李飞飞下半年或将从 Google离职?李飞飞回应

640?wx_fmt=png


就在今天,美媒 SFGATE 刊发报道称,李飞飞将在未来几个月内离职Google。


李飞飞现任谷歌云人工智能和机器学习首席科学家、谷歌AI中国中心的负责人,同时她也是斯坦福大学计算机系副教授、斯坦福人工智能实验室和视觉实验室主任。


据 SFGATE 披露,李飞飞离职的原因或与谷歌同美国国防部的军事合作有关。Google员工反对达成协议,提供军事 AI 技术,在合作消息确认后,曾有超过4000名员工在请愿书上签名,要求管理层撤销这一决定。而据纽约时报披露的一份Google泄露邮件显示,部分员工认为李飞飞是支持与五角大楼合作的高管之一。


军事合同事件


事件的起因是与美国国防部 Maven 合作事件,据 Business Insider 的报道称,去年 9 月,李飞飞在邮件中与Google 其他管理人员谈论,如何向公众发布 Google 与美国国防部首次签订合同的事宜。


李飞飞在邮件写到:应尽量避免提及人工智能,武器化 AI 是目前最敏感的话题之一,如果媒体开始报道这一的主题:“ Google 正在秘密建造人工智能武器”或“人工智能技术为国防部工业提供武器”,不知道接下来会发生什么,并表示这会对 Google 的形象造成伤害。


后来,这份邮件被泄露给《纽约时报》和《The Intercept》,让一向对此持开放态度的李飞飞受到了批评,引来Google 员工的不满。批评者认为这些言论让李飞飞看起来像与美国国防部交易的同谋。


在 Google 内部发布合同消息后,超过 4000 名员工在请愿书上签字,要求管理层扭转这一决定,甚至有 12 名谷歌员工辞职抗议, Google 最终屈服于多数人的要求,宣布在合同明年到期后不再续约,并表示不会制造用于武器的 AI 技术。


Google 及李飞飞回应


对此,Google 发表回应:


“Fei-Fei is an accomplished and respected AI leader. She is planning to continue with Google Cloud for the long term, although when her sabbatical with Stanford ends, the amount of time she can spend with us will be reduced. Fei-Fei leads Google Cloud AI which continues to see tremendous momentum. In fact, since its launch a few months ago, more than 15,000 customers have already signed up to try its Cloud AutoML product."


据回应内容显示,Google 否认了李飞飞离开的说法。称未来李飞飞计划长期在谷歌云工作,但是当李飞飞在斯坦福的学术休假结束后,她花在 Google 的时间将会减少。


这是怎么回事呢?


原来作为斯坦福大学终身教授,李飞飞享有学术休假(Sabbatical Leave)的权利,并在期间加入了谷歌,而她的假期将于今年下半年结束。李飞飞2017年休假的消息至今还在斯坦福大学视觉实验室的官网上。


640?wx_fmt=png


同时,在今天清华大学人工智能研究院的成立仪式上,李飞飞作为谷歌AI中国中心的负责人也应邀参加。据量子位报道,李飞飞对今天这则消息的回应是:“关于我个人今天的这个消息,是假新闻”。李飞飞表示,她不会就此离开 Google,也不会影响 Google 中国 AI 中心的推进。


在线公开课NLP专场

今晚 8 点开播

时间:6月28日(今晚) 20:00-21:00

扫描海报二维码,免费报名

添加微信csdnai,备注:公开课,加入课程交流群

640?wx_fmt=jpeg


点击 | 阅读原文 | 免费报名

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值