我看见的世界(43)_李飞飞

四三

　　事实证明，西尔维奥是我无与伦比的知己。我们都是年轻的助理教授，所处的院系竞争激烈，在事业起步的那几年里，我们都面临着“要么发表论文，要么完蛋走人”的局面。压力之下，我们必须马不停蹄、保质保量地完成工作，因为我们知道，稍有懈怠就可能与终身教授的职位说再见，一同失去的还有获得稳定生计的最佳机会。他比我生命中的其他任何人都更清楚其中的利害。

　　我从头开始跟他讲清楚了事情的原委——虽然过去几年我一直念叨的就是这些事，他的耳朵都快起茧子了，比德曼的数字、WordNet、ImageNet，还有我的梦想——理论上很完美，要实现很疯狂。

　　“飞飞，你现在拥有的一切都是你多年的努力换来的。你拿到了学位，找到了工作，听起来你还有些灵感，而且你丈夫生活在960多千米之外，所以你肯定也有时间。”

　　我咯咯笑了起来，他能如此轻描淡写，真好。

　　“是啊，但你不觉得这一切都……太出格了吗？”我问。

　　他想了一会儿才回答：“你不是一直在追寻出格的想法吗？”

　　※

　　有上万个类别的数据集有什么用？大部分模型连一两个类别都识别不准！

　　你知道用这么多图像训练一个模型要花多长时间吗？飞飞，这个时间可是用“年”来计算的。

　　别人要怎么下载呢？你这个图像总量比大多数硬盘的存储量还要大。

　　具体怎么做，你有计划了吗？几百万张图谁来做标注？要花多长时间？怎么验证所有内容的准确性呢？

　　不好意思，我真的感觉这个项目没法做。

　　＊

　　每当我与同事们讨论ImageNet的想法，我就越发感到孤独。虽然有西尔维奥的鼓励，但这么庞大的工程刚刚起步，就遭到了几乎所有人的一致反对，真是不祥之兆。我需要一群志同道合的伙伴，但现在似乎一个队友都找不到。最糟糕的是，不管我是否同意，我都无法否认他们批评的合理性。

　　毫无疑问，在2006年，算法是计算机视觉的中心，而数据这个话题并不十分吸引人。如果把机器智能与生物智能做类比，那么算法就相当于机器的突触，或者说是大脑中错综复杂的神经回路。有什么比让这些回路变得更好、更快、更强大还要重要的呢？我回想起我们那篇关于单样本学习的论文所受到的关注——只需要推出一个闪亮的新算法，装饰以华丽的数学公式，就可以立刻引发关注。而数据生活在算法的阴影之下，仅仅被视为训练工具，就像成长中的孩子玩的玩具一样。

　　但恰恰因为如此，我才认为数据值得更多关注。毕竟生物智能与算法存在区别——前者是进化而来的，而进化的本质是环境对生物产生影响。世世代代的祖先在地球上生存繁衍，适应环境，即使在今天，我们的认知也带有祖先所处世界的印记。正是出于这个原因，索普和比德曼的发现，甚至我们在加州理工学院实验室的发现才如此引人注目：我们发现，人类几乎瞬间就能识别出自然图像，因为正是这种感官刺激——或者说正是数据——塑造了我们。ImageNet将为我们的算法提供同样的体验：同样的广度，同样的深度，同样的错综复杂，同样的壮观。

　　我听到的劝阻之声已经多得够我用一辈子了（可能下辈子也够了），最后我终于遇到了第一位支持者。李凯教授是微处理器架构领域的领军人物。微处理器架构是一门将数百万纳米级晶体管排列到世界上最复杂的设备中的艺术，因此他比大多数人都更了解指数思维的力量。他相信我的方向是正确的。尽管我们都在计算机科学领域，但领域之间没有太多交集，所以他无法直接为我做出贡献，但他知道我们需要强大的计算能力才能启动。他毫不犹豫地为我们的研究捐赠了一套工作站。这正是我所需要的支持。

　　我和李凯是普林斯顿大学计算机科学系教师中仅有的两位中国移民。他出生于20世纪50年代，是中国恢复高考后第一批上大学的人，80年代来到美国攻读研究生。在那个时代，像他这样的移民寥寥可数，他也很难找到有共鸣的同龄人。这段经历塑造了他活泼随和的个性，从他身上，我既能看到我母亲的聪明睿智，又能看到我父亲的谦逊幽默。李凯看起来就是个普通的教授，黑头发，大偏分，衣着朴素。但他笑容温暖，为人慷慨。我们很快成了朋友。

　　随着我对李凯的了解日益加深，我越来越明白他为什么比其他人更看好我的想法。他是高效连接微处理器和巨大内存存储的先驱，与他人共同创办了一家公司，把自己的研究成果商业化，最终以20多亿美元的价格售出。他不仅是大规模数据威力的早期信徒，也是利用大规模数据的专家。不巧的是，他即将休长假，这缩短了我作为他的年轻同事的时间。不过，他的离开也不完全是坏事。他有一个极聪明的一年级研究生叫邓嘉，他要给邓嘉找个新导师。据李凯介绍，邓嘉是一个完美的合作者，他年轻有为，工程天赋出众，对新的挑战充满渴望。

　　李凯和邓嘉在很多方面都截然相反。李凯开朗外向，邓嘉则内敛稳重。李凯激情四射，邓嘉则显得冷漠沉静。因此我担心自己难以判断他对我们的工作是否有兴趣。我们进行了几次交流，我能看出他非常出色，就算没有李凯的推荐，这一点也是显而易见的，但我从来没见过像他那样大智若愚、不露锋芒的人。

　　除了聪颖过人，我也注意到，邓嘉是计算机视觉领域的新人。他的背景与众不同，因此他不仅具备一般计算机视觉专业学生难以拥有的工程技能，同时还完全没有背负期望的包袱。这个项目不同于传统的研究项目，甚至可以说充满风险，与当时的领域潮流格格不入。对于这一切，邓嘉并不知情。

　　于是，我们两人组成团队，开启了这个似乎需要成千上万甚至更多贡献者的项目。大多数同事对我的假设都不屑一顾。单从理论上讲，这一切确实说不通，但这是我人生中第一次感受到一种毋庸置疑的自信。无论需要多长时间，我确信我们正在做一件大事，一件也许具有历史意义的大事。

　　※

　　我的新办公室位于普林斯顿大学的计算机科学大楼，虽然已经搬过来快四个月了，但地上依然堆满了半开的纸箱，墙壁上也空空如也。我靠在扶手椅背上，大声呼出一口气，转了转椅子。邓嘉坐在我对面的沙发上——这是我到目前为止为办公室添置的唯一家具。

　　“好吧，看看我们能不能弄清楚项目规模究竟有多大。”

　　我们以WordNet为起点，开始进行删减。虽然WordNet的卖点是规模巨大、细节丰富，但我们知道，其中的大部分内容对我们来说并不必要。ImageNet的目的是捕捉事物的世界，而不涉及动作或描述，因此我们明确了第一批要删除的内容：所有的动词和形容词。但就算只剩下名词，处理起来也很复杂。像“真相”或“意识”这样的抽象概念是没有办法用影像记录的，只有指代实体对象的名词才会被纳入数据库。一般来说，我们需要的是有形、可数的物体。其他词汇都被删除了。

　　总的来说，WordNet中的14万个条目大部分都被我们删除了，只剩下可以用图像表示且可以计数的一小部分，约有2.2万个，虽然这个数量仍比我听说过的任何机器学习训练图像集都要大很多倍，但与初始的词汇量相比，已经大幅减少，而且跟比德曼估算的3万个种类非常接近。

　　邓嘉问道：“那多样性要怎么处理？每个类别需要多少张不同的图片呢？”

　　啊，我心想：现在终于有点儿眉目了。

虚阁网(Xuges.com)