本文摘要
人工智慧技術的應用，引發了對於是否會替代人類工作的疑慮，但是這些技術應該被視為增強人類能力的工具。其中一個應用領域是在醫療保健領域的暗黑之地，透過環境智能來提高醫護品質。例如，使用比人類觀察者更客觀的AI演算法來檢測醫護人員的手部衛生是否落實，或是監測加護病房病人的活動度。這些應用使得AI技術成為了提升醫療品質的重要工具。
李飛飛投入人工智慧解決高齡化社會的問題。智能感測器可用於預測和防止危險事件發生、管理慢性疾病等方面，而個人機器人也是解決高齡化問題的重要途徑。然而，目前機器人還存在一些限制，例如技能缺乏標準化，不能完成複雜的家務任務等。因此，在探索機器人的應用前，必須先想清楚機器人應完成哪些任務，以更好地滿足人們的需求。
李飛飛指出，現有演算法在真實世界的長期任務表現不佳，並提出將機器人從模擬環境轉移強調AI研究以人為中心，要增強、非取代人類，並介紹了以人為中心的人工智慧框架的三個重要原則。
人工智慧的研發必須考慮對人類的影響，而非取代人類，且要努力增強人類能力，如醫療保健、機器人技術等等。人工智慧研究必須跨越不同領域和學科，並要以人為中心，例如史丹佛大學的「人本人工智慧研究所」。該機構致力於跨學科研究，也積極參與政策建議和政策制定對話。（ChatGPT整理）
現在，來到演講的最後一部分：如何讓人工智慧看見人們想看見的。
現在當我們談到人工智慧，全球都有一種消極情緒——人工智慧會取代人類的工作，這種擔憂越來越濃烈。卡車司機、放射科醫師擔心職位被工業自動化技術替代，再次衝擊人力勞動市場。
我認為工作這議題非常重要。人工智慧技術人員、經濟學家、政策工作者和立法者必須攜手解決這個問題。
但是，我也想提醒大家另一個有關就業的問題——勞動力短缺。
美國醫療保健系統急需護理師，他們工作過度，而我們的老年人口正在增加；缺乏護理人員，也是造成醫療疏失死亡的主因，美國有25萬人死於醫療疏失。
我們如何看待AI和就業之間的新關係？我相信，AI不應「取代」（replace）人類的能力，而應該增強（augument）人類的能力。如此一來，AI工作者可以想像出更多的可能和應用。
以人工智慧照亮醫療「暗黑之地」
這裡有一個我投入的領域，它關注的是醫療保健領域的「暗黑之地」。
每年因醫療疏失而死亡的25萬名患者是一個抽象的數字，這種錯誤發生在手術、疾病、病人房間、新生兒加護病房、老齡照護之家、家庭、藥局、文書等各種情況中，並且通常都是無心的人為錯誤，因此沒有方法能幫助或警告他們。
健康照護領域有三個我們看不見暗黑之地。幾年前，我和同事用智慧感測器和機器學習演算法得到了保健領域的重要洞察，我們稱之為環境智能（ambient intellegence）。
手部衛生專案就是其中一個例子。這個專案在新冠肺炎出現前就已經啟動了，當時每個人都認為它是最無聊的專案之一，但新冠肺炎出現後，我們才意識到它的重要。
院內感染每年在美國造成近十萬人死亡，比汽車事故造成的死亡人數多三倍，其中很大一部分是因為醫護人員沒有徹底執行良好的手部衛生。
我們該如何提醒他們呢？現在已經有一些技術解決方案，例如RFID，但這些技術並不有效。因此，我和學生們開始與多家醫院合作，用放在消毒站和洗手槽上的深度感測器，來檢測手部清潔是否落實。
簡單來說，我們透過比較人類觀察者和演算法，來解決衛生問題。我們靠研究生和護理師觀察醫護人員是否徹底落實手部衛生，但人類觀察者會疲勞和分心，AI最能反應真實情況。（延伸閱讀｜督促醫護洗手的娘子軍！台大感染管制中心：聯手電資學院，打造全球最大感染監測系統）
另一個專案是加護病房的病人活動度。研究發現，加護病房病人的活動度對復原至關重要，但如何確保病人正常移動卻很難。現在，我們仍然依賴護理師的記錄，但如果有更客觀、更節省體力的觀察方法，更好。
因此，我們再次與兩家醫院合作，在加護病房裝置感測，每個橙色點都是一個感測器。鏡頭傳輸感測器用AI演算法捕捉到的深度訊息或影像訊息，以識別病人的活動情況。我們識別四種重要臨床動作：下床、上床、下椅子、上椅子。
最後，高齡化問題是另一個非常好的示範場域。用AI幫助老年人，智能感測器能預測和防止危險事件發生，監測具有生理症狀的患者，管理慢性疾病。智能感測器在識別感染、移動、睡眠模式以及飲食監控等方面，有發揮關鍵作用。（延伸閱讀｜血氧太低就自動通知！麻醉醫開發長照「保全系統」，減輕醫護壓力）
「個人機器人」是高齡社會終極解方？
最後，我想談談最後一個專案。高齡化是全球問題，要解決這個問題，需要的不只是人工智慧相機。刺激我們研究老化的靈感，一部分來自個人機器人。
如果有一天，我們可以擁有個人機器人來幫助需要肢體協助的人們，那將非常令人驚艷。但儘管我們有個人機器人夢想，但現實是這樣的（影片顯示機器人還無法把箱子放在架子上）——我們需要看看現在的機器人，並思考一下問題：如果今天的機器人連將盒子放在架子上都有問題，我們又如何期望它們洗碗和洗衣服呢？
今天，機器人研究體系已經取得了很大的進展，最近有些人可能正在追蹤孔熠和所有那些工作。我認為這是個好例子，但是，它聚焦的是短期任務，如開門、關門、堆疊積木或將東西放入孔中這類技能。但這只是小規模的趣味實驗，並缺乏標準化
那麼，我們該如何解決個人機器人的問題呢？我的實驗受電腦視覺和自然語言處理進展的啓發，利用如SQUAD和Common Crawl等大規模現實世界數據取得了很大的進展。
去年，我們提出一個名為「新北極星」的計畫，即建立一個生態機器人學習環境和一個大型多樣化的活動集。我們稱之為在虛擬的互動和生態環境中進行日常家庭活動的行為基準。
但在開始工作前，我們必須先正確回應的問題是：你想讓機器人幫你做什麼？
有什麼是機器人可以做的，而什麼是應該留給我們自己完成的呢？這是需要仔細思考的問題。
在我們開始進行人工智慧演算法前，我們先進行了一項人本研究，收集了美國政府、勞工統計局及歐洲政府建議、超過2,000個家戶活動，探索如何讓機器人更滿足人們的需求。
接著，我們去亞馬遜問了1,400個人，詢問他們最希望機器人協助完成的一件事。
我們得到了多樣的答案：多數人希望機器人能協助清潔，但不希望機器人打網球、開聖誕禮物、買戒指等。最後，我們從中選出多數人想要機器人幫忙完成的1,000個活動。
調查顯示，大部分的人希望機器人能協助打掃工作。圖片來源：陳芳毓攝
現在，我們準備要「建立行為」，這是最大的機器人學習基準。
要做到這一點，我們必須建議一個多樣化的環境。我們必須從餐廳、辦公室、公寓到房屋等50個現實世界的環境進行實物掃描，並為超過5,000個物體建模，這些物體被歸入1,200個類別中的3D物體。
這些物體包括可以打開的抽屜、門，包括30種不同屬性，例如易碎、可煮、可折疊、可冷凍、可加熱等等。有了這些元素，我們就準備好建立機器人學習的擬真環境。擬真環境很重要，它可以協助複製，並對數據生成和數據增強有無限潛力。
多個實驗室和企業都有擬真環境，我們新的模擬環境是與NVIDIA合作，名為OmniGibson，來實現物理（熱效應、照明和反射、流體質量、變形、透明度等）、感知（研究用戶在現實展現的行為，模擬環境有非常高的照片寫實性）和互動（對象和環境如何互動，以及流動性和可變形性等）方面的擬真。
簡而言之，這個表格顯示在很多機器人已經更多元、複雜和真實。
接下來有一則重要資訊：在三年的大型專案後，我們發現今天的演算法在真實世界的長期任務表現不佳。為解決這個問題，我們用機器人學習的標準演算法，然後觀察執行狀況，發現若不放寬條件，執行成效是0％。這意味著當我們用現在的機器人演算法來進行真實世界的長期任務，是失敗的。但我很高興看到這個結果，因為這意味著往後每一步都會變得更好。
我們還在努力探索如何將機器人從模擬環境中轉移到現實世界中進行學習，這是一個非常重要的研究領域。最終，我們希望機器人能應用於現實世界，並完成各種複雜任務。我們在史丹佛建立了一個實驗室，透過讓機器人在模擬環境中學習，進而轉移到真實世界，這是一個重要的研究方向。
AI研究重人本，要強化人類而非取代人類
我向大家展示，我們不僅想建立AI來看到和做到人類能做到的，還想建立AI來看到和做到人們想看到和做到的。
因此，我們必須建立AI來「增強」（augement），而非「取代」（replace）個人和人類全體的能力和福祉。
李飛飛認為，AI應增強人類能力，而非取代人類。圖片來源：陳芳毓攝
以下三個階段，是我在電腦視覺和AI領域中的個人歷程。2019年，我意識到這趟個人旅程其實承擔著社會責任。AI，不再是我當年作為年輕科學家出於好奇所熱愛的私人領域，它將改變我們的社會。
四年前，我們在史丹佛大學提出「人本人工智慧框架」的概念，來引導人工智慧的發展，有三個非常重要的原則：
第一，開發人工智慧須考慮對人類的影響，包括經濟、法律、倫理學、政治學等方面。
第二，人工智慧應努力增強人類，而非取代人類，例如醫療保健和機器人技術的例子，以及農業、教育、永續、材料發現等等。
最後，在技術開發和應用上，人工智慧須受人類智慧啟發。因此，人工智慧研究須跨越不同領域和學科，如腦科學或認知科學等。
以人為本的人工智慧框架，以三大原則引導AI發展。圖片來源：陳芳毓攝
史丹佛大學的「人本人工智慧研究所」（Human-Centered AI Institute）就是這樣的機構，裡面有哲學家、人文學科教師、醫生、法律學者、政治學家、神經科學家、經濟學家和語言學家等。我們致力於人本的人工智慧研究，透過數據生態實驗室（Digital Ecology Lab）或基礎模型研究中心（Center for Research for Foundation Models）等工作，鼓勵跨學科研究。
現在，人工智慧研究所的重要專案是ChatGPT和GPT模型研究，我們剛發布了關於不同大型語言模型的最新基準；我們還制定了一種新的研究提案審查方式，透過倫理和社會審查，真正取得領先。我們提到了許多問題，如偏見、隱私和其他社會問題。
我們還進行了大量的教育工作，如嵌入倫理課程（embeded ethics），將倫理道德元素嵌入電腦科學課程；也教育商業經營者、政策制定者、記者等專業人士。
最重要的是，我們積極參與政策建議和政策制定對話，包括拜登政府的國家人工智慧研究資源和各種不同的國際合作。
總之，透過這20年研究，我們不僅對科學有更深入的認識，也對人類社會產生了重大影響，這對所有人和下一代都有重要啟示。
希望你能看見我們正在做的事，以及我們如何思考以人為本的AI。謝謝。（延伸閱讀｜不合理的工作是磨練？唐鳳：「吃苦當吃補」的事就交給AI吧！）
繼續閱讀：李飛飛2023來台演講全記錄
