我看見的世界(43)_李飛飛

四三

　　事實證明，西爾維奧是我無與倫比的知己。我們都是年輕的助理教授，所處的院系競爭激烈，在事業起步的那幾年裡，我們都面臨著「要麼發表論文，要麼完蛋走人」的局面。壓力之下，我們必須馬不停蹄、保質保量地完成工作，因為我們知道，稍有懈怠就可能與終身教授的職位說再見，一同失去的還有獲得穩定生計的最佳機會。他比我生命中的其他任何人都更清楚其中的利害。

　　我從頭開始跟他講清楚了事情的原委——雖然過去幾年我一直念叨的就是這些事，他的耳朵都快起繭子了，比德曼的數字、WordNet、ImageNet，還有我的夢想——理論上很完美，要實現很瘋狂。

　　「飛飛，你現在擁有的一切都是你多年的努力換來的。你拿到了學位，找到了工作，聽起來你還有些靈感，而且你丈夫生活在960多千米之外，所以你肯定也有時間。」

　　我咯咯笑了起來，他能如此輕描淡寫，真好。

　　「是啊，但你不覺得這一切都……太出格了嗎？」我問。

　　他想了一會兒才回答：「你不是一直在追尋出格的想法嗎？」

　　※

　　有上萬個類別的數據集有什麼用？大部分模型連一兩個類別都識別不准！

　　你知道用這麼多圖像訓練一個模型要花多長時間嗎？飛飛，這個時間可是用「年」來計算的。

　　別人要怎麼下載呢？你這個圖像總量比大多數硬盤的存儲量還要大。

　　具體怎麼做，你有計劃了嗎？幾百萬張圖誰來做標注？要花多長時間？怎麼驗證所有內容的準確性呢？

　　不好意思，我真的感覺這個項目沒法做。

　　＊

　　每當我與同事們討論ImageNet的想法，我就越發感到孤獨。雖然有西爾維奧的鼓勵，但這麼龐大的工程剛剛起步，就遭到了幾乎所有人的一致反對，真是不祥之兆。我需要一群志同道合的夥伴，但現在似乎一個隊友都找不到。最糟糕的是，不管我是否同意，我都無法否認他們批評的合理性。

　　毫無疑問，在2006年，算法是計算機視覺的中心，而數據這個話題並不十分吸引人。如果把機器智能與生物智能做類比，那麼算法就相當於機器的突觸，或者說是大腦中錯綜複雜的神經回路。有什麼比讓這些回路變得更好、更快、更強大還要重要的呢？我回想起我們那篇關於單樣本學習的論文所受到的關注——只需要推出一個閃亮的新算法，裝飾以華麗的數學公式，就可以立刻引發關注。而數據生活在算法的陰影之下，僅僅被視為訓練工具，就像成長中的孩子玩的玩具一樣。

　　但恰恰因為如此，我才認為數據值得更多關注。畢竟生物智能與算法存在區別——前者是進化而來的，而進化的本質是環境對生物產生影響。世世代代的祖先在地球上生存繁衍，適應環境，即使在今天，我們的認知也帶有祖先所處世界的印記。正是出於這個原因，索普和比德曼的發現，甚至我們在加州理工學院實驗室的發現才如此引人注目：我們發現，人類幾乎瞬間就能識別出自然圖像，因為正是這種感官刺激——或者說正是數據——塑造了我們。ImageNet將為我們的算法提供同樣的體驗：同樣的廣度，同樣的深度，同樣的錯綜複雜，同樣的壯觀。

　　我聽到的勸阻之聲已經多得夠我用一輩子了（可能下輩子也夠了），最後我終於遇到了第一位支持者。李凱教授是微處理器架構領域的領軍人物。微處理器架構是一門將數百萬納米級晶體管排列到世界上最複雜的設備中的藝術，因此他比大多數人都更瞭解指數思維的力量。他相信我的方向是正確的。儘管我們都在計算機科學領域，但領域之間沒有太多交集，所以他無法直接為我做出貢獻，但他知道我們需要強大的計算能力才能啟動。他毫不猶豫地為我們的研究捐贈了一套工作站。這正是我所需要的支持。

　　我和李凱是普林斯頓大學計算機科學系教師中僅有的兩位中國移民。他出生於20世紀50年代，是中國恢復高考後第一批上大學的人，80年代來到美國攻讀研究生。在那個時代，像他這樣的移民寥寥可數，他也很難找到有共鳴的同齡人。這段經歷塑造了他活潑隨和的個性，從他身上，我既能看到我母親的聰明睿智，又能看到我父親的謙遜幽默。李凱看起來就是個普通的教授，黑頭發，大偏分，衣著樸素。但他笑容溫暖，為人慷慨。我們很快成了朋友。

　　隨著我對李凱的瞭解日益加深，我越來越明白他為什麼比其他人更看好我的想法。他是高效連接微處理器和巨大內存存儲的先驅，與他人共同創辦了一家公司，把自己的研究成果商業化，最終以20多億美元的價格售出。他不僅是大規模數據威力的早期信徒，也是利用大規模數據的專家。不巧的是，他即將休長假，這縮短了我作為他的年輕同事的時間。不過，他的離開也不完全是壞事。他有一個極聰明的一年級研究生叫鄧嘉，他要給鄧嘉找個新導師。據李凱介紹，鄧嘉是一個完美的合作者，他年輕有為，工程天賦出眾，對新的挑戰充滿渴望。

　　李凱和鄧嘉在很多方面都截然相反。李凱開朗外向，鄧嘉則內斂穩重。李凱激情四射，鄧嘉則顯得冷漠沉靜。因此我擔心自己難以判斷他對我們的工作是否有興趣。我們進行了幾次交流，我能看出他非常出色，就算沒有李凱的推薦，這一點也是顯而易見的，但我從來沒見過像他那樣大智若愚、不露鋒芒的人。

　　除了聰穎過人，我也注意到，鄧嘉是計算機視覺領域的新人。他的背景與眾不同，因此他不僅具備一般計算機視覺專業學生難以擁有的工程技能，同時還完全沒有背負期望的包袱。這個項目不同于傳統的研究項目，甚至可以說充滿風險，與當時的領域潮流格格不入。對於這一切，鄧嘉並不知情。

　　於是，我們兩人組成團隊，開啟了這個似乎需要成千上萬甚至更多貢獻者的項目。大多數同事對我的假設都不屑一顧。單從理論上講，這一切確實說不通，但這是我人生中第一次感受到一種毋庸置疑的自信。無論需要多長時間，我確信我們正在做一件大事，一件也許具有歷史意義的大事。

　　※

　　我的新辦公室位於普林斯頓大學的計算機科學大樓，雖然已經搬過來快四個月了，但地上依然堆滿了半開的紙箱，牆壁上也空空如也。我靠在扶手椅背上，大聲呼出一口氣，轉了轉椅子。鄧嘉坐在我對面的沙發上——這是我到目前為止為辦公室添置的唯一家具。

　　「好吧，看看我們能不能弄清楚項目規模究竟有多大。」

　　我們以WordNet為起點，開始進行刪減。雖然WordNet的賣點是規模巨大、細節豐富，但我們知道，其中的大部分內容對我們來說並不必要。ImageNet的目的是捕捉事物的世界，而不涉及動作或描述，因此我們明確了第一批要刪除的內容：所有的動詞和形容詞。但就算只剩下名詞，處理起來也很複雜。像「真相」或「意識」這樣的抽象概念是沒有辦法用影像記錄的，只有指代實體對象的名詞才會被納入數據庫。一般來說，我們需要的是有形、可數的物體。其他詞匯都被刪除了。

　　總的來說，WordNet中的14萬個條目大部分都被我們刪除了，只剩下可以用圖像表示且可以計數的一小部分，約有2.2萬個，雖然這個數量仍比我聽說過的任何機器學習訓練圖像集都要大很多倍，但與初始的詞匯量相比，已經大幅減少，而且跟比德曼估算的3萬個種類非常接近。

　　鄧嘉問道：「那多樣性要怎麼處理？每個類別需要多少張不同的圖片呢？」

　　啊，我心想：現在終於有點兒眉目了。

學達書庫(xuoda.com)