Mini Episode: Redeeming AI, More Lessons in AI Bias, and a National AI Research Cloud
05:09 Share

您好，欢迎收听，我是丹尼尔·巴希尔，这里是Skynet播报的本周AI新闻。本周，我们将关注深度伪造技术、AI的碳足迹、教育研究人员了解AI偏差以及国会最近一项法案的推动。首先，深度伪造技术，即AI生成的合成媒体，通常与现实难以区分，是当今最可怕的技术之一。

它们已经被用于一些相当可怕的用途，例如在印度一位政治家的竞选中。它们可以用来制作关于政治家和知名人士的虚假视频，这些视频很容易被误认为是真实的。但这项看似恶意的技术可能有一些救赎之处。Vox报道了一部名为《欢迎来到车臣》的新HBO纪录片，该片采访了车臣迫害LGBTQ人群的幸存者。

由于幸存者公开身份不安全，纪录片使用了类似深度伪造的技术，将志愿者的面孔叠加到幸存者的面孔上，使每位幸存者都能对着镜头说出自己的真相，志愿者的面孔作为媒介来展现他们的面部表情和情绪。

在AI需要自我救赎的其他方面，最近对碳排放的审查使人们关注到机器学习系统对环境有巨大的影响。例如，麻省理工学院技术评论2019年的一篇文章报道称，一个单一的机器学习项目在其生命周期内可能排放的碳与五辆汽车一样多。

这一关注引发了强烈推动，旨在开发更精简、更省电的AI模型。特别是绿色AI运动，推动将碳排放作为评估AI系统的关键指标。但为了知道我们正在取得进展，我们需要对我们减少碳足迹的程度进行定量测量。

为此，根据斯坦福大学以人为本人工智能研究所的一篇文章，来自斯坦福大学、Facebook人工智能研究和麦吉尔大学的一个研究团队创建了一个工具来测量机器学习项目的碳排放量。

机器学习的普遍性将确保其碳排放量在未来将占总碳排放量的越来越大的一部分。有了这样的工具，我们可以确保我们在减轻AI系统对环境的额外影响方面取得具体进展。

现在，我们来回顾一下上周的一个故事。概括地说，蒂姆尼特·杰布鲁是一位广泛研究AI偏差的种族和交叉影响的研究人员，她在计算机视觉和模式识别会议上做了一个关于AI偏差的各种来源的报告。在另一位著名研究员简·拉松发表了机器学习系统将其偏差归咎于数据本身的错误评论后，推特上爆发了一场争论。

《同步评论》报道称，这两位研究人员之间为期一周的来回争论吸引了许多其他知名人士，他们对拉松的评论表示不满。该领域在多元化和包容性方面取得了进展，但许多研究人员惋惜的是，社区中如此杰出的知名人士仍然需要接受这些问题的教育。

拉松在推特上发表了他最后一篇重要的帖子后，这场争论结束了，他呼吁其他人停止攻击杰布鲁和其他批评他帖子的其他人。

在AI研究人员互相教育偏差的同时，许多组织希望使计算资源更容易获得。VentureBeat报道称，包括亚马逊网络服务、谷歌、IBM和英伟达在内的20多个组织，以及斯坦福大学和俄亥俄州立大学等学校，都支持建立国家AI研究云的想法。

该云将允许美国各地的研究人员访问像谷歌这样的公司可以自由使用的数据集，但学术界的研究人员却无法访问。这个想法最初是由斯坦福大学以人为本人工智能研究所的联席主任李飞飞博士和约翰·埃切门迪在去年提出的，作为一项战略投资，以增强美国的竞争力，并巩固其在AI领域的领导地位。

虽然中国在人脸和语音识别等数据密集型应用方面处于领先地位，但李飞飞认为，诸如罕见疾病的基因研究和药物发现等不太依赖数据的应用，可能是美国取得进展的富有成效的领域。本周就到这里。非常感谢您的收听。如果您喜欢这个播客，请务必评分和分享。如果您想听到更多这样的新闻，请访问SkyNetToday.com，在那里您可以找到我们每周的新闻摘要，其中包含类似的文章。