编辑：鹏飞，永上
【新智元导读】BLM运动已经延伸至AI界。Yann LeCun此前发推称当数据有偏差时，ML系统就会有偏差。在白人为主的数据集训练后，生成的人脸偏白；在黑人为主的数据集训练后偏黑。遭到网友声讨。LeCun随后向提出质疑的黑人女科学家道歉。
而同时在美国如火如荼进行的，还有BLM运动。这场运动已经从民间上升到了政界，渗透进商业界，如今已经深入到了AI界。最近，图灵奖得主、人工智能标杆人物Yann LeCun，因为一则言论被群攻，迫不得已出来道歉。而这起事件的导火索，正是最近突然爆火的PULSE算法。
该算法由杜克大学推出，可以将模糊的照片秒变清晰，效果出奇的好。这项研究在CVPR 2020上发表，论文标题为《PULSE：通过对生成模型的潜在空间探索实现自监督照片上采样（PULSE：Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models）》。正当大家兴致勃勃的把玩的时候，谁料PULSE竟莫名闯了祸。一张照片引发AI社区大争议，Yann LeCun发推先解释后道歉
有人发现，将一张奥巴马的模糊照片，用PULSE洗出来以后，变成了一个白人！真•洗白？这下美国网民不干了，纷纷将斗争的矛头指向了人工智能。一向敢说的Yann LeCun，就这张照片发推表示：「ML结果的偏差，原因在于数据的偏差。为什么PULSE会出现奥巴马被洗白的情况？因为它是在FlickFaceHQ上进行预训练，这个数据集里基本都是白人照片。如果换成来自塞内加尔的数据集，训练完全相同的系统，那必然是每个人都看起来像非洲人。」这下很多AI研究人员、从业者也不干了，纷纷将斗争的矛头指向了LeCun。斯坦福AI Lab成员、Google AI科学家Timnit Gebru，对LeCun表示「失望」。她直接回复Yann LeCun：「Yann，我建议你看看我和Emily的教程，或者这方面专家学者的东西。你不要只是将罪魁归结为数据集偏见，听听我们这些来自边缘化社区的人的说法」Deborah Raji，纽约大学AI Now研究所的技术研究员，目前在MIT媒体实验室Joy Buolamwini创立的 「算法正义联盟」（Algorithmic Justice League）工作。她指出，人工智能中的偏见受到更广泛的社会不公正和偏见的影响，仅仅使用「正确」（完美的、没有偏见）的数据并不能解决更大的不公正问题。将AI学术问题，上升到了社会伦理层面。她甚至在Timnit Gebru的推下面提及Yann LeCun，直呼：「恶心！」最终，Yann LeCun公开发推，向Timnit Gebru表示道歉：「我非常钦佩你在人工智能道德伦理和公平方面的工作。我非常关心如何确保偏见不会被人工智能放大，我很抱歉我在Twitter的讨论成为了这一议题的话题事件。」在「最黑暗的时代」依然坚持深度学习研究，如今被拉下「神坛」
Yann LeCun，当今世界人工智能领域，甚至被有些人奉为「神一样的人物」。他是卷积神经网络之父，图灵奖得主，与Geoffrey Hinton、Yoshua Bengio并称「深度学习三巨头」。在人工智能领域，这三巨头也被称为「人工智能教父」，他们共同发展了深度神经网络，奠定了深度学习基础。一直以来，Yann LeCun都以直言不讳著称。他活跃在社交网络上，经常批评别人对AI技术的无端恐惧。由于他在AI领域的地位，他的评论因此极具份量。他致力于开发人工智能的现代方法，使用卷积神经网络来分析计算机视觉技术的核心视觉数据。横跨学术界和产业界，是纽约大学数据科学中心创始主任，纽约大学研究中心Silver Professor称号获得者，只有为纽约大学做出突出贡献的人，才有资格得到Silver Professor这一荣誉称号。同时他也是Facebook首席人工智能科学家。这也是他敢说「研究人员应该（专心科研）少关心数据偏见，而应该交给工业界去操心」的底气所在。他是AI技术的积极倡导者，更看重AI行业的积极、正向的前景。正是因为这份信念和坚持，Yann LeCun专注于技术研究，走过了深度学习最黑暗的时代，熬过寒冬，拿到图灵奖，终被「封神」。但人，终究不是神，LeCun最终还是为自己的言论道歉了。不过，虽然LeCun道歉了，可并非所有人都觉得LeCun错了。网友：这种问责很可能造成寒蝉效应，研究人员不再公布完整的来源
its_a_gibibyte表示有点儿懵：「我到现在都没整明白LeCun说错啥了？他不就解释了导致AI的偏见的原因和造成的结果吗？」WittyKap0跟its_a_gibibyte解释：「这条推是没错啦。但是在随后的一条推中，他把这个问题扔给了业界，称这不是研究人员应该关注的问题，而是应该由业界做部署的工程师去解决的。结果Pytorch之父就不干了，源头没做好指望下游给你收拾烂摊子吗？顺便还讽刺了LeCun在FB工作。」nonotan看不下去了：「我懂，研究人员至少应该提供某种程度的证据，证明他们的工作在实验中的情况，并给出更多的传统绩效指标。这将是一个很好的方向，没有任何问题。但归根结底，研究者的工作不是提供市场上可用的产品啊！难道那不是ML工程师的工作吗？作为一个ML工程师，你说『我只是从网上随便抓了一些模型，作为我的生产流水线的一部分使用，没有任何验证或监督。如果出了问题，就怪作者没有阻止我这个白痴』这是人话吗？而且这种问责很可能造成一种寒蝉效应，研究人员为了尽量不担责任，不愿意公布完整的来源/训练过的权重/等等。坦率地说，如果你按字面意思来理解他所写的东西我认为完全没有问题。我觉得只是因为人们发现LeCun没有重视或者支持他们的事业而感到不满。」Deto提出了一个非常有意思的观点：「他是不是觉得人们只是扫了一眼这篇文章(而不是实际阅读——说实话，真没几个人能认真读完)，然后可能会错误地认为种族主义意图被研究人员以某种方式，有意地编码到这些模型中？所以他想直接澄清这个细节。」Shams在Twitter上发表评论，认为LeCun没有支持不公正事件的发生，不需要道歉。「你的立场很明确，而且是基于已经发表的科学研究。我不知道你为什么被卷进一件你明显反对的事件中。我希望对方能够坚持学术论调。」Kaelen为LeCun鸣不平，认为他正在为自己没做过的事情道歉，而没有其他选择。Yamen Ali表示「看了上周的讨论，我不认为道歉是必要的。我从你那里读到过一系列关于机器学习中偏见的解释。我只想看他们对你观点的科学反对意见，而不是把意识形态带入科学讨论中，这不会带给我们任何结果」。Alastair认为是对方煽动了这场对话「你的内容十分准确，你的讨论语气也没有问题。你指出了最可能也是最重要的偏见。如果说有任何问题的话，那就是「她」煽动了这场对话。你没有做错什么，却受到了这样的网络暴力」。Crypto同情LeCun的处境「你为什么要为自己的正确而道歉？你的道歉对人工智能界是一种伤害。当你不得不一遍又一遍地解释1 + 1 = 2时，这不是一个健康的讨论。不是每个人都聪明到能够理解它，但这没什么关系」。关注公众号：拾黑（shiheibook）了解更多
[广告]赞助链接：
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
新智元
关注网络尖刀微信公众号
