我看见的世界(60)_李飞飞

六〇

　　我一直认为，ImageNet的真正贡献在于它的双重性质。其庞大的规模之所以强大，是因为其中数据的组织遵循了本体层级结构，而其本体层级结构之所以强大，是因为数据规模足够庞大和全面，涵盖了如此多样化的类别。这两个优势中的任何一个单独拿出来都是不够的。但就像规模本身一样，“类别”这样的术语也是相对的。如同对冲技术所展示的那样，针对提出的问题，在多个不同的深度层级都能找到有效的类别答案。随着深入层级的加深，概念之间的距离变得更小，分隔的细节也减少了，例如：事物—生物—植物—树木—枫树—欧亚槭。

　　虽然ImageNet规模庞大、细节丰富，但它并非完美之作。虽然有些分类特别精细（树木就是一个很好的例子），但有时候，一些明显存在差异的概念依然会被归为同一类别，概念范围相对粗略，同类概念之间的差异也较为明显。这确保了我们的分类器在很多领域都可以比较轻松地完成任务。

　　对某些事物来说，同一类别之间的差距微乎其微，汽车就是其中之一。邓嘉和乔恩下午的速成班就让我们见识到了汽车的复杂性。例如，我们可能会明显辨认出一辆丰田汽车的图片（仅管我们中的大多数人可能没有准备好讨论汽车）；经过一番研究，我们似乎也能确定这辆车是丰田雅力士。但到底是2008款还是2009款呢？这个问题一下子就把人难住了。是2008款丰田雅力士的炽烈蓝珍珠色，还是2008款的河口蓝珍珠色？当年两种颜色都有，而且都是……蓝色的。是炽烈蓝珍珠色的2008款丰田雅力士基础款，还是炽烈蓝珍珠色的2008款丰田雅力士掀背运动款？神奇的是，还可以再继续追问下去。这一切都是为了了解一个制造商生产的一个车型的一个款式。而这还只是汽车而已。

　　有听众指出，最近有几篇关于鸟类的计算机视觉论文，其中有59种鸟被ImageNet收录，这个规模看起来已经很大了，但跟康奈尔大学一个涵盖了数百种鸟的数据集相比，就相形见绌了。然而据估计，全世界有超过1万种鸟，即使是最先进的数据项目也比现实落后了好几个数量级。我想到了科技媒体上那种激动的口吻，一篇又一篇的文章宣告着机器学习时代已经到来，图像分类难题突然“迎刃而解”。我不禁笑了：这个世界上的梧桐树、百灵鹤和丰田汽车可不是这么想的。

　　下午的这堂实物教学课程的内容后来被称为“细粒度分类”（fine-grained classification）。细粒度分类课题研究的是细节：识别的对象越相似，所需要的细节就越细微。乍一看，我们的研究只是从区分明显的差异延伸到了解析不太明显的差异，但这一过程却向我们传达了更加震撼和富有启发性的信息：即使是我们最大规模的设计，也还是想得过于狭隘了。

　　然而，科学最伟大的优点之一，就是能够将让人谦卑的一刻重塑为充满可能性的一刻。我们花了数年时间收集了数十亿张图片，招募了全球志愿者帮忙标注分类，但只要翻阅一下汽车杂志《凯利蓝皮书》，就能意识到，我们仅仅触及了皮毛而已。比起树叶，我们更接近树根。我们付出了多年的努力，与地球上最聪明的人展开全球竞争，最终也只是向真正的视觉智能迈出了一小步。

　　然而，当我环顾教室，我并没有在学生们的脸上看到惊悚或绝望的表情。我看到的是他们眼后的齿轮开始转动。毫无疑问，我们每个人都在想同一个问题：旅程尚未结束，我们还有很多事物要探索。

　　比德曼的数字的确很大，但这个虚构的数字很有必要，因为它把“万物”的定义做了删节，方便我们的思维和算法进行理解；当然，即便是这样的数字，我们的思维和算法也只能勉强应对。现在，我们站在了新的起点。我们身处广袤之境的悬崖边缘，即将找到“万物”以外的真相。

　　※

　　一个华丽的木制香料架引起了我的注意。我拿起来仔细看了看。父亲注意到我感兴趣的样子，走过来跟我一起观察。

　　“挺好看的，这个……”他说，然后又凑近看了看，“看着像手工做的，你不觉得吗？这里一定住着个木匠。”他放低了声音，好像不想让人听到他在说普通话。

　　可能是，我自言自语着，瞥了一眼另一张桌子：“那边有什么有意思的东西吗？”

　　“还挺多的，有些手套我很喜欢。还有一个特别漂亮的工具套装。我看到车库里还有更好的工具，但我觉得不是用来卖的。我觉得这个房主应该会做木工。”

　　生活往往是这样的：为人妻、为人母，同时追求自己的事业，所有的责任似乎在一夜之间爆发。虽然日程繁忙，我还是会偶尔抽出时间，陪父亲去参加他最喜欢的车库市场。我的生活步调似乎永远在加速，而跟父亲一起闲逛是难得的平静和怀旧时刻。他的爱好就像一个纽带，从我们在一个陌生国家最初的日子里就一直伴随着我们。我尤其喜欢他的用心和敏锐，看到陌生人车库桌上摆放的待售物品，就能推断出这个人的生活点滴。不管猜的是对还是错，他的尝试总是带着真诚，而且感觉合乎情理。

　　多年来，这也成了我的习惯。

　　＊

　　又是一辆特斯拉。2012年年中，Model S发布还不到一年，就成了帕洛阿尔托随处可见的时尚标志。这辆车的车主可能是个技术男，或者是搞风投的。我经过的下一辆车没那么豪华，但也能反映一些车主的信息。那是一辆两厢车，车身漆成米黄色，但可能因为常年停在户外而已经褪色。看起来像是我的学生会开的车。

　　朋友约我去一家新开业的火锅店吃晚饭，我打开谷歌地图，找到了这家店，还用街景模式看了几张店面照片，这样从车上就能认出它。我无时无刻不在观察各种视觉细节。在大多数时间里，这种兴趣会消退为一种白噪声，但在今天开往火锅店的路上，我的注意力比平常更加活跃。如果说我有一半的精力是在导航去往吃晚饭的地方，那么另一半的精力则沉迷于沿途所见。

　　从个人到社区，汽车可以反映出人群方方面面的信息，但相关信息的评估规模却相当有限。历来的调查都试图收集这类信息，但聘请专业人员绘制整个城市的汽车保有量地图既昂贵又耗时，而且无法在中等规模以上的地区进行实际操作。那么，如果能够克服这些限制呢？如果在我们希望的任何规模上，都能进行汽车保有量分析呢？如果不仅仅是分析汽车，而是能分析一切事物呢？如果我们想分析什么，就能分析什么，结果会怎样？如果我们深入分析日常生活的相关数据，仅仅以这种简单的方式，能获得什么有关社会、文化甚至政治领域的新见解吗？这些问题似乎无法回答，除非我们创造出全新的感知方式。我突然灵感乍现：谷歌街景、汽车识别算法、细粒度分类——原来我们已经在创造新的感知方式了！

　　※

虚阁网(Xuges.com)