我看见的世界(69)_李飞飞

六九

　　“不好意思，”我停了一会儿说，“这些数字让我有点儿震惊了。”

　　演示会几周后，我去了阿尼的办公室，继续我们的讨论。我们翻阅了《人无完人》（To Err Is Human）。这本书出版于2000年，对医院环境中的医疗差错进行了全面调查，其中揭示的真相令人深感不安。作者得出的结论是，每年因规程和注意力方面的失误而导致的死亡人数超过了因车祸、乳腺癌和艾滋病这些众所周知的原因而逝去的生命数量。

　　“是的，需要花一些时间来理解和消化。”

　　不过，这是必要的练习。自从看完eICU的演示后，我们的谈话就没有停止过，兴奋之情也与日俱增，因为我们决定开展一个小型研究项目。这是我们第一次正式开会讨论计划。

　　“我建议我们从这个开始。”阿尼说着，用食指指向靠近页面底部的一个段落。

　　根据美国疾病预防控制中心的说法，“洗手是预防感染传播的最重要手段”，即便在今天也依旧如此。然而，反复的研究表明，在经历了150多年的发展之后，不洗手或洗手方法不当仍然是造成医疗环境中疾病传播的重要因素。

　　＊

　　洗手问题可能听起来稀松平常，但相关问题仍然是医疗服务面对的严峻挑战。据美国疾病预防与控制中心估计，护理人员在每天巡查的过程中需要洗上百次手，每换一个病人、换一项任务，都需要洗手。鉴于人为错误的频率和性质，即使在最好的情况下，偶尔出错也在所难免。但随着轮班时间越来越久，压力和疲劳会不断加重，因而导致风险大大增加。最终，一部分错误会导致感染（正式名称是“医院获得性感染”），给患者带来巨大的痛苦，其程度难以想象。

　　这个可怕的话题非常适合作为我们研究的起点。在开展医学研究时，如果涉及正在接受治疗的病人，会导致一些棘手的复杂问题。而通过将注意力集中在护理人员（而不是病人）的行为上，就可以避免相关问题。据阿尼介绍，斯坦福医院的管理层对洗手问题已经研究了一段时间，不少人对新颖的解决方案翘首以盼。

　　我很快就了解到，阿尼是那种使命必达的人。我们结束谈话后，感觉刚过了一两个小时，他就给我发来了消息，告知我最新进展，而这些进展本身就让人感觉是不小的成就：打电话找人帮忙，安排与决策者的会面，确保医院配合研究，等等。在我自己的研究中，我越来越喜欢做规划，因为合理规划可以为新实验奠定基础，让我产生一种自豪感。但这是他的研究领域，不是我的，他打了下响指，一切就安排就绪了，我不禁惊叹不已。

　　不知不觉中，阿尼成为继彼得罗和克里斯托夫之后我的又一位导师，他们都有共同的特点，就是在寻求解决方案时，可以跨越学科之间的界限。随着项目的技术层面逐渐成形，我很快也可以做出自己的贡献了，我非常期待。不过，就目前而言，我很满足于跟随一位老手的脚步。再次做学生的感觉真好。

　　就在阿尼施展魔法的同时，我们也开始意识到挑战的艰巨性。最初，我们的目标是开发一种自动化技术，来确保护理人员在医院内始终如一地彻底洗手。虽然图像分类技术已经成为计算机视觉领域的象征，但医院项目对技术的要求比图像分类更高，甚至比我和安德烈一起完成的图片说明技术要求还要高。这一次，我们的解决方案必须能够识别特定类型的动作，也就是说，不仅要识别某种物体的存在，还要确定物体的移动方式和动作类别，而且识别准确性需要满足临床要求。

　　棘手的问题比比皆是。首先，“正确”洗手的分类到底是什么？“正确”洗手肯定不仅仅是确定临床医生在洗手台附近。要确定是不是把手洗干净了，算法需要识别洗手过程中的每一个步骤：靠近洗手池、打开水龙头、使用肥皂、两只手在水龙头下搓揉、长时间冲洗双手等。无论从哪个层面看，这都是我遇到过的最复杂的感知任务。

　　值得庆幸的是，我们的项目可以找到先例。我的实验室一直在攻克类似系统所需的诸多基础功能。例如，安德烈曾与谷歌合作开展研究项目，旨在识别体育录像中的场景，比如棒球击球手挥棒击球，或者篮球运动员运球等。这项分类任务在很大程度上依赖于对动作和行为的识别。我的另一位学生胡安·卡洛斯·尼布尔斯（Juan Carlos Niebles）的整篇博士论文的主题就是识别视频中的人类活动。他现在是哥伦比亚北方大学的教授，不久前刚和自己的学生们打造了一个名为ActivityNet的数据集。顾名思义，ActivityNet就是类似于ImageNet的动作识别数据集，其中包含了数万个视频短片，每个短片都标注了它们所描绘的身体动作，比如走路、跑步、跳舞、演奏乐器等等。换句话说，尽管我们对于准确分析视频的设想尚未完全实现，但也并非不可能实现：这正是研究的最佳切入点。

　　我需要一批研究助理，于是像往常一样，给系里的研究生们发了邮件。ImageNet等项目让我养成了保持适度期望的习惯，这次也不例外。收到的回复虽然不多，但数量也算可观。于是我制作了幻灯片来解释我们的想法，并安排了第一轮面试。与此同时，我们的项目还需要一个正式的名称。我和阿尼设想了一种旨在用智能且可靠的感知来填充空间的技术，而其最大的特点就是不会引人注目。与人类监察员不同，我们的技术将悄然融入背景之中，默默监视，只有在察觉到危险时才会发出警报。我们将其称为“环境智能”（ambient intelligence）。

　　※

　　“这就是我们的计划，医疗服务的环境智能。”我总结道，“有什么要问的吗？”

　　我只有一位听众，就坐在我办公室的红色沙发上。他是个特别聪明的双学位学生，同时在修读计算机科学和统计学。他正处于攻读博士学位的第二年，正好在寻找一个更稳定的地方来完成他剩余的研究。然而，气氛并不像我希望的那样轻松。之前三位面试者都决定不加入我们的团队，因此他成了我们的第四位面试者。我尽力掩饰我们士气低落的事实。

　　“我的意思是，听起来超级有趣。”他回答道，语气足够真诚。这已经是连续第四个候选人表示我们的设想“超级有趣”——我选择忽略这一事实。

　　“不过，我想知道的是，我还能不能在常规渠道发布成果，比如NeurIPS^①和CVPR之类的。”

　　﹛①：NeurIPS全称“神经信息处理系统大会”（Conference on Neural Information Processing Systems），是机器学习和计算神经科学领域的顶级国际会议。﹜

　　“当然。”我笑着说，“我们正在探索许多尚未解决的问题。”

　　确实如此。虽然医院并非我们惯常的研究场所，但其中涉及的计算机视觉技术绝对是最先进的。我们正在推进前沿技术的发展，需要识别人类活动，而非静态物体，这已经是精细的实验性技术。此外，我们的算法还将面临额外的压力，需要识别异常细微的动作，对准确性的要求很高。与此同时，我们也计划将物体识别提升到新的水平，因为我们的分类器将不得不应对密集的运动、混杂的背景和模糊的情况。相关工作会异常艰苦，但同时也是建立名望的好机会。

　　“坦率地说，我们希望能在临床上产生真正的影响。这意味着我们也要与临床工作者合作，向临床期刊投稿，而不仅仅是计算机科学领域的期刊。”

　　这个学生考虑了一下。“明白。但是，这类期刊的出版周期是多长？”

虚阁网(Xuges.com)