我看見的世界(60)_李飛飛

六〇

　　我一直認為，ImageNet的真正貢獻在於它的雙重性質。其龐大的規模之所以強大，是因為其中數據的組織遵循了本體層級結構，而其本體層級結構之所以強大，是因為數據規模足夠龐大和全面，涵蓋了如此多樣化的類別。這兩個優勢中的任何一個單獨拿出來都是不夠的。但就像規模本身一樣，「類別」這樣的術語也是相對的。如同對沖技術所展示的那樣，針對提出的問題，在多個不同的深度層級都能找到有效的類別答案。隨著深入層級的加深，概念之間的距離變得更小，分隔的細節也減少了，例如：事物—生物—植物—樹木—楓樹—歐亞槭。

　　雖然ImageNet規模龐大、細節豐富，但它並非完美之作。雖然有些分類特別精細（樹木就是一個很好的例子），但有時候，一些明顯存在差異的概念依然會被歸為同一類別，概念範圍相對粗略，同類概念之間的差異也較為明顯。這確保了我們的分類器在很多領域都可以比較輕鬆地完成任務。

　　對某些事物來說，同一類別之間的差距微乎其微，汽車就是其中之一。鄧嘉和喬恩下午的速成班就讓我們見識到了汽車的複雜性。例如，我們可能會明顯辨認出一輛豐田汽車的圖片（僅管我們中的大多數人可能沒有準備好討論汽車）；經過一番研究，我們似乎也能確定這輛車是豐田雅力士。但到底是2008款還是2009款呢？這個問題一下子就把人難住了。是2008款豐田雅力士的熾烈藍珍珠色，還是2008款的河口藍珍珠色？當年兩種顏色都有，而且都是……藍色的。是熾烈藍珍珠色的2008款豐田雅力士基礎款，還是熾烈藍珍珠色的2008款豐田雅力士掀揹運動款？神奇的是，還可以再繼續追問下去。這一切都是為了瞭解一個製造商生產的一個車型的一個款式。而這還只是汽車而已。

　　有聽眾指出，最近有幾篇關於鳥類的計算機視覺論文，其中有59種鳥被ImageNet收錄，這個規模看起來已經很大了，但跟康奈爾大學一個涵蓋了數百種鳥的數據集相比，就相形見絀了。然而據估計，全世界有超過1萬種鳥，即使是最先進的數據項目也比現實落後了好幾個數量級。我想到了科技媒體上那種激動的口吻，一篇又一篇的文章宣告著機器學習時代已經到來，圖像分類難題突然「迎刃而解」。我不禁笑了：這個世界上的梧桐樹、百靈鶴和豐田汽車可不是這麼想的。

　　下午的這堂實物教學課程的內容後來被稱為「細粒度分類」（fine-grained classification）。細粒度分類課題研究的是細節：識別的對象越相似，所需要的細節就越細微。乍一看，我們的研究只是從區分明顯的差異延伸到了解析不太明顯的差異，但這一過程卻向我們傳達了更加震撼和富有啟發性的信息：即使是我們最大規模的設計，也還是想得過於狹隘了。

　　然而，科學最偉大的優點之一，就是能夠將讓人謙卑的一刻重塑為充滿可能性的一刻。我們花了數年時間收集了數十億張圖片，招募了全球志願者幫忙標注分類，但只要翻閱一下汽車雜誌《凱利藍皮書》，就能意識到，我們僅僅觸及了皮毛而已。比起樹葉，我們更接近樹根。我們付出了多年的努力，與地球上最聰明的人展開全球競爭，最終也只是向真正的視覺智能邁出了一小步。

　　然而，當我環顧教室，我並沒有在學生們的臉上看到驚悚或絕望的表情。我看到的是他們眼後的齒輪開始轉動。毫無疑問，我們每個人都在想同一個問題：旅程尚未結束，我們還有很多事物要探索。

　　比德曼的數字的確很大，但這個虛構的數字很有必要，因為它把「萬物」的定義做了刪節，方便我們的思維和算法進行理解；當然，即便是這樣的數字，我們的思維和算法也只能勉強應對。現在，我們站在了新的起點。我們身處廣袤之境的懸崖邊緣，即將找到「萬物」以外的真相。

　　※

　　一個華麗的木制香料架引起了我的注意。我拿起來仔細看了看。父親注意到我感興趣的樣子，走過來跟我一起觀察。

　　「挺好看的，這個……」他說，然後又湊近看了看，「看著像手工做的，你不覺得嗎？這裡一定住著個木匠。」他放低了聲音，好像不想讓人聽到他在說普通話。

　　可能是，我自言自語著，瞥了一眼另一張桌子：「那邊有什麼有意思的東西嗎？」

　　「還挺多的，有些手套我很喜歡。還有一個特別漂亮的工具套裝。我看到車庫裡還有更好的工具，但我覺得不是用來賣的。我覺得這個房主應該會做木工。」

　　生活往往是這樣的：為人妻、為人母，同時追求自己的事業，所有的責任似乎在一夜之間爆發。雖然日程繁忙，我還是會偶爾抽出時間，陪父親去參加他最喜歡的車庫市場。我的生活步調似乎永遠在加速，而跟父親一起閒逛是難得的平靜和懷舊時刻。他的愛好就像一個紐帶，從我們在一個陌生國家最初的日子裡就一直伴隨著我們。我尤其喜歡他的用心和敏銳，看到陌生人車庫桌上擺放的待售物品，就能推斷出這個人的生活點滴。不管猜的是對還是錯，他的嘗試總是帶著真誠，而且感覺合乎情理。

　　多年來，這也成了我的習慣。

　　＊

　　又是一輛特斯拉。2012年年中，Model S發佈還不到一年，就成了帕洛阿爾托隨處可見的時尚標誌。這輛車的車主可能是個技術男，或者是搞風投的。我經過的下一輛車沒那麼豪華，但也能反映一些車主的信息。那是一輛兩廂車，車身漆成米黃色，但可能因為常年停在戶外而已經褪色。看起來像是我的學生會開的車。

　　朋友約我去一家新開業的火鍋店吃晚飯，我打開穀歌地圖，找到了這家店，還用街景模式看了幾張店面照片，這樣從車上就能認出它。我無時無刻不在觀察各種視覺細節。在大多數時間裡，這種興趣會消退為一種白噪聲，但在今天開往火鍋店的路上，我的注意力比平常更加活躍。如果說我有一半的精力是在導航去往吃晚飯的地方，那麼另一半的精力則沉迷於沿途所見。

　　從個人到社區，汽車可以反映出人群方方面面的信息，但相關信息的評估規模卻相當有限。歷來的調查都試圖收集這類信息，但聘請專業人員繪製整個城市的汽車保有量地圖既昂貴又耗時，而且無法在中等規模以上的地區進行實際操作。那麼，如果能夠克服這些限制呢？如果在我們希望的任何規模上，都能進行汽車保有量分析呢？如果不僅僅是分析汽車，而是能分析一切事物呢？如果我們想分析什麼，就能分析什麼，結果會怎樣？如果我們深入分析日常生活的相關數據，僅僅以這種簡單的方式，能獲得什麼有關社會、文化甚至政治領域的新見解嗎？這些問題似乎無法回答，除非我們創造出全新的感知方式。我突然靈感乍現：谷歌街景、汽車識別算法、細粒度分類——原來我們已經在創造新的感知方式了！

　　※

學達書庫(xuoda.com)