新智元报道

编辑：犀牛

【新智元导读】在巴黎 AI行动峰会上，李飞飞博士作为开幕嘉宾受邀发表演讲。她带领我们回顾了人工智能的发展，重点讲解了她现在的研究方向「空间智能」与「具身智能」。马克龙为峰会造势使用的AI生成视频同样引起了人们热议。

本周一，人工智能行动峰会正 在巴黎举行。

为了给这次的AI行动峰会造势，法国总统马克龙用上了人工智能生成的伪造视频。

在社交媒体上发布的一段视频中，马克龙在他的伪造视频下面回应道：「做得好」。这些视频在几个月前就已经开始在法国社交媒体上流传。

马克龙承认他的伪造视频在一些社交媒体圈子中变得流行了起来。

「更是重要的是，借助人工智能，我们可以做一些非常重大的事情：改变医疗保健、能源及我们社会的生活」，这位47岁的总统说。

他补充道：「法国和欧洲必须处于这场革命的中心，以抓住每一个机会，并推广我们的原则。」

马克龙这次为了AI峰会真的是拼了！足以看出法国对AI的重视。

在这次峰会的开幕式上，斯坦福教授，人称「AI教母」的李飞飞博士受邀发表开幕演讲。

李飞飞从五亿年前生命感知能力的进化讲起，一路讲到图灵时代，为人们展现了AI发展的宏大历史脉络。

接着，李飞飞讲到了今年非常热门的「智能体」，与她目前的主要研究领域「空间智能」与「具身智能」。

同时，李飞飞也再次强调了她在多年探索中一以贯之的主张：「AI以人为本」（Human-Centered AI），展现了她在科学探索中浓郁的人文关怀。

从5亿年前说起

李飞飞从五亿年前那个连视觉的概念都还不存在的遥远时代开始讲起。

随着时间的推移，简单生物开始能够感知周围的世界，并做出反应。最初，感知是被动的，只是让光线进入，而这一过程很快变得更加丰富和主动。

神经系统开始进化，视觉从「看」变成了「理解」，理解进而导致行动，而所有这一切最终催生了智慧，并永远改变了地球上生命的本质。

到了20世纪中叶，艾伦·图灵，这位伟大的英国数学家，在计算机尚未真正诞生之前，就已经在思考如何赋予机器可与人类比肩的认知能力。

「对我来说，他的写作总是鼓励人类大胆地想象思维机器」，李飞飞说，「正是这种好奇心和雄心，驱使了美国早期的计算机科学家们，他们不仅组织了第一个研究项目，探讨思维机器的可能性，还创造了人工智能这一术语。」

在1956年那个炎热的夏天，这群早期的计算机科学家们，在达特茅斯的人工智能夏季研讨会上讨论了这一问题，甚至提出两个月内就能解决大部分问题，从而揭开智慧的神秘面纱。

不得不说，现在看来他们可能有些过于乐观，但不得不佩服他们的胆略。今天，距离这个「两个月」的项目已经过去了几十年。

「但我们确实取得了一些实质性的进展。」

算法、数据与算力

李飞飞表示，工智能一直以来都是一个跨学科、充满活力的领域。

「我们今天所处的现代人工智能时代，正是三项极其重要但各具特色的技术和科学进展交汇的结果。」，她说。

首先是感知算法的研究，研究生物如何感知世界，并逐渐形成数学模型，这些模型使我们能够创造出更强大的机器。

继艾伦·图灵的假设之后，神经生理学家们为我们揭示了视觉皮层的神经处理结构，获得了诺贝尔奖，并彻底改变了我们对视觉处理的理解。

与此同时，认知科学家们深入研究地我们的大脑，揭示了我们感知周围世界的深度与复杂性。

科学的结论是，大脑与我们所处的环境是密不可分的，它是不断在从环境中学习的。

「对我个人而言，作为在21世纪初成长起来的科学家，当时感知算法几乎是我所在领域的唯一关注点」，李飞飞表示。

而认知科学带给她的启示在于「规模」。演化与发育能如此有效地塑造人类智慧，是因为它们能利用大量数据来驱动我们的学习。

李飞飞和她的合作者、学生们推测，同样的规律也适用于机器，只不过这一次，数据来自现代数字设备和互联网，而不再是依靠生物感官。

由此李飞飞所在的实验室发起了ImageNet项目——它是第一个针对人工智能的大规模互联网训练与评测数据集。

他们提出了一个关键假设：数据是让神经网络等高容量算法真正「活起来」的关键。

这个理念让神经网络焕发新生，开启了利用海量数据来推动AI进步的全球趋势，也成为如今所说的AI「规模定律」（scaling law）的一部分。

然而，所有这些成就都离不开强大的计算能力。

最初的里程碑包括冯·诺依曼（Von Neumann）在上世纪40年代提出的计算机体系结构理论，它一直沿用至今，并在70年代初催生了第一批微处理器。

而令人感到有趣的是，正是电子游戏推动了硅芯片处理速度的突破。1990年代初，随着游戏图形需求的增加，图形处理单元（GPU）在短短几十年内爆发式增长，这最终成了人工智能网络算法能够利用互联网大数据的最后拼图。

「如果你是游戏爱好者，那我们要感谢你。」，李飞飞现场表示。

AI的飞跃

「接下来的发展就不仅仅是历史，它是构建未来的配方。」

2012年，李飞飞的实验室在ImageNet挑战赛上首次实现了这三种技术的结合——算法、数据和计算，规模足够大到几乎一夜之间改变了AI领域。