AI|图灵奖得主Yann LeCun“认输”离开推特 AI社区上演杠精文化图灵奖得主Yann|L

经历了长达两周的“骂战”，Yann LeCun不知是感觉失望还是心累，于今日宣布，将退出推特，不会再在该平台上发表言论。
Yann LeCun 在推特上的最后发声：

文章图片

文章图片

请社交网络上的所有人不要再互相攻击了，特别是对 Timnit Gebru 的攻击，以及对于我之前言论的攻击。无论是口头还是任何其他方式的冲突，都只会得到伤害和相反的结果。我反对一切形式的歧视。这将是我在推特上最后一篇帖子。

这场争议起源于提出PULSE这一模型的论文，有人用作者在论文中开源的代码进行了模型推理：用奥巴马的打码图像进行了试验，结果发现奥巴马被还原成了白人。

文章图片
论文地址：http://techimg88.guangdonglong.com/img.php?https://arxiv.org/pdf/2003.03808.pdf
由于PULSE建立在StyleGAN的基础上，而StyleGAN所用的数据集是FFHQ，这个数据集里包含了90%以上的白人人脸。PULSE的特点在于，可以将多个不同但相似的人脸图像聚合为同一个低分辨率图像。
许多算法都试图从低分辨率恢复高分辨率图像，这可能是错误的方法，原始图像实际上是信息稀疏的。因此，奥巴马的打码图像还原后也不一定是奥巴马，我们会坚持认为那张图像的原型必然是奥巴马，也是由于记忆先验导致的偏见。PULSE提供的不是错误的答案，也不是故意的，但提供了有偏见的答案。
针对这张图，Yann LeCun在推特上发表了这么一句话：“当数据有偏见时，机器学习系统就变得有偏见。这个人脸上采样系统让每个人看起来都像白人，因为网络是在FlickFaceHQ数据集上预训练的，而这个数据集主要包含白人图像。”

文章图片

这为LeCun招来了不少的批评，很多专家认为LeCun在提出狭隘甚至错误的观点误导人们，并纷纷提出了自己的质疑。LeCun对这些质疑一一回应，但仍得不到理解。
一开始争论的焦点在于：AI产生偏见的原因是否只是数据集导致？算法本身的缺陷能不能成为原因？尽管LeCun后来在一系列的推文中一条一条地解释自己的观点，指出自己同意各位专家的质疑，只是自己的论点建立在特定的条件下，数据确实不是AI偏见的唯一来源。
然而，由于与LeCun辩论的专家中有一位是斯坦福 AI Lab 成员、Google AI 黑人女性科学家 Timnit Gebru（非洲裔美国人），“黑人”和“女性”这两个敏感词不知为何成为了众人借题发挥攻击LeCun的工具。
争论中走向了真正的“偏见”
作为AI的公平性、问责制和透明性的领先研究者，Timnit Gebru首先在推文中对 LeCun 的言论表示“失望”，并指出机器学习系统中的偏见仅来自数据的观点是不正确的。她还建议Yann LeCun查看她之前做过的课程，因为她才是专家。