Google的AI原則公布一年了，Jeff Dean彙報了成果

　　緊跟着5月份谷歌開發者大會(Google I/O)上Jeff Dean“To Be Helpful”的主題分享，這位Google AI的總負責人，又在7月份來到東京，面對整個亞太的确的媒體與開發者，以“Solve with AI”為主題進行了一次“成果彙報”。

　　兩次分享中間隔的6月，恰好距Google公布自己的“人工智能原則”(AI at Google: our principles)一年。在2018年的初夏，Google發布了這一系列原則，其中的條目直指近年來人們對于人工智能技術應用倫理的擔憂，其中包括了：

　　對社會有益(Be socially beneficial)

　　避免建立或加劇不公與偏見(Avoid creating or reinforcing unfair bias)

　　保障建立與測試中安全性(Be built and tested for safety)

　　對人類負責(Be accountable to people)

　　建立并體現隐私保護原則(Incorporate privacy design principles)

　　支持并鼓勵高标準的技術品格(Uphold high standards of scientific excellence)

　　提供并保障上述原則的可操作性(Be made available for uses that accord with these principles)

　　一年之後，那些集中體現了上述原則的典型應用案例被Google歸納在了名為AI for Social Good的項目之下，其背後的邏輯是一家技術公司如何将公司使命、技術價值觀，和技術先進性合而為一。

　　學習模式

　　很早公布過的聯盟學習(Federated Learning)模式，在這次的分享中被Jeff Dean再次強調。其講述重點也從效率傾斜到了數據安全性。

　　這種區别于傳統數據集中學習模式的新方法，由Google在2016年提出，并與今年開源了TensorFlow Federated，優勢在于多終端和計算節點互通下的高效學習效率，以及龐大數據傳輸中的終端數據安全保障。在聯盟學習模式下，不需要從設備上收集原始數據，用戶可以通過手機終端下載現成的模型，在本地完成訓練，疊代完畢後加密上傳更新，然後不斷循環，限度地兼顧了效率與安全。

　　醫療與健康

　　在醫療健康領域，Google AI典型的應用案例代表，包括了肺癌篩查、乳腺癌檢測，以及糖尿病檢測。

　　肺癌在所有癌症中的緻死率一直高居榜首，全球範圍内甚至可達到3%。相比傳統醫療手段中80%的肺癌病例未能在在早期被檢測到，最迫切的需求集中在早起篩查領域。目前，人工智能解決方案的臨床應用，将初期檢測到的病例增加了5%，而假陽性誤診病例卻降低了11%。

　　乳腺癌的傳統篩查方法是在一張10億像素的幻燈片中，大海撈針似的尋找癌細胞在淋巴組織中的擴散痕迹。人工智能模型在這一領域的應用，可以達到22%的檢測發現率，但是同肺癌篩查狀況不同，這其中也增加了假陽性的誤診比例。因此目前被鼓勵的方向，是人工智能同醫生人工檢測的相互結合與互助互證。

　　目前，全球超過4.15億的糖尿病病例幾乎都伴随着視網膜病變，并可能直接導緻失明，醫療水平欠發達地區甚至缺乏人力進行初期檢測。Google通過與外部公司的合作建立了針對糖尿病視網膜病變的視覺識别系統，并且已經在今年達到了同眼科專家相持平的檢測水平。在印度和态度，這套系統已經進入臨床試用階段。

　　環境保護

　　通過聲音識别和視覺識别，Google AI已經在海洋瀕危物種保護、雨林非法砍伐監控，以及垃圾回收識别和農業害蟲鑒别方面進入了實際應用階段。

　　美國國家海洋和大氣管理局(NOAA)通過水下音頻收集，已經積累了19年的龐大數據庫。通過與Google的合作，NOAA已經可以在繁雜多變的水下聲音世界中，識别出瀕危物種座頭鲸的叫聲，并通過自動識别鲸魚叫聲的神經網絡繪制成了座頭鲸海洋活動軌迹的動态地圖，使得對于特定海洋物種的追蹤和定向保護成為可能。

　　在陸地上，Rainforest Connection公司在南美和東南亞的雨林利用安卓系統手機在樹木搭建起雨林聲音采集和監控系統，并基由TensorFlow實現了對于電鋸聲和伐木工程車轟鳴聲的實時識别，目前藉由這個方案得到保護的雨林面積已經超過了2000平方公裡。

　　類似于中國上海北京等城市出現的垃圾分類和回收難題，印尼作為世界上第二大塑料垃圾污染國，已經開始使用一種基于Google AI所實現的手機拍照識别塑料垃圾種類的應用，照片經過識别後，除了種類，還能顯示出不同塑料垃圾品類的回收和再利用價值。

　　對殘障群體的幫助

　　聽力或語言障礙，占據了目前全球殘障人士總數的相當比例。在針對聽障人士的人工智能應用中，語音識别技術目前不但可以将人際對話轉錄為視覺文字實時呈現，是的聽障人士可以參與日常交流，還可以将生活中的聲音，比如體育比賽中的歡呼、公路上汽車的鳴笛、焰火騰空後的爆破等，一并實時轉錄為文字，以盡可能的為這一殘障群體提供無差别的現實世界感知和交互。目前Google AI在這一應用上可支持的語言已經超過70種。

　　而反向的，對于因中風、漸凍症，或帕金森等神經系統疾病造成的語言障礙人群，Google AI建立起了能夠識别他們模糊發音，以及手勢，甚至眨眼等方式聲音和視覺模型，幫助他們實現實時文字轉錄，甚至語言發聲。這是一種比當年史蒂芬·霍金博士使用的交互系統更加高效和便捷的解決方案，最終能夠實現每一位語言障礙人員的輕松使用。

　　從上述已經進入實用階段的AI應用案例之中凝練抽離出來的，是對于目前全球科技商業領域對于技術先進性搖擺迷惑的解答：真正的技術先進性，終究隻能通過技術價值觀作為表達，那些技術路徑和商業化之中的困頓，大多來自于将兩者的剝離甚至對立。

　　就像Jeff Dean說到的：在這個時代，機器已經能夠做到看、聽、說和理解。然而如何看?聽什麼?為誰說?理解誰?才是需要不斷回答的問題。