我看見的世界(59)_李飛飛

五九

　　與此同時，新一屆學生加入了實驗室，他們的迫切之情與老生的鎮定自若形成了鮮明的對比。由於ImageNet的成功，實驗室吸引了一批特殊的年輕思考者。他們是在人工智能復興時期就開始研究相關學術的首批學生，趕上了難得的際遇。他們已經足夠成熟，能夠認識到歷史正在被創造；同時也足夠年輕，可以在職業生涯起步時就抓住機會。

　　他們每個人都密切關注行業的最新進展，無論是通過網絡、電視，還是在大廳漫步或與教授閒聊時偶然聽到的談話。這一切都預示著，未來似乎提前幾十年到來了，這個時代為他們提供了超越以往任何時代的機遇。有史以來第一次，計算機視覺專業學生的抱負不再是爭奪分散在全美各地的少數幾個令人垂涎的教職職位，而是進入科技行業工作，加入初創公司或科技巨頭。

　　在我們這樣的學術領域，如此讓人激動、回報優厚的前景並不常見。但我們的行動表明，即使是新入行的人，動機也並不複雜：面對綿延不絕的未知世界的地平線，我們從未像現在這樣渴望探索。我們被雄心無限的創造力驅使著，夜以繼日，廢寢忘食。全球各行各業必然已經有了各自的ImageNet計劃，會以此為基礎開發許多應用程序，但我們知道那是他們的道路，不是我們的。北極星仍在遠方。我們的科學研究還沒有結束。

　　※

　　鄧嘉正在分享如何用一種創新方法解決圖像分類失敗的問題，他的幻燈片讓實驗室裡爆發出陣陣笑聲。這個主題乍看之下並不搞笑，但為了干擾算法，他用Photoshop設計了一些怪物，它們有的古怪可愛，讓人啞然失笑，還有的讓人膽戰心驚，有的長著斑馬條紋和公羊角的袋鼠、從海浪中冒出的一直長著鯊魚牙齒的小貓，還有一隻皮膚上長滿西瓜紋的河馬。然而，真正讓大家捧腹的是此時屏幕上出現的圖片：一隻鴨子的身體上長著一顆完整的鱷魚腦袋，安靜地站在公園裡，兩條小細腿看上去毫無負擔，就像希臘神話中的怪物被改編成了兒童讀物。鄧嘉不為笑聲所動，繼續自己的演講。他解釋說：「我管這種動物叫『鴨鱷獸』。」他的語氣如此平淡，我甚至懷疑他是否真的相信這種物種的存在。「喬恩說這是『鱷鴨』。不過，最重要的是看我們的模型如何對其進行分類。」他再次點擊鼠標，這只鴨子和爬行動物的混合體上方出現了算法的描述，只有一個詞：「動物」。

　　這個標簽又引來了大家的一陣哄笑，但鄧嘉依然不動聲色，這是他的典型風格，低調而出彩。此次演講以他最新發表的論文為基礎，論文題目叫作《賭注對沖：優化大規模視覺識別中的準確性和特異性權衡》，由他與即將畢業的博士生喬恩·克勞斯（Jon Krause）合作完成。他們在論文中指出，即使是最先進的圖像分類器，也面臨一個日益增長的挑戰，即需要在面對模糊不清的物體時做出明智的判斷。事實上，雖然「鴨鱷獸」無法被準確分類，但他們的模型並沒有貿然做出肯定錯誤的猜測，而是順勢退而求穩，直接給出了更安全的「動物」分類，這就是模型的高超之處——畢竟，拋開奇怪的細節不談，它看起來確實像是某種動物。

　　這項工作提醒我們，儘管我們的研究主要集中在視覺方面，但語言描述也是不可或缺的一部分。畢竟，沒有WordNet，就不可能有ImageNet。WordNet為每個類別提供了框架，使它們不僅擁有自己的標簽，還能在相互連接的思維樹中找到自己的位置。如果沒有心理學家埃莉諾·羅施（Eleanor Rosch）的工作，很難想像WordNet會是什麼樣子。

　　羅施在範疇及其在思維中的作用方面做出了重大貢獻，為我們對這一概念的現代理解提供了關鍵幫助。她在全球開展了一系列實驗，主要研究人類是如何把世界概念化的，研究對象既有加州大學伯克利分校的研究生，也有巴布亞新幾內亞的高原部落居民。雖然對範疇的研究可以追溯到亞裡士多德，但羅施的實驗方法將簡潔清晰的邏輯與經驗數據相結合，在20世紀70年代掀起了範疇研究的熱潮。

　　在發表於1975年的開創性論文中，羅施提出了一組更精確的詞語來描述「理解層級」。所謂的「理解層級」，是指從「一般」到「特殊」的光譜，無數概念都可以在這個光譜上找到自己的位置。以鄧嘉的動物分類「鴨子」為例。「鴨子」存在於一個特定的細節層級上，與「鴨科」（包括鴨、鵝和天鵝的生物科）「動物」、「生物」以及最終的「事物」等淺層分類相比（羅施稱之為「上義詞」），要理解「鴨子」這一概念，需要更多信息；但與「野鴨」「鴛鴦」「環紋鳧」等深層分類相比（羅施稱之為「下義詞」），理解「鴨子」所需的信息則相對較少。從整體上看，包括ImageNet在內的類似層級結構就像一棵樹。向樹根移動，意味著更低的特異性和差異性，而向樹葉（每根樹枝的最遠端）移動，則意味著更高的特異性和差異性。

　　鄧嘉和喬恩將這種層級原則引入了計算機視覺領域。如果分類器有充分的理由相信它觀察到的可能是鴨子或鱷魚，卻沒有足夠的信息來判斷究竟是哪一種時，明智之舉就是將其上移一級，選擇概念更寬泛的上義詞，以犧牲較深一級的特定性為代價，換取較淺一級的安全性。

　　貓鯊、西瓜紋河馬獸、斑紋羊角袋鼠的奇觀告一段落，接下來，他們要展示的是這項技術在更為實際的場景中如何有效地發揮作用。一隻柯基犬的特寫鏡頭被傳統分類器錯誤地標記為「金毛尋回犬」，而他們的算法則會對沖風險，採用「狗」這個更加安全的標簽；一輛外裝奇特、塗裝混亂的出租車原本被錯誤地貼上了「坦克」的標簽，現在則被標注為「車輛」；如此等等。

　　我不禁注意到，大數據的力量又一次得到了充分展示。如果沒有ImageNet這一龐大的圖像庫，他們的研究就不可能如此精妙。ImageNet不僅提供了探索層級概念宇宙所需的原始數據，更重要的是，正是由於其規模和圖像的本體組織形式，不同的概念關係才得以被發現。無須告訴模型如何從較高層級的細節移動到較低層級的細節，也無須設計新的連接或路徑列表。ImageNet是如此全面，模型所需的一切都已存在其中。只需要一些新的策略，就可以充分利用之。

　　鄧嘉和喬恩的「對沖」技術是我認為最有啟發性的思維方式。對沖技術優雅而直觀，一旦理解它之後，甚至會覺得它非常簡單，但要完成開發，則需要真正的洞察力。他們的算法巧妙精確，是計算機視覺多種發展方式的傑出典範。

　　接下來的演講提出了一個更廣泛、更深奧的問題：如果我們反其道而行之，深入分支，那麼等待我們的將會是什麼？我們的算法將如何應對比其構建之時所能理解的世界更加微妙、更加複雜的世界？

　　接著，喬恩站起來回答。他來自俄亥俄州，溫文爾雅，穿著T恤和工裝短褲時感到最自在。他和鄧嘉一樣寡言少語，只是表現的方式更怪一點兒，比如，他很快就因迷戀小熊貓而出名，還打印了一張小熊貓的圖片，一直貼在工作站顯示器的上方。他也是一個不輕易屈服的人，就像我的實驗室裡其他頂尖研究人員一樣，當他覺得有必要讓別人聽到自己的聲音時，他會堅定地發表意見。

　　隨著鼠標的點擊，畫面分成了兩屏，一邊是一輛汽車的照片，另一邊是與之相對應的計算機輔助設計（CAD）線框圖，也就是汽車設計師繪製的示意圖。然後，後一張圖片被疊加在前一張圖片上，用數字紅線勾勒出真實汽車的格柵、車窗和車身面板的輪廓，突顯了分類器為精確識別車型而需要準確辨認出的特徵。

　　「汽車嗎？」有人問。

　　「等一下。」喬恩會意地咧嘴一笑。

　　他不是在開玩笑。這是我們首次窺見一個比我們任何人意識到的都要大得多的話題。

　　＊

學達書庫(xuoda.com)