我看见的世界(61)_李飞飞

六一

　　AlexNet催生了新一代神经网络，每年都取得令人惊叹的飞跃。像任何占主导地位的生物一样，这种新型神经网络几乎垄断了它们所处的环境。它们是如此有效而优雅，适用范围又如此之广，几乎所有其他技术都在一夜之间被淘汰出局。仅在一两年前，支持向量机和贝叶斯网络等算法还是学术界的宠儿、研究人员的迷恋对象，而现在，这些算法几乎从会议讲座、发表的文章甚至实验室里的谈话中消声遗迹了，所有人都只想谈论神经网络的最新发展。

　　我们之所以知道这一点，是因为许多新的神经网络模型参加了ImageNet挑战赛。自2009年ImageNet数据集在计算机视觉与模式识别大会首次亮相以来，五年多时间里，ImageNet挑战赛已经发展成为计算机视觉领域的基础赛事，为该领域的技术进步提供了共同的基准，这也是我们一直以来的心愿。为了避免任何明显的利益冲突，我们实验室的政策是不提交自己的算法模型，但仅仅是观摩比赛就已经成为一项定期活动，其重要程度可以与圣诞节相媲美。每年都有新的进展，机器表现与人类表现之间的差距不断缩小。机器的误差率越来越小，越来越接近人类的水平，也许未来甚至会超过人类的水平。

　　然而，技术表现接近“人类水平”的说法本身，会让人觉得是臆想，甚至是海市蜃楼。人类的能力维度是丰富多样的，远非任何单一指标所能衡量。但我们的缺点和优点一样具有启发性。例如，人类可以用各种常识、视觉线索和直觉来解释为什么自己认为附近树上的鸟是沿海蓝鸦，在这方面，人类比机器做得更好。但人类识别鸟类的能力是非常有限的，即使是经验丰富的鸟类观察者，也很少能识别出几百种以上的鸟类。因此，对普通的观察者来说，绝大多数鸟类是未知的。

　　在一般物体分类方面，计算机已与人类水平相差无几。当人工智能努力克服相差的最后几个百分点时，它似乎又在其他方面超越了我们，而且超越幅度极大，因为计算机在知识储存方面的能力让人类大脑望尘莫及。

　　从那时起，种种思考开始以新的方式连点成线。多亏了谷歌的街景系统，我们现在拥有了美国几乎每一个社区的高分辨率图像。虽然谷歌地图的主要用途是帮助导航，但它展现的关于世界的种种细节让我震撼不已。树木、路灯、邮箱，当然还有我们驾驶的汽车——街景图让我们有机会窥探到那些隐匿在我们身边的信息。想到我们实验室在精确区分汽车型号方面所做的工作，我就感觉街景图提供的机会像是又一次意外之喜。

　　我越来越觉得，我们研究的主题已经不是“视觉”这么简单了。把视觉敏锐度和百科全书式的知识深度结合，可以带来一种全新的能力。这种新能力是什么尚不可知，但我相信，它绝不仅仅是机器版的人眼。它是一种全新的存在，是一种更深入、更精细的透镜，能够从我们从未想象过的角度揭示这个世界。

　　※

　　我们精心挑选散布在互联网上的资料，不断扩充汽车模型的图片库。我想象着，如果要跟十几岁时的自己解释这种烦琐的工作跟科学有什么关系，可能很难说清楚。当然，具体的工作细节并不重要；它只是再次证明了我们实验室的核心价值：永远尊重世界的复杂性，并渴望不惜一切代价对其进行探索。我们感觉自己就像艺术爱好者在导游的带领下参观博物馆，每一个新的展品都在挑战我们，同时也激起了我们对周围无限细节的敬畏之情。

　　我们能如愿以偿、得到回报吗？我们没有浪费时间去担心这个问题，而是选择拥抱世界，接受世界的真实面貌，不妥协、不简化——仅仅是这一点，就让我们觉得这是一项值得为之献身的使命。无论我们了解世界的窗口是汽车模型、鸟类物种，还是其他事物（也许我们的下一个项目将探索各种铺设道路、爬行动物的鳞片、小提琴的饰面），每一步都让人感觉距离用全新的眼光看待现实的时刻更近了一点。无论我们发现了什么，我都相信这趟旅程是值得的。

　　与此同时，我们还要克服一系列常见的障碍。当然，规模是一个无法回避的挑战，但这次我们准备好了。在ImageNet之后，我们已经习惯了处理海量数据所带来的巨大负担。我们仔细搜索了Craigslist、Cars.com、Edmunds和其他一些在线汽车交易市场网站，生成了包含2657种车型的训练图像集，几乎涵盖了2014年在路上行驶的所有车型。我们把图像导入我们构建的最大、最精确的分类器中。我们还利用大量的谷歌街景图像，在服务器中填充描绘整个美国纵横交错的街道、林荫大道、拐角、十字路口和死胡同的照片。在我们的实验室里，世界的另一个缩影正在形成。不久之后，我们就可以直接研究这个缩影，揭开其中隐藏的秘密。

　　但要真正揭秘，还需要一番努力。我们计划以汽车为切入点，把汽车和车主的收入、教育和职业等身份方面联系起来，探索更大的社会经济问题。然而，我们不得不面对这样一个事实：货币价值上的巨大差距往往只能表现为外观上的细微差别。尽管我们可以轻易区分凯迪拉克轿车和丰田皮卡，但早期的实验表明，一个经过训练的“天真”的分类器很容易把凯迪拉克误认为本田雅阁，尤其是当两种车颜色相似时——这正是我们希望避免的错误。把凯迪拉克ATS车型与CTS车型区分开来难度更大，更不用说每个车型内部的无数变化了。我们发现，内饰的概念尤其令人头疼，因为总价数千美元甚至更高的选装包通常只是对车身样式和徽标进行微小的改动。

　　＊

　　“各位，在休息之前，我有个想法要跟大家分享。”在我们每周一次的街景项目研讨会议即将结束时，一位叫蒂姆尼特·格布鲁（Timnit Gebru）的研究生开口说道。大家聚集在我的办公室里，这是盖茨计算机科学大楼三楼一个长方形小房间，完全符合人们对学术办公室的刻板印象——狭窄的空间里堆满了书籍、文件和小摆设，从书架往房间中央蔓延，让办公室显得更加拥挤不堪。学生三人组在四面杂物的簇拥下，挤坐在鲜红色的沙发上。

　　“我们的想法是将图像分类器应用到所有街景图像上，追踪所有我们能追踪到的汽车型号，看看能揭示出什么样的模式。我一直在研究，我想我们已经找到了完美的实现方法。”

　　蒂姆尼特是三位参与项目的学生中资历最浅的，但她充满激情，干劲十足，气场强大。虽然和我一样个子不高，但她天生自信，具备出色的演讲天赋，能轻松地掌控全场。邓嘉正在为他的博士论文答辩做准备，乔恩则忙于处理其他项目，因此蒂姆尼特毫不犹豫地主导了这项研究。

虚阁网(Xuges.com)