Google AI 與善的距離！七項原則發佈一年後，AI 業務掌門人傑夫‧迪恩談技術

從 DeepFake 的 AI 換臉風波，到 DeepNude 的「一鍵脫衣」，越來越多人開始意識到人工智慧技術被濫用後的陰暗面，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上，講述了這些年來 Google 利用人工智慧和機器學習技術做了哪些造福社會的事情，並且再次談到他們對人工智慧技術應用的原則和底線。

而這距離 2018 年 6 月，Google CEO 桑達爾 ‧ 皮查伊（Sundar Pichai）宣佈他們使用人工智慧的七項原則以及四條底線，也過去一年了。

基於道德原則，超過 100 個專案被審查

傑夫 ‧ 迪恩展示了一個印度學生團隊使用開源機器學習框架 TensorFlow，所開發的空氣品質監測 app。

這個 app 借助 TensorFlow Lite 以及機器學習模型，使用者只需往空氣中拍一張照片就可以得到當地的即時空氣品質。

▲ Jeff Dean 放出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，而直到如今，機器學習的相關技術才逐漸被廣泛應用。他認為導致這個變化的重要原因是硬體的進步。

▲ Jeff 認為硬體的進步是人工智慧技術被廣泛使用的原因目前 Google 在人工智慧領域的大部分業務聚焦在機器學習上。透過輸入像素、聲音、文本等資料，電腦已經可以做到「看、聽、說、理解」。

Google 在人工智慧技術上的道德規範，主要體現在七項原則，以及四條底線上。

 

人工智慧應該遵守的七項原則：

1. 對社會有益。
2. 避免製造或者加深不公平的偏見。
3. 在開發中進行測試以確保安全。
4. 對人類負責。
5. 隱私原則。
6. 堅守對卓越科學的追求。
7. 在使用中考慮首要用途、技術的獨特性及適用性、使用的規模這三個因素。

四條底線是：

1. 對於那些將產生或者導致傷害的整體性技術，我們會確保其利大於弊，並將做好確保安全的相關限制。
2. 不會將 AI 用於製造武器及其它將會對人類產生傷害的產品。
3. 不會將 AI 用於收集或使用使用者訊息，以進行違反國際公認規範的監視。
4. 不會將 AI 用於違反國際法和人權的技術開發。

傑夫 ‧ 迪恩（Jeff Dean）早期曾在大幅提高 Google 搜尋的品質，後續是 Google 大腦業務的負責人，並在 2018 年開始掌舵 Google 的 AI 業務。除了有一大堆「Jeff Dean 有多神奇」的事蹟，他也是這個地球上在人工智慧領域最有影響力的人物之一。

▲ 作為 Google AI 業務的掌門人，傑夫 ‧ 迪恩表示他們基於這套原則，已經審查了超過 100 個專案，並對數千名 Google 員工進行機器學習公平性方面的培訓。 

在使用者隱私安全方面，迪恩則是提及了自家的「Federated Learning」，這項技術會將原始資料都保留在本地，並在本地建立一個資料庫。Android 手機上 Gboard 鍵盤應用，就用到這個技術。

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——比如醫療、災害預測、環境保護、農業或文化保護。

迪恩認為，讓人工智慧技術更加公平公正，不僅需要看到技術對現階段的影響，還需要考慮到其對未來的影響。

而為了讓技術可以更好地服務人類，Google 還開展了「AI for Social Good」專案，重點關注「科研與工程」（Research & Engineering）、「幫助他人解決重要問題」（Empower）。

Google 的 AI 能力，在解決哪些社會問題？

Google 的 AI 能力已經融入到搜尋、郵件、輸入法等產品的角落，同時也在醫療、農業、環保等不同的領域發揮作用。

這次 Google 展示了多個自家的專案，以及 4 個透過 TensorFlow 借助 Google AI 能力，在保護熱帶雨林、垃圾分類、檢測農作物蟲害、轉錄古代文獻等方面做出貢獻的外部專案。

▲ 洪水預測模型的示意圖準確率高達 75% 的洪水預測模型，是 Google 今年年初公佈的新成果。這個模型建立在相當有限的資料量上，也使用了早期預測地震餘震、衛星圖像、量化火災等研究基礎。

有效的災害預警可以大幅降低人員傷亡和財產損失的程度，這個洪水預警模型將會進入 Google 的公共警報程式，在搜尋、地圖、新聞等產品上對使用者進行預警。

Google Health 的產品經理 Lily Peng 講述了人工智慧在肺癌篩查、轉移性乳腺癌、糖尿病眼底檢查這三個領域所取得的成就。

肺癌是最常見的癌症之一，占全球死亡率的 3%。Google 目前所建立的機器學習模型，透過分析 CT 掃瞄結果對病患的肺部惡性腫瘤進行預測。結果顯示，Google 現有模型所檢測到的肺癌病例，比放射科醫生增加了 5%，同時減少了 11% 以上的假陽性病例。用於檢測乳腺癌病人淋巴結切片的模型，已經能夠發現 95% 的癌症病變，高於專業病理學家 73% 的檢測率。

▲ 眼底病變檢查也已經在印度等國家投入使用。

 

科技公司的新一輪技術競賽，其中一個重點就是健康醫療領域，Google 則是將自己在 AI 技術上的優勢與醫學影像結合。

另外，Google 與美國國家海洋暨大氣總署（NOAA）共同研究瀕危物種座頭鯨，對 19 年來所收集的聲音資料進行處理和分析。目前已經可以做到從海洋噪音中辨識座頭鯨的叫聲，製作鯨魚活動的軌跡地圖。

產品經理 Sagar Savla 講述了 Live Transcribe 通過語音辨識（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 專案也正在構建一個語音辨識模型，幫助那些因殘障、疾病而存在語言障礙的患者，讓機器去理解他們說話的方式，在用語音幫這些患者「說話溝通」。

Google 曾透過「Impact Challenge」專案，向全球徵集使用 AI 來幫助解決社會問題的方案。

其中印尼的 Gringgo Indonesia 基金開發了一個拍照就能辨識可回收垃圾的app，其中一個特點就是會在每個被辨識的垃圾上，標出這個垃圾被回收後的價值。

▲ Rainforest ConnectionRainforest Connection 專案也入選了「Impact Challenge」的名單。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」，透過監測森林中伐木車和電鋸的聲音，為護林員發出即時警報。近年來，他們已經開始使用 TensorFlow 對音訊資料進行更深入的分析。

此外，還有一個來自印度的研究所正在構建 AI 模型，用於自動檢測和計算農作物上的病蟲害數量。這個app讓印度棉花農民能夠透過手機拍照，辨識出相應的害蟲，進而更好地種植農作物，控制農藥的使用量。

日本學者 Tarin Clanuwat 博士訓練了一個模型用以辨識日本古籍中的草書，並將這些字符轉錄為現代日語。據悉這個模型能夠檢測約 2300 個中字符，平均準確率為 85%。

上面這些無論是 Google 正在研發的專案，還是外界利用 Google AI 能力的專案，都離不開 TensorFlow。作為全球影響力最大的機器學習開源平台之一，TensorFlow 目前已經擁有超過 4100 萬的下載量。

• 本文授權轉載自ifanr