我看見的世界(61)_李飛飛

六一

　　AlexNet催生了新一代神經網絡，每年都取得令人驚歎的飛躍。像任何占主導地位的生物一樣，這種新型神經網絡幾乎壟斷了它們所處的環境。它們是如此有效而優雅，適用範圍又如此之廣，幾乎所有其他技術都在一夜之間被淘汰出局。僅在一兩年前，支持向量機和貝葉斯網絡等算法還是學術界的寵兒、研究人員的迷戀對象，而現在，這些算法幾乎從會議講座、發表的文章甚至實驗室裡的談話中消聲遺跡了，所有人都只想談論神經網絡的最新發展。

　　我們之所以知道這一點，是因為許多新的神經網絡模型參加了ImageNet挑戰賽。自2009年ImageNet數據集在計算機視覺與模式識別大會首次亮相以來，五年多時間裡，ImageNet挑戰賽已經發展成為計算機視覺領域的基礎賽事，為該領域的技術進步提供了共同的基準，這也是我們一直以來的心願。為了避免任何明顯的利益衝突，我們實驗室的政策是不提交自己的算法模型，但僅僅是觀摩比賽就已經成為一項定期活動，其重要程度可以與聖誕節相媲美。每年都有新的進展，機器表現與人類表現之間的差距不斷縮小。機器的誤差率越來越小，越來越接近人類的水平，也許未來甚至會超過人類的水平。

　　然而，技術表現接近「人類水平」的說法本身，會讓人覺得是臆想，甚至是海市蜃樓。人類的能力維度是豐富多樣的，遠非任何單一指標所能衡量。但我們的缺點和優點一樣具有啟發性。例如，人類可以用各種常識、視覺線索和直覺來解釋為什麼自己認為附近樹上的鳥是沿海藍鴉，在這方面，人類比機器做得更好。但人類識別鳥類的能力是非常有限的，即使是經驗豐富的鳥類觀察者，也很少能識別出幾百種以上的鳥類。因此，對普通的觀察者來說，絕大多數鳥類是未知的。

　　在一般物體分類方面，計算機已與人類水平相差無幾。當人工智能努力克服相差的最後幾個百分點時，它似乎又在其他方面超越了我們，而且超越幅度極大，因為計算機在知識儲存方面的能力讓人類大腦望塵莫及。

　　從那時起，種種思考開始以新的方式連點成線。多虧了谷歌的街景系統，我們現在擁有了美國幾乎每一個社區的高分辨率圖像。雖然穀歌地圖的主要用途是幫助導航，但它展現的關於世界的種種細節讓我震撼不已。樹木、路燈、郵箱，當然還有我們駕駛的汽車——街景圖讓我們有機會窺探到那些隱匿在我們身邊的信息。想到我們實驗室在精確區分汽車型號方面所做的工作，我就感覺街景圖提供的機會像是又一次意外之喜。

　　我越來越覺得，我們研究的主題已經不是「視覺」這麼簡單了。把視覺敏銳度和百科全書式的知識深度結合，可以帶來一種全新的能力。這種新能力是什麼尚不可知，但我相信，它絕不僅僅是機器版的人眼。它是一種全新的存在，是一種更深入、更精細的透鏡，能夠從我們從未想像過的角度揭示這個世界。

　　※

　　我們精心挑選散佈在互聯網上的資料，不斷擴充汽車模型的圖片庫。我想像著，如果要跟十幾歲時的自己解釋這種煩瑣的工作跟科學有什麼關係，可能很難說清楚。當然，具體的工作細節並不重要；它只是再次證明了我們實驗室的核心價值：永遠尊重世界的複雜性，並渴望不惜一切代價對其進行探索。我們感覺自己就像藝術愛好者在導遊的帶領下參觀博物館，每一個新的展品都在挑戰我們，同時也激起了我們對周圍無限細節的敬畏之情。

　　我們能如願以償、得到回報嗎？我們沒有浪費時間去擔心這個問題，而是選擇擁抱世界，接受世界的真實面貌，不妥協、不簡化——僅僅是這一點，就讓我們覺得這是一項值得為之獻身的使命。無論我們瞭解世界的窗口是汽車模型、鳥類物種，還是其他事物（也許我們的下一個項目將探索各種鋪設道路、爬行動物的鱗片、小提琴的飾面），每一步都讓人感覺距離用全新的眼光看待現實的時刻更近了一點。無論我們發現了什麼，我都相信這趟旅程是值得的。

　　與此同時，我們還要克服一系列常見的障礙。當然，規模是一個無法回避的挑戰，但這次我們準備好了。在ImageNet之後，我們已經習慣了處理海量數據所帶來的巨大負擔。我們仔細搜索了Craigslist、Cars.com、Edmunds和其他一些在線汽車交易市場網站，生成了包含2657種車型的訓練圖像集，幾乎涵蓋了2014年在路上行駛的所有車型。我們把圖像導入我們構建的最大、最精確的分類器中。我們還利用大量的谷歌街景圖像，在服務器中填充描繪整個美國縱橫交錯的街道、林蔭大道、拐角、十字路口和死胡同的照片。在我們的實驗室裡，世界的另一個縮影正在形成。不久之後，我們就可以直接研究這個縮影，揭開其中隱藏的秘密。

　　但要真正揭秘，還需要一番努力。我們計劃以汽車為切入點，把汽車和車主的收入、教育和職業等身份方面聯繫起來，探索更大的社會經濟問題。然而，我們不得不面對這樣一個事實：貨幣價值上的巨大差距往往只能表現為外觀上的細微差別。儘管我們可以輕易區分凱迪拉克轎車和豐田皮卡，但早期的實驗表明，一個經過訓練的「天真」的分類器很容易把凱迪拉克誤認為本田雅閣，尤其是當兩種車顏色相似時——這正是我們希望避免的錯誤。把凱迪拉克ATS車型與CTS車型區分開來難度更大，更不用說每個車型內部的無數變化了。我們發現，內飾的概念尤其令人頭疼，因為總價數千美元甚至更高的選裝包通常只是對車身樣式和徽標進行微小的改動。

　　＊

　　「各位，在休息之前，我有個想法要跟大家分享。」在我們每週一次的街景項目研討會議即將結束時，一位叫蒂姆尼特·格布魯（Timnit Gebru）的研究生開口說道。大家聚集在我的辦公室裡，這是蓋茨計算機科學大樓三樓一個長方形小房間，完全符合人們對學術辦公室的刻板印象——狹窄的空間裡堆滿了書籍、文件和小擺設，從書架往房間中央蔓延，讓辦公室顯得更加擁擠不堪。學生三人組在四面雜物的簇擁下，擠坐在鮮紅色的沙發上。

　　「我們的想法是將圖像分類器應用到所有街景圖像上，追蹤所有我們能追蹤到的汽車型號，看看能揭示出什麼樣的模式。我一直在研究，我想我們已經找到了完美的實現方法。」

　　蒂姆尼特是三位參與項目的學生中資歷最淺的，但她充滿激情，幹勁十足，氣場強大。雖然和我一樣個子不高，但她天生自信，具備出色的演講天賦，能輕鬆地掌控全場。鄧嘉正在為他的博士論文答辯做準備，喬恩則忙於處理其他項目，因此蒂姆尼特毫不猶豫地主導了這項研究。

學達書庫(xuoda.com)