图灵奖得主Yann LeCun“认输”离开推特，AI社区上演杠精文化

来源：AI科技评论

作者 | 青 暮

编辑 | 蒋宝尚

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：

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。

论文地址：

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。”

 

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。

 

  

Yann LeCun后来在Timnit Gebru 的推特评论区连写 17 条回复：表示自己同意她的观点。

 

  

 

Timnit Gebru对此的回应却是：我出于自己的理智不再与您交流，因为这不值得我花费时间。

Yann LeCun回应：我很遗憾您不愿意讨论实质内容。我曾希望从这种交流中学到一些东西。FB中有几个小组完全专注于ML / AI的公平性，偏见和社会影响。

有人批评Yann LeCun，并称其向Timnit Gebru讲授她的专业知识，居高临下，并涉及言论霸凌。

另外还有人说，Yann LeCun给该领域的专家提供了推文教程，没有问任何问题，没有进行真正的讨论，没有尊重她的专家地位，也没有要求澄清她的任何观点，还要求她控制情绪，那么又希望她如何参与？其中还有人特别强调了Timnit Gebru的黑人女性身份，暗示Yann LeCun存在歧视行为。甚至还有人直接批评Yann LeCun在进行对女性的“直男”说教。

也有很多人在为Yann LeCun辩护，表示他的行为是理性、冷静和有耐心的，并且也称得上是AI偏见方面的专家，他不应该为自己没做错的事情道歉。

Yann LeCun后来在推文中向Timnit Gebru表示赞赏她在AI道德、公平方面的工作，并对自己的交流方式道歉，希望她能和Facebook AI的研究员一起交流如何一起和偏见作斗争。

不过事情并非如此简单，Yann LeCun又因为另一个言论被卷进了漩涡。当有人说，机器学习研究者应该在选择数据的时候更加小心，Yann LeCun回应道，这主要是机器学习工程师而不是研究者的责任。人们又开始批评Yann LeCun在推卸责任，忽视学术研究对AI偏见的影响力。人们也提醒Yann LeCun，作为领域的领军人物，发表言论应该更加小心。其他人则指出，研究人员在一定程度上必须使用有缺陷的数据集来取得进步。

尽管在这次漫长的争论中，还是有很多人为Yann LeCun辩护。但或许，对于Yann LeCun来说，这种争论早就脱离了正轨，不应该出现，这本身就是一种失败，是将社交网络应用于AI社区交流的失败。由于自己话语的分量，当其中涉及了敏感话题，无论怎么辩解，都会陷入矛盾的中心被围观，最后却得不到有意义的结果。一向直言不讳的Yann LeCun，这次也心累了。

点击阅读原文，查看更多精彩！

喜欢本篇内容，请点在看