我看见的世界(35)_李飞飞

三五

　　我读到的很多内容似乎都在强化这一观点。虽然特雷斯曼揭示了我们识别复杂物体的一种方式，但比德曼、波特和索普的研究成果提供了一种截然不同的可能性，大大增加了视觉研究的复杂性。他们认为，在某些情况下，大脑会完全绕过这种密集的自下而上的视觉信息处理方式。我们自己实验室的研究探索了在没有刻意集中注意力的情况下，视觉识别能够达到的程度。坎维舍的观点尤其具有启发性，他认为这种不可思议的能力是通过特定用途的神经元关联来实现的，这些神经元关联可以映射到现实世界中的特定事物。这些证据有力地证明了大脑在生理上倾向于快速、稳健地检测已知的视觉概念。

　　我们的视觉系统就像是某个神秘巨人以极大的耐心精雕细琢出的发条装置，而我们的研究工作像是其逆向工程。虽然发条装置的小齿轮在我们面前嘀嗒作响，但其神秘面纱仍然未被揭开，距离完全理解视觉原理还有很长一段路要走，但我们已经窥得一些非凡的东西。生物进化是宇宙中唯一能够从零开始创造真正智能的力量，我觉得我们正在复原其线路图，或者至少是其中的一些片段。

　　这也改变了我对自己所从事的计算机视觉领域的看法。虽然计算机视觉领域的灵感创意层出不穷，但它们都分散在各种各样的研究项目中，整个领域缺乏指向同一目标的共同协作，类似于那股千年来耐心地塑造了我们自己思维发展的专注力量。我不禁思考，如果这种情况改变了，如果研究人员能够联合起来，共同理解并重新创造了人类认知的核心理念，世界将会变成什么样子？

　　我很难想象各方协同可能会带来什么发现。人工智能的未来具有无限的想象空间，但我开始认识到，这并非首要问题。我越来越确信，解开人工智能之谜的理想第一步，就是迎接一个特殊的挑战：通过理解各种物体来理解视觉世界。毕竟，人类就是这样看到世界的。我现在相信，这同样适用于我们的机器。

　　我想到了我的榜样们，从物理学的传奇人物到我的教授。多年来，我一直崇敬激励他们成为科学家的思想力量，也敬仰他们在各自领域产生的激励效应。现在，我接受研究生教育不过短短几年时间，但我相信我在自己的视野看到了一丝微光，虽然遥远而朦胧，但足以照亮我前进的道路。无论采取何种方法，我们将要让机器熟悉视觉世界。我本身就比较执着，但这次的痴迷程度是前所未有的。

　　我找到了属于自己的北极星。

　　※

　　屏幕上出现了一张喷气式飞机的图像，这次算法的任务是在照片上找到飞机。这是连蹒跚学步的儿童都能应对的挑战，但在2003年，机器只有在吸收了大量示例材料后才能应对。即便如此，它们成功的概率也很低。那天下午，我和彼得罗测试了一个想法，希望能够大幅提高机器判断的准确率。我紧紧盯着屏幕，迫不及待地想知道算法会带来什么结果。

　　屏幕上开始出现粉色的圆点，这些圆点是视觉辅助工具，旨在突出照片中能够吸引算法注意的细节。第一个圆点出现在了停机坪旁的一片草地上，我微微皱了皱眉。算法找错了地方。但趋势很快逆转，接下来的两个圆点出现在了喷气式飞机的机翼上，接着又有一个圆点出现在飞机尾部。再接着，三个圆点出现在驾驶舱附近。最后一个圆点出现了——起落架。这也可以算，我想。严格来说，起落架也是飞机的一部分！

　　我兴奋地呼了一口气。到目前为止，一切都很顺利。

　　接下来是真正困难的部分。每个突出显示的特征只占据了几个像素，因此算法会将特征进行分组，每个组群都代表了所要识别的对象的较大部件。换句话说，算法通过这种方式大致标示了自己所识别的内容。飞机的每个部分周围绘制着彩色圆圈——蓝色和青色代表机身的不同部位，红色代表垂直稳定器，绿色代表两者的交汇处。果不其然，算法几乎精确地将它们放在了各自所属的位置。

　　飞机被成功识别出来了。

　　这是一个激动人心的时刻，但并非因为算法的成功识别，而是因为它的运作方式。以往的算法会首先学习数百张飞机的照片，涵盖尽可能多的颜色、风格、角度和光照条件，但在这次研究中，我们只给算法展示了一张飞机的图片。与此同时，我们还向它展示了数百张完全不相关的图片，包括有斑点的丛林猫、摩托车、人脸（我们用彼得罗新买的高级数码相机拍摄了实验室伙伴的笑脸），还有一些从谷歌图片上随机下载的图片。我们的假设是，先让算法充分接触视觉世界里丰富繁杂的各类事物，它就更好地具备了学习特定事物的能力。因此，虽然算法被训练识别过各种各样的事物，但它刚刚识别出的那架飞机是它见到过的第二架飞机——自它被设计出来后见到的第二架。

　　我们的创造只是概念验证，仍然存在一些错误。但我们的目标是证明算法和人类一样，能够通过看到更多的现实世界而广泛受益。现在，北极星已成为我视野里的一个坐标点，我们已经朝着这个方向迈出了真正的一步。

　　我们将这种技术称为“单样本学习”（one-shot learning）。这种技术与当时主流的图像识别方法背道而驰，但我们是从一个众所周知的能力中获得了启发。作为人类，我们天生就有一种神奇的本领，那就是可以仅凭对陌生事物的一瞥，再次遇到时就能认出来，不管是一样新的乐器、一种我们从未见过的动物，还是一位新当选的政治家。我们可以对这种能力做出多种解释，但其中最简单、最有力的解释是，即使面对全新的事物，无论多么新奇，我们也会借助一生的经验来加以理解。我们所看到的几乎一切都深深地融入了过往的经验——轮廓、光影、纹理和图案等熟悉的细节，以至我们很难想象能真正孤立地看到任何东西。

　　我们的技术将这一概念引入了机器，而且看起来效果不错。如果说实验结果是一个惊喜，那么我们的论文所受到的欢迎程度则是超乎想象的。这是一次突破性的成功，我们的论文不仅被在法国尼斯举办的国际计算机视觉会议（International Conference on Computer Vision，ICCV）所接受，而且为我们赢得了为数不多的口头报告的机会。虽然这篇论文是与彼得罗和另一位名叫罗布·弗格斯（Rob Fergus）的研究员共同撰写的，但我是主要作者。这意味着此次旅程的荣誉和责任都属于我。

　　在国际计算机视觉会议上发言是一个难得的机会，尤其是对一个研究生来说。然而，我可以说完全没有在如此重要的听众面前发言的经验，因此感到压力重重。更糟糕的是，彼得罗不能跟我一同前往。他和妻子的第一个孩子即将出生，预产期近在眼前。这是我第一次参加学术会议，也是我第一次登台演讲，而我要独自前往了。

　　※

虚阁网(Xuges.com)