Bokanmeldelse: The Worlds I See av Dr. Fei-Fei Li

Kunstig intelligens beskrives ofte gjennom algoritmer, hardware-gjennombrudd og den raske veksten av kraftfulle modeller. Det som ofte mangler i denne fortellingen, er den menneskelige historien bak vitenskapsmennene som la grunnlaget for dagens AI-revolusjon.

The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI av Dr. Fei-Fei Li fyller denne lukken på en vakker måte. Boken fungerer samtidig som en selvbiografi, en historie om moderne kunstig intelligens og en refleksjon over ansvarligheten som følger med å bygge transformative teknologier.

Det som gjør boken spesielt interessant, er hvordan Li vevrer sammen to parallellhistorier. Den ene er historien om AI selv. Den andre er historien om en ung innvandrer som ankommer USA og til slutt blir en av de mest innflytelsesrike figurene i feltet datamaskinsyn.

En innvandrerreise som former en vitenskapelig sinn

En av de sterkeste elementene i boken er den dypt personlige fortellingen som foregår Li’s vitenskapelige karriere.

Li vokste opp i Kina før hun innvandret til USA som tenåring. Overgangen var vanskelig. Hennes familie ankom med begrenset økonomiske ressurser og møtte utfordringen med å bygge opp livet fra scratch. I de tidlige årene i Amerika, hjalp Li sine foreldre med å drive en tørk- og renseri-forretning samtidig som hun fortsatte sin utdannelse.

Disse erfaringene danner en viktig basis for boken. De avslører den utholdenhet og motstandskraft som senere ville definere hennes vitenskapelige arbeid. Selvbiografien romantiserer ikke innvandreropplevelsen. Den presenterer i stedet realiteten av kulturell tilpasning, økonomisk press og bestrebelsen som kreves for å forfølge akademiske ambisjoner i et helt nytt miljø.

Til slutt ble Li innvilget til Princeton University. Hennes første dager på campus beskrives med en blanding av spenning og uvilje. For noen som nylig hadde ankommet USA, representerte Princeton en intellektuell verden som bare noen få år tidligere hadde vært nesten utenkelig.

Disse tidlige akademiske erfaringene hjalp med å forme den nysgjerrigheten som driver resten av historien.

Å navigere i et mannlig dominert felt

Et annet tema som går igjennom boken er Li’s erfaring som kvinne i datamaskinteknikk.

Kunstig intelligens-forskning har historisk sett vært dominert av menn, spesielt i de tidlige årene av Li’s karriere. Hun fant ofte seg selv i rom hvor hun var en av mycket få kvinner. Boken rammer ikke dette som en dramatisk konflikt, men snarere som en underliggende realitet som påvirkte hvordan hun navigerte feltet.

Disse erfaringene bidro til slutt til Li’s senere bestrebelser for å utvide deltakelse i AI. Hun ble en forkjemper for mangfold i feltet og hjalp med å skape initiativer designet for å bringe flere kvinner og underrepresenterte grupper inn i kunstig intelligens-forskning.

Den bredere meldingen som kommer frem, er at AI ikke bør bygges av et smalt segment av samfunnet. Hvis teknologien skal forme verden, bør de menneskene som bygger den, reflektere verden også.

Oppdagelsen av WordNet og betydningen av kunnskapsstrukturer

Boken begynner å gå dypt inn i den tekniske historien om AI når Li møter en lingvistisk database kjent som WordNet under sin akademiske arbeid.

WordNet organiserer engelske ord i grupper av relaterte konsepter kalt synsets. Disse konseptuelle relasjonene kartlegger språk på en måte som ligner hvordan mennesker kategoriserer og forstår verden.

For Li, representerte WordNet mer enn bare et lingvistisk verktøy. Det avslørte en mulig ramme for å lære maskiner å forstå visuell informasjon.

På den tiden var kunstig intelligens-forskning tungt fokusert på å forbedre algoritmer. Men Li begynte å se feltet annerledes. Hun innsett at den virkelige flaskehalsen i maskinlæring ikke bare var bedre modeller, men bedre data.

Hvis datamaskiner skulle lære å gjenkjenne objekter i verden, ville de trenge tilgang til en enorm mengde merket eksempler.

Dette innsettet ville til slutt føre til en av de mest innflytelsesrike datasettene som noensinne er laget.

Skapingen av ImageNet

Den mest fascinerende delen av boken handler om skapingen av ImageNet.

ImageNet var designet som en massiv visuell database som kunne hjelpe maskiner å lære å gjenkjenne objekter. Ved å bruke WordNet som konseptuell ryggrad, organiserte datasett millioner av bilder i tusenvis av objekt-kategorier.

Skalene på prosjektet var uten precedent. Datasettet inneholdt til slutt over fjorten millioner merkte bilder som dekket over tyve tusen kategorier. Forskere og crowd-arbeidere annoterte nøye bildene så algoritmer kunne lære å identifisere objekter som dyr, kjøretøy, verktøy og hverdagsobjekter.

På den tiden spurte mange forskere om slike datasett var nødvendig. Kunstig intelligens-forskning var fortsatt tungt fokusert på å designe smartere algoritmer snarere enn å samle inn massive mengder data.

Li tok den motsatte holdningen. Hun trodde at maskinlærings-systemer bare kunne forbedres hvis de ble trent på enorme mengder eksempler fra den virkelige verden.

Boken beskriver i detalj hvor vanskelig det var å bygge ImageNet. Prosjektet krevde år med utholdenhet, teknisk eksperimentering og stor skala koordinering med tusenvis av bidragsytere som hjalp med å merke bilder.

Det var et massivt prosjekt som til å begynne med tiltalte skepsis innen forskningssamfunnet.

Gjennombruddet som endret kunstig intelligens

Vendepunktet kom med ImageNet Large Scale Visual Recognition Challenge.

Dette konkurransen inviterte forskere til å bygge systemer i stand til å identifisere objekter innenfor det massive datasett. I flere år var fremgangen gradvis. Så i 2012 utførte et dypt neuralt nettverk en dramatisk bedring av tidligere metoder.

Dette gjennombruddet demonstrerte kraften av å kombinere store datasett med dypt lærings-arkitektur. Resultatene sjokkerte AI-samfunnet og utløste en rask skifte mot neurale nettverksmetoder.

ImageNet ble treningsgrunnen som muliggjorde mange av fremgangene i datamaskinsyn som fulgte. Datasett hjalp med å katalysere fremgang i områder som gikk fra bilde-gjenkjenning til autonome kjøretøy, medisinsk bildebehandling og moderne AI-systemer som er tungt avhengig av visuell forståelse.

Boken gir en sjelden bak-scene-perspektiv på hvordan dette øyeblikket utviklet seg og hvordan forskere innsett at de var vitne til et større vendepunkt i kunstig intelligens’ historie.

Menneske-sentrert kunstig intelligens

Etterhvert som fortellingen utvikler seg, begynner Li å fokusere på de bredere implikasjonene av teknologien hun hjalp med å akselerere.

Hun argumenterer for at kunstig intelligens må forbli fundamentalt menneske-sentrert. Målet med AI bør ikke bare være å bygge kraftfulle systemer, men å sikre at disse systemene gir fordeler for samfunnet.

Dette perspektivet reflekterer Li’s senere arbeid i akademia og politikk. Hun ble en ledende stemme som forkjemper for ansvarlig AI-utvikling og hjalp med å fremme initiativer designet for å sikre at AI bygges med etiske overveielser i mente.

Boken understreker at fremtiden for AI ikke bare vil bli definert av tekniske gjennombrudd. Den vil også bli formet av valgene forskere, ingeniører og politikere tar om hvordan disse systemene blir deployert.

Slutt-tanker

The Worlds I See er mye mer enn en selvbiografi om kunstig intelligens.

Det er historien om en ung innvandrer som forfølger nysgjerrighet i et nytt land. Det er en detaljert beskrivelse av hvordan en av de viktigste datasettene i maskinlæring ble skapt. Det er også en refleksjon over ansvarligheten som følger med å bygge teknologier som kan forme samfunnet.

Hva gjør boken spesielt kraftfull, er at disse historiene er uatskillelige. Li’s personlige reise og utviklingen av moderne AI utvikler seg sammen.

For lesere interessert i historien om kunstig intelligens, tilbyr boken en sjelden perspektiv fra noen som hjalp med å bygge grunnlaget for feltet. For noen som er interessert i den menneskelige siden av vitenskapelige oppdagelser, er det like interessant.

På mange måter minner The Worlds I See oss om at revolusjoner i teknologi sjelden begynner med maskiner. De begynner med nysgjerrighet, utholdenhet og mot til å forfølge ideer som andre måtte overse i begynnelsen.