助人类解决,因此,Google 一直和来自不同背景的第三方携手,研究人员、开发人员、非营利组织、政府等。提供基础的工具像是开放原始码机器学习架构 TensorFlow,让人工智慧的效用极大化。

数据滥用、资安隐忧? Google AI 发展坚守原则

AI 发展受到滥用的例子不少,像是假 AI Deepfakes 遭到色情滥用的问题未平息,近期生成假裸照的 DeepNude 又闹得沸沸扬扬;又或是文本资料快速产生内容,假新闻、抄袭事件、或是社群媒体垃圾留言、洗评论等滥用,大数据搜集用户资料用于行销等资安疑虑受到争议,技术发展双面刃在 AI 领域也不例外。

Google  内部则以人工智慧準则来规範,对社会有利、测试过安全性、纳入隐私设计的应用,同时也将可能造成的负面影响纳入考量,究竟要开放给特定组织使用,还是全面开放给大众?这些更为複杂的问题都需要精确被定义,让公司在 AI 发展上能採一致的审核原则。

目前 Google 已根据準则审查过 100 个专案, Jeaf Dean 举例,在 Google 人工智慧开放数据库 Google Cloud AI Hub 中,让许多对 AI 有兴趣的业者可以即查即用资料,然而,在 AI Hub 的大部分内容还是由 Google 外的组织发布,难以判断是否符合 Google 的準则,因此 Google 也增加策展工具、具体的条款内容下架流程。

搜集大量数据也要兼顾资安,Google 则是开发一种新型的机器学习-「联合学习」,在一台装置上,就能训练与运作机器学习系统。不需要从使用者的装置收集原始数据,就能让更多个人化服务符合用户需求。

直击Google东京AI论坛着眼社会议题从人才到技术怎幺极大
Jeff Dean 介绍联合学习的运作机制 让行动装置进行用户交互训练模型

Jeff Dean 举例,大家熟悉的 Google 的键盘─Gboard 就是此概念,下载机器学习模型后能根据输入的内容在装置上更新,更新后的模型上传到伺服器,个人数据还是会留在个人的装置上,这就是为什幺 Google 虽然没有真正取得个人资料,但是仍然可以给个人化推荐的新字。

说到 Google AI 发展,除了让你想到那些酷炫的黑科技像是自家 Google Lens 的搜寻与翻译、Pixel 以机器学习巧用于硬体上,让单镜头得以实现人像功能,每年在 I/O 上展示从图像、文字、语音等技术实现 AI 应用。

前年 Google 东京主办的机器学习盛会,着重在商业、医疗与 Google 自家的工具应用,在今年论坛上我们看到更多关于社会议题的投注,可看出 Google 将越来越多重心放在「AI for Social Good」,探索能推动社会改变的 AI 。

如果你也有志用 AI 解决公共议题,不妨持续关注「 Google AI Impact Challenge 」计画,Google 透露,在所有申请者之中,有 40%是来自没有人工智慧相关经验的组织,这次选出了 20 位得奖者,也许下一个就是你!

相关文章