The Next North Star

人工智能的未來仍然充滿不確定性,我們有很多理由保持樂觀,也同樣有很多理由感到擔憂。但一切都源於比單純的技術更深層次、更有影響的問題:在我們創造的過程中,是什麼在激勵著我們的心靈和思想?

再次回到講臺上的感覺真好。

英偉達禮堂燈光柔和而中性,卻充滿了活力。禮堂裡座無虛席,求知若渴的學生們有的坐在地板上,有的坐在樓梯上,還有的背靠後牆,雙腿交叉,膝上放著筆記本電腦。此外,還有數百人在遠程加入課堂,總人數有600左右。那是2019年的春天,是“CS231n:卷積神經網絡視覺識別”課程開設的第三年,選課人數呈爆炸式增長。這門課很快就成了我最喜歡教授的課程。

站在講臺上,我想起了在普林斯頓大學讀大一時的情景,當時我懷著敬畏之情第一次進入擁擠的禮堂,匆忙尋找座位。我還記得,我的內心充滿了期待,當閒聊聲逐漸消散,教授出現時,他彷彿超人一般瞬間征服了全班同學。如今,我成了站在講臺上的那個人,而現在我才意識到,原來我們都是徹頭徹尾的普通人。我們也許略有成就,但依然有弱點,依然會犯錯,而犯錯的方式是學生時代的我無法想象的。不管怎樣,課堂對我來說仍然是具有特殊意義的場所,而這樣的時刻讓我熱血沸騰。

對於在場的許多人來說,今天是他們第一次接觸到我鍾愛已久的思想,而我也有幸成為傳遞者。跟隨鮑勃(當時我還稱他為薩貝拉先生)學習的經歷依然歷歷在目,它提醒著我,一位老師可以在年輕人的生命中留下無比深刻的烙印。我們被賦予了分享一種特殊喜悅的權利:學習知識的快感、新的可能性帶來的衝擊。當然,這種感覺不會持久,因為學習的喜悅最終會因為職業發展、出版要求、求職面試,甚至風險投資和收入預測而變得複雜。但在眼下的時光裡,思想才是唯一重要的事。也許禮堂裡的一些人即將發現自己有了值得追尋的目標。

我必須承認,自從我上次在大學授課以來,人工智能行業已經發生了翻天覆地的變化。在此期間的幾年裡,我親眼見證了太多事情。我看到了谷歌的會議室,巨大的數據中心如倉庫般大小;我走進過醫院,也曾在華盛頓特區的街道上忐忑不安地穿行。現在,人工智能依然是我最熱愛的科學,不過它已經超越了純粹的科學範疇。無論這些學生將來會成為研究人員、產品設計師、企業高管、政策制定者,還是從事其他我無法想象的職業,他們都將繼承巨大的責任。

我高聲說道:“無論是解決數據中的偏見,還是保護醫院裡的病人,這一切的共同點是我們的技術如何對待人,尤其是如何保護個體的尊嚴。‘尊嚴’,這是我一直強調的關鍵詞。最重要的問題就是,人工智能如何才能尊重人的尊嚴呢?這個問題是一切研究工作的立足點。”

這並不是我事先準備的最周全的時刻,一些聽眾可能會覺得有點意外。但我的話都發自內心,我也知道,這不會是我最後一次談論相關問題。

“以人為本的人工智能。”這個詞我琢磨了好幾個月,現在終於說了出來,“我一直這樣表述自己的理念。我希望這個詞能恰如其分地詮釋我今後的職業生涯。我希望在未來的歲月裡,‘以人為本的人工智能’對你們所有人都能有一定的意義。”

下課後,學生們排起了隊,來詢問後續問題——課程的第一天通常會是這樣。長長的隊伍從教室前方的講臺一直蜿蜒到了後牆。

“您好,李教授。”一個學生走到隊伍前面時,向我問好,“我對深度學習特別感興趣。我已經讀了所有我能找到的書。”

“我也覺得深度學習非常激動人心!你選擇了一個很棒的領域。”

“ImageNet是您做的,對嗎?”

“我得到了很多幫助,但沒錯,是我做的。”我笑著說。獲得知名度從來不是投身科學的好理由,但來自他人的積極反饋總是讓人感到欣慰。

“我想知道,從那以後您有過什麼別的想法嗎?”

哎喲。良好的自我感覺到此為止。

當然,這就是本科生的魅力所在。他們往往是笨嘴拙舌,但卻非常善於開門見山。我本來想分享一些我的實驗室正在研究的想法,但在最後一刻改變了主意。

“我確實有一些新想法。它們還處於早期階段,不過我對此持樂觀態度。事實上,我剛在一分鐘前提到過。”

“您是說,以人為中心的人工智能?”

“以人為本。”我笑著回答,“至少,我認為是這樣。具體名稱我還在想。”

“嗯……”學生撓了撓頭,“聽起來很有意思,只是我沒想到會在這樣的課堂上聽到。我很好奇,倫理、社會與編寫代碼之類的工作有什麼關係呢?”

蓋茨計算機科學大樓給我的感覺既宏偉又內斂。大廳裡天花板高聳,地面上鋪著大理石,像博物館一樣迴響,拱形劇院大小的教室恰如其分地向思想的力量致敬。但我最熟悉的是樓上狹窄的走廊,這裡就是我的實驗室和斯坦福大學人工智能實驗室的所在地。現在,大樓的一層翻新翼樓有了新的變化,成了斯坦福大學以人為本人工智能研究院(Stanford Institute for Human-Centered Artificial Intelligence,簡稱“斯坦福HAI”)的總部。

斯坦福大學的計算機科學院系屬於美國最早的一批計算機院系之一,能在其核心成立一個明確的人本主義組織,其象徵意義令我倍感振奮。斯坦福HAI目標遠大,旨在成為跨學科合作中心。這種雄心並非停留在詩意的願景上,而是已經成為現實。在日常的任意一天,我都很可能遇到像斯坦福大學法學院的何恩文(Dan Ho)、政治學教授羅布·賴克(Rob Reich)、人文學科教授米歇爾·伊拉姆(Michele Elam),或者從弦理論物理學家轉行成為計算神經科學家的蘇里亞·甘古利(Surya Ganguli)這樣的人物。他們都欣然同意成為斯坦福HAI的一員,直接與人工智能專業的學生和研究人員合作,探索我們領域之間的交叉點,分享他們在職業生涯和生活中積累的專業知識。我們甚至吸引了來自校外的合作伙伴,包括麻省理工學院的著名經濟學家埃裡克·布林約爾松(Erik Brynjolfsson)。他橫跨美國,來到斯坦福大學,就是為了幫助斯坦福HAI更好地理解人工智能對就業、財富和現代世界權力集中的影響。有時,我感覺整個學科似乎正在重生,其活力水平甚至超出了我幾年前的想象。

很多合作都改變了我對未來可能性的思考,其中一次合作尤其重要。十年前,我第一次見到約翰·埃切門迪,當時他還是大學教務長,而我則是來自東海岸的移民,正痴迷於尚未完成的ImageNet。在接下來的幾年裡,我們成了鄰居和朋友,我對他作為學者的深厚學識也愈加敬佩。不僅如此,在多年的管理生涯中,約翰對高等教育領域的內部運作方式(好的、壞的,甚至是卡夫卡式的)也積累了豐富的專業知識。他完全知道如何才能把斯坦福HAI那些看似不太可能實現的願景變為現實。對於以人為本的人工智能,他不只是嘴上講講,也不只是宣揚其優點,而是要一磚一瓦地傾心構建。因此,當他同意擔任斯坦福HAI的聯合主任,與我並肩作戰時,我知道我們的確有機會讓研究院取得成功。

在我們的合作成果中,我個人最喜歡的是國家研究雲計劃(National Research Cloud,NRC)。國家研究雲是一個完全由公共資金和資源(而非營利部門)支持的共享人工智能開發平臺,目標是讓全世界的學者、初創企業、非政府組織和政府都能開展人工智能研究,從而確保我們的領域不會永遠被科技巨頭或者我們這樣的大學所壟斷。

兩年前,國家研究雲平臺還只是個想法而已。如果沒有斯坦福HAI,它可能會永遠停留在理念的層面。斯坦福HAI包括了法律和公共政策專家的多元化團隊把這一概念變為使命。特別是約翰,他利用自己職業生涯累積的寶貴人脈資源,招募全國各地的大學組成聯盟,這是我在學術界見過的最了不起的聯盟。經過了一系列的思想交流、建議磋商、跨國飛行和理性辯論,他很快就形成了完備的立法藍圖,並將其提交給了國會。要使人工智能成為真正具有包容性的追求,我們還有很長的路要走,但國家研究雲平臺這樣的成就是朝著正確方向邁出的重要步伐。

2020年9月,在距離我們初次對話近十年後,我和阿尼發表了題為《用環境智能照亮醫療保健的黑暗空間》的論文,對我們的研究進行了全面的回顧,並介紹了我們對智能傳感器的完整構想。智能傳感器可以擴展醫生和護士的感知範圍,幫助他們以前所未有的規模和一致性應對醫療保健環境中的混亂狀況。

論文描述了環境智能在醫院的各個場景中可以發揮的作用,包括改善老年人護理、協助慢性疾病管理、識別精神疾病症狀、在整個手術過程中跟蹤手術工具的使用、在整個輪班過程中提高臨床醫生的衛生狀況等等。論文沒有發表在專注於計算機科學、人工智能或信息處理的期刊上,而是登上了《自然》雜誌——這也許是整個科學領域最傑出的一大期刊。這提醒我們,最好的研究往往不是在我們各自領域的象牙塔中孤立完成的,而是在科學的整體共享空間中實現的,研究人員應該毫不猶豫地在全球範圍內展開跨學科合作。

我為這項工作深感自豪,但前路依然漫漫。就在《自然》雜誌發表這篇論文的幾個月後,12月份的《柳葉刀》(TheLancet)雜誌發表了一篇題為《在醫療機構中使用環境智能的倫理問題》的反駁文章。這篇文章直言不諱、推理透徹,對我們工作的意義進行了公正而嚴謹的審視。用作者的話來說,環境智能在提升醫療服務水平方面的潛力與“一系列倫理問題”同時存在,其中很多問題涉及大規模的數據收集和新的隱私隱患等方面。文章還進行了更深入的哲學探討:在這種沉浸式、分散監控技術的環境中,知情同意的本質究竟是什麼?雖然讀到對自己研究成果的評論文章總會讓人心裡頗不是滋味,但這篇文章中呈現的正是人工智能所需要的倫理論述,我對其中的大部分內容深表贊同。

環境智能很可能永遠是我實驗室的研究重點之一。每當我看到父母,就能想起為什麼這項研究對我來說如此重要。正因為如此,即使是現在,我也會每天抽出時間來了解最新的實驗、試驗和監管動態。過去幾年,人工智能領域在物體識別方面取得了許多突破,針對照片甚至視頻生成的描述已與真人無異,發展速度之快令人窒息。然而,回顧過去,一條共同的主線越來越難以忽視:儘管技術非常先進複雜,但其本質都是被動觀察;無論具體形式如何,其實都是算法在告訴我們它看到了什麼。我們的模型學會了觀察,有時觀察得非常細緻、非常準確,但也僅此而已。我最近常常思考,除此以外,一定還有什麼更有意義的事情。

咖啡時間結束了,我和一個學生手裡拿著帶蓋紙杯,走回實驗室。

“嘿,你還記得幾年前你第一天上課時問了我一個什麼問題嗎?我很好奇你是不是一直記得。”

“對,我還記得。”他微笑著回憶道,“我問你倫理和人工智能有什麼關係。”

“怎麼樣?”我報以微笑,“你覺得自己找到答案了嗎?”

他嘆了口氣,抬頭望著天空,耀眼的光彩正在漸漸褪去,天色傍晚。

“說實話嗎?還沒有。我肯定思考過這個問題,不想是不可能的。新聞上天天都在報這些事。我甚至還上了賴克教授的課。”

他指的是“計算機、倫理和公共政策”這門課,課程是由計算機科學家邁赫蘭·薩哈米(Mehran Sahami)、政策學者傑里米·溫斯坦(Jeremy Weinstein)和政治學家、倫理學家羅布·賴克共同開設的(賴克仍然是斯坦福HAI的創始貢獻者之一)。我點了點頭。

“我知道從理論上來講,這些東西很重要。”他喝了一口咖啡,“但有什麼用嗎?飛飛,我的機器人還不能從烤麵包機裡拿出麵包呢。研究本身就夠讓人沮喪的了,而且感覺每個人都在不停地發論文。我已經在擔心下一次會議和它的截稿日期了!我的研究成果還非常初級,我到底應該拿出多少腦力去研究倫理問題呢?”

這個問題很好。儘管人工智能在過去十年中取得了不可思議的進展,但很多研究仍處於起步階段。尤其是機器人技術,這項技術是出了名的難,即使在深度學習普及的時代,機器人技術的發展步伐也相對緩慢。在這樣的時刻,以人為本的人工智能可能很難讓人接受。

“你知道嗎,”我開始說道,“我當學生也不是太久以前的事,但那會兒,讓計算機區分辨小貓和小狗都幾乎還是科幻小說的情節。然後,深度學習在一夜之間改變了一切,我們的算法被用於我們曾經認為還需要幾十年才能實現的領域。想想看,我們現在有多少人在談論面部識別。記者、政客、活動家……突然之間,他們都提出了問題,而且都是好問題!這一切會導致更多的監控嗎?會帶來更有偏見的算法嗎?甚至會導致人工智能武器的問世嗎?一切都來得太快了。”

我們到了實驗室。我在讀卡器上刷了一下門卡,我們推開雙扇門走了進去。

“我想說的是,”我總結道,“事情的變化可能會比你想象的要快得多。”

我知道我沒有說服他,或者說沒有完全說服他。雖然他心存疑慮,但還是很關注這個問題,一直在聽我講。願意傾聽就是一個好的起點。

 

新入行的人產生懷疑情緒是很正常的。但在實驗室裡,以人為本的精神隨處可見,白板上還留著前一天晚上的項目筆記,這個項目的目標是在保護信息所有者隱私的同時,利用敏感信息對神經網絡進行訓練;另一個類似的項目則是在不影響最終模型有效性的前提下,將圖像數據集中的人臉進行模糊處理。

我們甚至也開始用批判的眼光審視自己的研究成果。ImageNet包含了我們最初從互聯網上搜羅的數百萬張照片,我們通過研究,對數據集吸收的偏見(包括種族、性別和性取向)進行量化。在研究結果的指導下,我們替換了大量圖片,以更加平衡地展現人類群體的全貌,並刪除了具有冒犯性的類別標籤。

也許最鼓舞人心的——至少對我來說——是我們的工作從未如此貼近現實世界。一位初級研究員的機器夾不起吐司固然令人遺憾,但除此之外,這十年來,機器感知領域的復興已經從根本上改變了機器人技術,現在已經很難將其與人工智能本身區分開來。彷彿是為了說明這一點,金屬長凳上擺了兩條光滑的機械手臂,它們的名字非常親切,一個叫作“查理”,一個叫作“艾達”,正在耐心地等待下一次訓練。如今,它們就像任何算法一樣,已經成為我們實驗室工作不可或缺的一部分。

當然,硬件再先進、再亮眼,也只是達到目的的一種工具。因此,我們工作的指導原則依然關注人類的福祉,而不僅僅是追求程序的效率。這就是我們與數字經濟實驗室合作背後的理念。數字經濟實驗室是斯坦福HAI下屬的成立不久的研究小組,這個小組利用美國勞動局的調查結果,以更好地瞭解人們對於自身工作價值的看法:他們在哪些方面歡迎自動化帶來的便利,在哪些方面認為自動化的滲透具有威脅性,甚至是非人性化的。我首次意識到這種區別,是在跟阿尼一起研究環境智能的時候。我認識到,人工智能應始終致力於提高人類的能力,而不是與人類競爭。現在,這一理念成為我們實驗室的基本價值觀。這種價值觀究竟意味著什麼,這是每個研究人員都要自己回答的問題,但令人振奮的例子比比皆是。例如,我們實驗室最重要的工作之一,就是對住宅、辦公室和醫院等日常空間進行極其細緻的三維建模,而每個空間都有各種不同的種類、平面圖和風格。我們努力讓算法沉浸在人們生活和工作的環境中,沉浸在智能機器可能發揮最大作用的應用場景中,尤其是幫助身患疾病和殘疾的人群。一個相關項目通過使用虛擬現實頭盔和運動跟蹤手套,幫助研究人員捕捉有形、有意義的任務(如疊衣服、準備食物等),並對動作進行數字編碼,由此創建評估機器人性能的基準。還有一項研究探索了新的機器學習方法。研究人員設計出了具有天生好奇心的數字代理機器,並將其置於鼓勵它們玩耍的虛擬環境中,因為玩耍是兒童與周圍環境建立直覺聯繫的重要方式。

每一個故事都代表著一個變化——我們對數據的看法發生了變化,對數據的期望也發生了變化。我們曾經試圖給算法類似百科全書式的意識,希望算法可以識別所有的類別和事物,而現在,我們的目標更為廣泛。我們想對萬事萬物所蘊含的空間、時間甚至意義有更深入的瞭解。我們的目標不僅僅是數量上的增加,還有細節和細微差別的擴展。新的數據處理方法不僅僅是簡單的整理和編目,而是要模擬整個環境,模擬在環境中展開的行動。這就是為什麼隨著技術複雜性出現爆炸式增長,我們研究背後的人本主義也在不斷發展。要形成對現實生活的整體觀,為了創造比以往任何時候都更加真實的世界表徵,我們需要深度和保真度,而在我看來,即使目前最先進的技術也達不到這種需求。因此,我們再次熱血沸騰,迎接挑戰。我們再次需要進化。

 

當然,進化的確切形式仍是個謎,但耐人尋味的蛛絲馬跡已經初露端倪。隨著進化所需的數據集規模日益增長,組織足夠的人力所涉及的成本、時間甚至倫理問題不斷增加。近年來,更具影響力的發展之一是出現了越來越多的模型訓練新方法,這些方法可以突破人工整理數據集出現的瓶頸。模型的數據處理能力主要包括模型規模、並行操作的能力,以及自主識別有用模式的能力(文獻中稱之為“注意力”)等方面。模型在數據處理方面的進展使得用大規模數據集進行訓練成為可能。有時,數據集的規模甚至構成了互聯網的很大一部分。以文本為例,訓練數據通常包括整個維基百科、各大圖書館的書籍和學術期刊,甚至是像Reddit這類在線論壇的歷史帖子。在對每個單詞、空格和標點符號進行分析之後,就可以生成人類語言的統計模型。這個模型是如此龐大,卻又如此濃縮,只需要簡短的提示,就可以讓想法的種子變成茂密的參天大樹,將一句話(無論是問句、陳述句還是對話)擴展成一篇洋洋灑灑的生動散文。這些模型現在通常被稱為“大型語言模型”(Large Language Model,LLM),其所呈現的語句極為流暢,與人類的語言能力驚人地接近,讓讀者很容易忘記自己閱讀的文字其實並不是真人寫的。

經過多年的計算機視覺研究突破,大型語言模型正在推動自然語言處理的復興,也很可能預示著人工智能的下一個偉大時代即將來臨。具體而言,一種稱為Transformer的新型機器學習模型成為自2012年的AlexNet以來神經網絡設計中最大的進化飛躍。Transformer具備了所有讓大型語言模型成為可能的必要特性:規模龐大,通過處理大量並行數據塊來加速訓練,並擁有極其複雜的注意力機制。不管怎麼看,Transformer都是一個里程碑,甚至可以說是一個轉折點;它一經發布,就立刻展示出了驚人的能力,甚至連其背後的專家們都感到震驚,而這些進展至今都沒有放緩。

初次接觸到由大型語言模型生成的文本時,我感到非常超現實,不禁想起了當年與安德烈合作開展的研究。當時,我們看到人工智能寫出一個完整的句子來描述自己看到的東西(儘管措辭略顯笨拙),是多麼興奮啊。而僅僅幾年後,算法已經成為文筆流暢的文字大師,可以回答問題、編寫故事,甚至還能解釋笑話。更重要的是,新興的“多模態”網絡不僅限於在文本上進行訓練,還可以利用照片、音頻、錄音甚至視頻進行訓練,從而學會了生成不同形式的媒體內容。這種進展常常讓人感覺比計劃提前了一兩代;在短短十年左右的時間裡,算法已經從難以識別照片內容,發展到以超人水平進行識別,現在甚至可以創造全新的圖片——這些圖片看起來跟真實的攝影作品無異,但完全是合成的,並且往往具有驚人的逼真度和細節。看起來,深度學習時代似乎已經讓位於一場新的革命,生成式人工智能時代即將來臨。

即使對我來說,生成式人工智能也經常看起來就像魔法一樣。而這項技術的核心再次展現了大規模數據的力量。可以肯定的是,“規模”是其中的關鍵詞。AlexNet首次亮相時,網絡參數為6000萬個,剛好足以對ImageNet數據集進行合理解釋,至少可以解釋部分子集。相比之下,Transformer的參數已經增長到數千億個,足以利用文本、照片、視頻等形式的數據進行訓練。這無疑帶來了無盡的工程挑戰,但其中所體現的科學性卻出奇的優雅。從楊立昆的郵編閱讀器、福島的新認知機,甚至羅森布拉特的感知機時代開始,這些可能性似乎就一直在等待著我們的發現。從ImageNet時代開始,所有這一切都存在於某個地方,蘊藏著巨大的潛力。我們要做的,只是把一個簡單的想法變得足夠宏大而已。

然而,我越來越感覺到,這樣的解釋只觸及了技術細節,並沒有回答更本質的問題。大型語言模型,即使是多模態的大型語言模型,可能也並不具備真正意義上的“思考”能力。看看就知道了:大型語言模型很容易出現荒謬的概念性失誤,也樂於編造聽起來合理但實際上毫無意義的胡言亂語。瞭解這些事實有助於我們避免過分迷戀模型的能力。然而,隨著大型語言模型生成的文本、圖像、語音和視頻越來越複雜,真與假之間的界限愈加模糊。越來越多的評論家開始質疑,為我們敲響警鐘:作為個人、機構,甚至社會,我們究竟有沒有能力區分真實和虛構?當人們意識到這一切還只是1.0版本時,這種發問尤其令人警醒。

就這樣,科技不斷發展。算法語言表達的高級程度已逼近人類水平。機器人正在逐漸學會應對真實的環境。視覺模型不僅可以通過照片進行訓練,還可以在全三維世界中進行沉浸式實時訓練。人工智能能夠像識別內容一樣流暢地生成內容。與此同時,倫理問題在我們周圍不斷湧現,與人類經濟社會發展的關聯也日益緊密。但這就是科學一直以來的樣子。隨著旅程的展開,前路只會變得更漫長、更復雜。無窮無盡的分叉、不斷擴大的視野、新的發現、新的危機、新的爭論,故事永遠處於第一幕。

 

曾經,我做出決定,要把自己的一生奉獻給這個鮮為人知的領域;因為這個決定,我比想象中走得更遠。因為歷史的偶然,我這一代人親眼見證了人工智能從學術奧秘轉變為頭條新聞。我因此有機會周遊世界,與全球的領導者同聚一堂,並在最近幾年中站在最大的平臺上發表演講。耀眼的燈光、絢麗的色彩、一排排的觀眾似乎可以無限延伸到地平線,這些都是難得的特權,每一個都是意想不到的榮譽。

但實驗室仍然是我最喜歡的地方:熒光燈管嗡嗡作響,座椅硬邦邦的,咖啡早就不新鮮了,沒完沒了地點鼠標、敲鍵盤,記號筆在白板上發出吱吱聲。自從2012年AlexNet誕生,自從2006年我和鄧嘉創建ImageNet,自從彼得羅把西蒙·索普的腦電圖研究報告打印稿放在我桌上,發生了太多事情。“相信我,這是你想讀的內容。”即使是現在,北極星依然照耀著我前行的道路。旅程仍在召喚,還有更多的目標等待我去追逐。

我時常回想起與彼得羅和克里斯托夫初次見面的情景,當時他們在我心中就是學術巨人。我很難想象有人會把我也看成是那樣的人——單憑我的身材,就可能讓我失去“巨人”的資格。但在某種程度上,我確實有一點兒權威人物的氣場。我的導師們教會了我如何善用威嚴:要將其作為一種感召,而不是障礙。對於每一個願意通過個人努力來到這裡的學生,我想告訴你們:如果你真的對這些事物充滿熱情,無論你是誰,無論你來自哪裡,你都屬於這裡。讓我們共同創造未來!

午後陽光明媚,太陽漸漸西斜,但空氣依然暖和,我們躲在涼亭的樹蔭下,享受著寧靜的時刻。母親靜靜地坐著,滿心歡喜地看著外孫外孫女在草坪上踢足球,他們奔跑著,笑聲、尖叫聲迴盪。父親盡力跟上他們的腳步,和他們一起歡笑,看著就像個年輕人。對以“玩”為畢生追求的父親來說,成為外祖父後,他終於找到了適合自己的節奏——這個角色對他沒有任何要求,他只需要做愛玩的自己就好。

手機震動,我低頭看了一眼,發現是斯坦福HAI的政策主管發來的信息。

國家研究雲剛剛在參議院獲得通過

這是一個更大法案的一部分

即將提交總統

 

一分鐘後,我又收到一條信息,是瓊·薩貝拉發來的,還附帶了一段視頻。我點擊播放按鈕,看到兩雙熱切的小手撕開了配套的包裝紙,露出兩套《星球大戰》樂高套裝,我聽到了興奮的尖叫聲。

“孩子們,你們應該說什麼呢?”我聽到瓊在鏡頭外問道,“謝謝飛飛阿姨和西爾維奧叔叔!”兩個聲音高興地齊聲回答。

鏡頭裡是鮑勃的兩個孫子。他的書呆子氣和想象力顯然延續到了他的孫輩身上。但兩個小傢伙毫無掩飾的喜悅告訴我,鮑勃的內向性格已經消失無蹤。我能想象到,如果鮑勃聽到這樣的話,臉上會露出怎樣的笑容。

掛斷視頻後,我回到了群聊,裡面有瓊、她的兒子馬克,還有我。幾年來,我們在群裡分享著個人的生活和成就:重要的里程碑、生日慶祝、膝關節置換手術後的恢復情況、新工作、新寵物、喜悅的消息、悲傷的消息,以及生命歲月中的點點滴滴。

在帕西帕尼高中的數學課上,我不安地向鮑勃求助,從此我們的生命開始相交,我的移民生活得以改變。現在,我們兩個家庭橫跨美國,三代人之間依然保持著緊密的聯繫。鮑勃是我的老師、我的知己、我的朋友;在我幾乎無法表達自己的時候,他是我的救命稻草。薩貝拉一家的餐桌上總是擺著自制的布朗尼蛋糕,時至今日,這仍是我受到過最好的同理心教育。薩貝拉一家無疑是我自己家庭的延伸。我無法想象沒有他們的生活,就像我無法想象沒有父母的生活一樣。這就是為什麼十多年後,鮑勃的離去仍然讓我感到心痛。但我們的對話從未停止過,他的記憶仍在傾聽,我仍在向他傾吐心聲。

關於這個國家,讓我學到最多的就是與薩貝拉一家的交往。愛國主義教育從高中就開始了,歷史課上的宏大敘事令人崇敬,卻與移民群體真實生活的淒涼現狀,甚至遭受的暴力形成了鮮明對比,所以這些課程從來沒有真正觸及我的內心深處。幾十年來,我和其他人一樣沉浸在緊張的局勢中,面臨黨派紛爭、文化斷層、選舉週期以及其他一切。我對這個國家最深刻的理解不是來自新聞,也不是來自某個論戰家的專欄文章,甚至不是來自教科書,而是源於有幸結識薩貝拉一家。他們是我在這片土地上最珍視的人道主義典範,他們閃耀著人性的光輝,在我看來,這才是真正的美國精神。

推拉玻璃門發出橡膠摩擦般的吱吱聲,我轉過身來。西爾維奧朝我們走來,手裡空空如也。

“午餐呢?”我半開玩笑地問道,肚子已經餓得咕咕叫了。

“答辯進行了很長時間。”他嘆了口氣,露出毫無歉意的微笑。他知道,我既能分享他的快樂,也能理解他的疲憊。

在過去的幾個小時裡,他在仔細剖析他最新的博士候選人的論文,質疑她的觀點,聽取她的解釋,並最終授予她學位。不難想象,整個過程遠遠超出了預定的時間,西爾維奧被那種熟悉的激情緊緊抓住了。我們兩個都是這樣,一旦激情沸騰,就會久久難以平息。

我又看了一眼手機,發消息的都是熟悉的名字。最近的聊天記錄裡有奧爾佳和鄧嘉,兩人現在都在普林斯頓大學任教,依然活躍在計算機視覺研究的最前沿。尤其是奧爾佳,她是人工智能領域公平和透明的堅定倡導者,還把AI4ALL帶到了自己的新校園。仍在加州理工學院任教的彼得羅也給我發來了信息,向我介紹他的博士生利用計算機視覺支持全球保護和可持續發展的工作。還有一條來自我十幾年來的研究夥伴和朋友阿尼,他跟我分享了環境智能的最新進展。

無論我如何界定自己的身份——是華人、美國人,還是名譽上的意大利人——我早已擺脫了對“格格不入”的恐懼,因為我一路上遇到太多真誠的人,他們給了我太多善意。移民之路並不平坦,但我始終心存感激。

即使是母親持續多年的健康問題,也不能簡單地用幸運與不幸來衡量,其背後的故事要複雜得多。不可避免的事情還能拖延多久,才能讓人覺得不再那麼不可避免?近30年的旅程雖然坎坷,但我不得不承認,以不幸家庭的標準來看,我們家是幸運的。生活雖然艱辛,但我們並沒有失去親人,沒有經歷悲傷和哀悼,我們在一起度過了所有的時光,我不禁對此也深懷感恩。

這些天來,我發現自己時常陷入沉思。我經常想起父母的成長歲月,母親被困在自我吞噬的文化中,而父親則迷失在悲劇裡,從來沒有完全解脫。我還記得,當我們登上飛機離開我們熟悉的生活時,我看到母親的雙手顫抖不止;當我們在肯尼迪機場行李提取處等待時,夜幕降臨,我和母親被困機場,父親卻遲遲未到,我們的內心充滿了恐懼;我想起乾洗店裡悶熱的氣息和嗡嗡的機械聲;我想起第一次看到普林斯頓大學的情景。

回顧我的職業生涯,我相信,這段漂洋過海的經歷給我留下了深刻的烙印。然而,直到現在我才意識到,這種烙印將繼續影響我的研究和思考。我想到母親,是什麼樣的緊張局勢促使她孤注一擲、遠走他鄉?而如今,她竟然在位於帕洛阿爾託的自家後院裡安度晚年。科學家的生活與移民的生活和冒險家的生活一樣,對他們來說,“家”從來都不是個明確的概念。最好的作品總是在邊界上誕生,在那裡,思想永遠被困在來去之間,由陌生土地上的陌生人探索,既是局內人又是局外人。但這正是我們如此強大的原因。獨特的身份讓我們保持獨特的視角,賦予我們自由挑戰現狀的能力。

人工智能的未來仍然充滿不確定性,我們有很多理由保持樂觀,也同樣有很多理由感到擔憂。但一切都源於比單純的技術更深層次、更有影響的問題:在我們創造的過程中,是什麼在激勵著我們的心靈和思想?我相信,這個問題的答案也許比其他任何問題的答案都更能決定我們的未來。很多事情都取決於問題由誰來回答。隨著人工智能領域逐漸變得更加多元、更加包容、對其他學科的專業知識更加開放,我也越來越有信心:我們能正確回答這個問題。

 

在現實世界中,存在著一顆北極星,那是小熊星座中最明亮的恆星。而在思想的世界裡,卻存在無數個類似的導航指引。每一種新的追求,每一個新的痴迷,都懸掛在黑暗的地平線上,閃爍著耀眼的光芒,向不懈追尋的人們招手致意。這就是為什麼我最大的快樂在於知道旅程永遠不會結束,我也永遠不會停歇。總會有新的事物等著我去追逐探索。對科學家而言,想象力就如同佈滿北極星的璀璨天空。