Boganmeldelse: De verdener jeg ser af Dr. Fei-Fei Li

Kunstig intelligens forklares ofte gennem algoritmer, hardware-gennembrud og den hurtige opstigning af kraftfulde modeller. Det, der ofte mangler i denne fortælling, er den menneskelige historie bag de videnskabsmænd, der lagde grundstenen for i dagens AI-revolution.

De verdener jeg ser: Nysgerrighed, udforskning og opdagelse i AI’s begyndelse af Dr. Fei-Fei Li fylder denne lukning smukt. Bogen fungerer samtidig som en selvbiografi, en historie om moderne kunstig intelligens og en refleksion over det ansvar, der følger med at bygge transformative teknologier.

Det, der gør bogen særligt overbevisende, er, hvordan Li sammenfletter to parallelle historier. Den ene er historien om AI selv. Den anden er historien om en ung immigrant, der ankommer til USA og til sidst bliver en af de mest indflydelsesrige figurer i feltet computer vision.

En immigrationsrejse, der former en videnskabelig sind

En af de stærkeste elementer i bogen er den dybt personlige fortælling, der forudgår Lis videnskabelige karriere.

Li voksede op i Kina før hun immigrerede til USA som teenager. Overgangen var svær. Hendes familie ankom med begrænsede finansielle ressourcer og stod over for udfordringen med at genopbygge deres liv fra bunden.
Under disse tidlige år i Amerika hjalp Li sine forældre med at drive en tørrereningsforretning, mens hun fortsatte sin uddannelse.

Disse oplevelser danner en vigtig grund for bogen. De afslører den ihærdighed og stædighed, der senere ville komme til at definere hendes videnskabelige arbejde. Selvbiografien romantiserer ikke immigrationsoplevelsen. I stedet præsenterer den virkeligheden af kulturel tilpasning, finansielt pres og den beslutsomhed, der kræves for at forfølge akademiske ambitioner i et helt nyt miljø.

Til sidst blev Li optaget på Princeton Universitet. Hendes første dage på campus beskrives med en blanding af begejstring og uvilje. For nogen, der kun havde ankommet til USA kort tid før, repræsenterede Princeton en intellektuel verden, der syntes næsten utænkelig blot få år tidligere.

Disse tidlige akademiske oplevelser hjalp med at forme den nysgerrighed, der driver resten af historien.

Navigering i et manddomineret felt

En anden tema, der løber gennem hele bogen, er Lis oplevelse som kvinde i datalogi.

Kunstig intelligens-forskning har historisk set været domineret af mænd, særligt under de tidlige år af Lis karriere. Hun fandt ofte sig selv i rum, hvor hun var en af meget få kvinder. Bogen rammer ikke dette som et dramatisk konflikt, men snarere som en underliggende realitet, der påvirkede, hvordan hun navigerede feltet.

Disse oplevelser bidrog til sidst til Lis senere indsats for at udvide deltagelse i AI. Hun blev en forkæmper for diversitet i feltet og hjalp med at skabe initiativer designet til at bringe flere kvinder og underrepræsenterede grupper ind i kunstig intelligens-forskning.

Den bredere besked, der kommer frem, er, at AI ikke skal bygges af et snævert segment af samfundet. Hvis teknologien skal forme verden, skal de mennesker, der bygger den, reflektere den verden også.

Opdagelse af WordNet og vigtigheden af videnstrukturer

Bogen begynder at gå dybt ind i den tekniske historie om AI, da Li møder en lingvistisk database kaldet WordNet under hendes akademiske arbejde.

WordNet organiserer engelske ord i grupper af relaterede begreber kaldet synsets. Disse konceptuelle relationer kortlægger sprog på en måde, der ligner, hvordan mennesker kategoriserer og forstår verden.

For Li repræsenterede WordNet mere end et lingvistisk værktøj. Det afslørede en mulig ramme for at lære maskiner at forstå visuel information.

På det tidspunkt var kunstig intelligens-forskning stærkt fokuseret på at forbedre algoritmer. Men Li begyndte at se feltet anderledes. Hun indså, at den virkelige flaskehals i maskinlæring ikke kun var bedre modeller, men bedre data.

Hvis computere skulle lære at genkende objekter i verden, ville de have brug for adgang til et enormt antal labeled eksempler.

Denne indsigt ville til sidst føre til en af de mest indflydelsesrige datasets, der nogensinde er skabt.

Skabelsen af ImageNet

Den mest fængende del af bogen handler om skabelsen af ImageNet.

ImageNet var designet som en massiv visuel database, der kunne hjælpe maskiner med at lære at genkende objekter. Ved at bruge WordNet som sin konceptuelle ryggrad organiserede datasettet millioner af billeder i tusinder af objekt-kategorier.

Skalaen af projektet var uden fortilfælde. Datasettet indeholdt til sidst mere end fjorten millioner labeled billeder, der dækkede over tyve tusinde kategorier. Forskere og crowd-arbejdere annoterede omhyggeligt billederne, så algoritmerne kunne lære at identificere objekter som dyr, køretøjer, værktøjer og hverdagsgenstande.

På det tidspunkt tvivlede mange forskere på, om en sådan dataset var nødvendig. Kunstig intelligens-forskning var stadig stærkt fokuseret på at designe smartere algoritmer snarere end at samle massive mængder af data.

Li havde den modsatte opfattelse. Hun troede, at maskinlæringssystemer kun kunne forbedres, hvis de blev trænet på enorme mængder af realverdens-eksempler.

Bogen beskriver i detaljer, hvor svært det var at bygge ImageNet. Projektet krævede år med ihærdighed, teknisk eksperimentation og storstile koordination med tusinder af bidragydere, der hjalp med at annotere billeder.

Det var et massivt foretagende, der initialt tiltrak skepsis inden for forskningssamfundet.

Gennembruddet, der ændrede kunstig intelligens

Vendepunktet kom med ImageNet Large Scale Visual Recognition Challenge.

Denne konkurrence inviterede forskere til at bygge systemer, der kunne identificere objekter inden for det massive dataset. I flere år var fremgangen gradvis. Så i 2012 udformede et dybt neuralt netværk dramatisk bedre end tidligere tilgange.

Det gennembrud demonstrerede kraften af at kombinere store datasets med dybe neurale netværksarkitekturer. Resultaterne chokerede AI-samfundet og udløste en hurtig skift mod neurale netværksmetoder.

ImageNet blev træningsgrunden, der muliggjorde mange af fremskridtene inden for computer vision, der fulgte. Datasettet hjalp med at katalysere fremgang i områder som billedgenkendelse, autonome køretøjer, medicinsk billedanalyse og moderne AI-systemer, der afhænger stærkt af visuel forståelse.

Bogen giver en sjælden baggrundsperspektiv på, hvordan det øjeblik udviklede sig, og hvordan forskere indså, at de var vidne til et større vendepunkt i kunstig intelligens’ historie.

Menneskecentreret kunstig intelligens

Da narrativen skrider frem, begynder Li at fokusere på de bredere implikationer af teknologien, hun hjalp med at accelerere.

Hun argumenterer for, at kunstig intelligens må forblive fundamentalt menneskecentreret. Målet for AI skal ikke kun være at bygge kraftfulde systemer, men at sikre, at disse systemer gavner samfundet.

Denne perspektiv reflekterer Lis senere arbejde i akademiet og politik. Hun blev en førende stemme, der forkæmper ansvarlig AI-udvikling, og hjalp med at fremme initiativer designet til at sikre, at AI bygges med etisk overvejelse i mente.

Bogen understreger, at fremtiden for AI ikke vil blive defineret kun af tekniske gennembrud. Den vil også blive formet af de valg, forskere, ingeniører og politikere tager om, hvordan disse systemer deployes.

Endelige tanker

De verdener jeg ser er meget mere end en selvbiografi om kunstig intelligens.

Det er historien om en ung immigrant, der forfølger nysgerrighed i et nyt land. Det er en detaljeret beretning om, hvordan en af de vigtigste datasets i maskinlæring blev skabt. Det er også en refleksion over det ansvar, der følger med at bygge teknologier, der kan forme samfundet.

Hvad der gør bogen særligt kraftfuld, er, at disse historier er uadskillelige. Lis personlige rejse og udviklingen af moderne AI udvikler sig sammen.

For læsere, der er interesseret i kunstig intelligens’ historie, tilbyder denne bog en sjælden perspektiv fra nogen, der hjalp med at bygge grundstenen for feltet. For enhver, der er interesseret i den menneskelige side af videnskabelig opdagelse, er det lige så overbevisende.

På mange måder minder De verdener jeg ser os om, at revolutioner i teknologi sjældent begynder med maskiner. De begynder med nysgerrighed, ihærdighed og modet til at forfølge ideer, som andre måske initialt overser.