我看見的世界(66)_李飛飛

六六

　　今天我們討論的是《超級智能》，這本書是牛津大學哲學家尼克·博斯特羅姆（Nick Bostrom）探索人工智能未來的一本頗具爭議性的巨著。比爾·蓋茨和埃隆·馬斯克等人都在推特上對這本書大加讚賞，同時也表達了對其影響的擔憂；在他們的推薦下，這本書在大眾市場獲得了意想不到的成功，重新引發了人們對科幻小說中人類與機器之間即將決一勝負的討論。我們的談話不拘一格，涉及機器人殺手、算法中主觀意識的潛力，最後還談到了與電腦相愛的想法。不過，就連那天下午最刺激的漫無邊際的討論，也承載著我在往年不曾預料到的分量。當未來突然如此迅速地來臨時，我們很難不去談論未來。

　　2012年ImageNet挑戰賽的衝擊波仍在回蕩。對像我們這樣癡迷於計算機視覺的人來說，這是一個分水嶺，全世界都開始認識到，比賽結果不僅僅是對圖片理解的轉折點，更是對一切事物理解的轉折點。在這個曾經鮮為人知的競賽中，AlexNet展示了大規模數據集、高速圖形處理器和深度分層神經網絡三者近乎神奇的組合。這種組合是一幅藍圖，其應用範圍註定要遠遠超出計算機視覺領域。世界各地的實驗室都在構建更加豐富的分層網絡，與此相對應的，一個新的名字正在流行——這不僅僅是機器學習的時代，更是深度學習的時代。

　　一種全新的範式正在誕生，一如20世紀初物理學的崛起。這讓我回想起十幾歲時那些激發我想像力的故事，我幻想著，在那些激情燃燒的歲月裡，物理學家們過著怎樣的人生。這些早期先驅一定感受到了無限的神秘和深深的敬畏，量子世界的奧秘和宇宙相對論的威嚴喚醒了他們，他們對現實的看法發生了翻天覆地的變化，這種變化來得如此徹底、如此突然，讓人很難不心生羡慕。他們在正確的時間出生在正確的地點，接受了歷史最令人驚歎的禮物之一。我們不禁要問，神經網絡這一現代化身是否就是我們這一代人的使命和召喚？

　　即便如此，我們也有理由承認，未來不會只有詩意。與人工智能相關的學術會議正在發生轉變，這是更令人不安的變化預兆之一。幾十年來，這些活動都很低調，只有教授、研究人員和學生參加，倖免於媒體的關注，同時經費也相當緊張。企業贊助商很少，通常僅限於施普林格（Springer）這樣的學術出版商，而且只能在展廳角落裡擺幾張長板凳。但在AlexNet發佈之後的幾年裡，來自《財富》世界500強的全球頂尖企業把學術活動變成了一場場盛宴，每一次新的聚會都更像是拉斯維加斯大道上的行業博覽會。在短短幾年內，沐浴在彩色燈光下的展臺變得司空見慣，這些展臺規模宏大，上面的企業標誌十分醒目。穀歌和微軟等公司還為正在選擇職業的研究生舉辦了奢華的聚會。

　　隨著更多需求的湧現，一種饑餓感籠罩了整個領域。更多的層級使神經網絡更深入、更強大。更多的硬件可以加快訓練過程，實現更大規模的網絡部署。當然，還有更多的數據：更多的圖像，更多的視頻，更多的音頻，更多的文本以及其他任何可能訓練網絡理解的內容。更多的一切。

　　想到新組織的數據可能帶來的能力，除了興奮，我也不禁感到憂慮。在我自己的實驗室裡，我們已經看到，數據中隱藏的東西遠超出我們意識到的範圍。數據從來都不僅僅是圖像、音頻或文本。只有通過數據，模型才能對世界形成表徵，而更大的數據意味著更強大、更細緻的表徵；意味著關係、聯繫和想法；意味著真理與謬誤；意味著洞察和偏見；意味著新的理解，同時也伴隨著新的陷阱。深度學習革命已經到來，而我們還沒有做好準備。

　　與此同時，我們實驗室的研究議程也顯示出了自身的貪婪。無論我們取得了多大的成果，每一篇新發表的論文似乎都會孕育出10個新的後續想法，無論是博士後還是一年級的研究生，總有人願意接手，繼續深入研究。這正是我喜歡的工作方式，儘管我常常感到力不從心、不堪重負。

　　事實上，我在想，以北極星來比喻理想，其真正的價值不僅僅在於北極星可以指引方向，更在於無論怎樣努力，到達北極星的距離永遠是無限的。我們可以為之苦苦追求，可以為之癡迷一生，卻永遠無法抵達。北極星象徵著科學家最獨特的品質：充滿永不停歇、永無止境的好奇心，這份好奇心跟滿足感永遠同極相斥。夜空中的一顆星，遠方的海市蜃樓，沒有盡頭的道路。我意識到，這就是人工智能對我的影響。ImageNet是一個轉折點，當然值得慶祝，但它並不是旅程的終點。如果說有什麼特別的意義，那麼轉折點只是一段更偉大旅程的開始。除此之外，我現在可以肯定，等待探索的事物還有太多太多，一個人窮盡職業生涯，甚至一生，都無法抵達終點。

　　※

　　隨著我們圖片說明生成技術日臻成熟完善，成果發佈指日可待。在接下來的幾周裡，我和安德烈不斷改進方法、記錄成果。我們的策略帶來了我期望的結果：雖然句子仍然簡單扼要，但用詞準確、表述相對自然。用傑裡米·沃爾夫的話說，這確實是一種能夠捕捉所見「要點」的算法。

　　是時候和全世界分享了。這意味著我們已經吸引了學術界的關注，我們的研究成果已被幾周後召開的2014年神經信息處理系統大會（Neural Information Processing SystemsConference，NeurIPS）採納。與此同時，我受邀在灣區另一邊阿拉梅達的IBM研討會上發表演講，忍不住提前透露了成果。

　　分享尚未發表的工作成果並不符合傳統做法。但隨後的一通電話證明我的選擇是正確的。電話來自《紐約時報》的技術記者約翰·馬爾科夫（John Markoff），當時我還坐在回斯坦福大學的優步車後座上。我一直對約翰很有好感，因為他是在ImageNet早期就意識到其重要性的少數幾個媒體人之一，幾年前，他還在《紐約時報》上報道過ImageNet。不過，這次他沒有事先跟我溝通，就直接打來電話，這個舉動很不尋常。

　　「喂，約翰，你好啊。」

　　「你好，你好，猜猜今天上午IBM的聽眾裡有誰？」

　　我沒想到會有記者出席，感到事情有些蹊蹺。

　　「你的這個能生成圖片說明的算法，你說它還沒有發表，是嗎？」

　　「沒錯。但我們會在12月的神經信息處理系統大會上正式展示。」

　　「啊，那真是太好了。」約翰靦腆地說，然後切入正題，「是這樣的，我想讓你知道，我手裡有一些關於另一個研究小組的材料。當然是保密的，我不能告訴你是誰，但他們聲稱他們已經建立了首個可以——」他尷尬地笑了笑，「生成描述圖像的句子的算法。」

　　什麼？

　　這說不通啊。我和安德烈都不知道還有其他人在研究這個問題。但約翰說得沒錯。幾天後，《紐約時報》就刊登了他的文章，題為《研究人員宣佈圖像識別軟件取得進展》。他寫道：「兩組科學家獨立工作，分別創造出了新型人工智能軟件，能夠以前所未有的準確性，識別和描述照片和視頻內容。」

　　學術競爭並不罕見，而研究人員之間的競爭一直是推動科研創新的關鍵因素。不過，奇怪的是，我對此完全始料未及。研究領域一直以來都以開放著稱，有時甚至達到了極致；除了率先發現某樣東西的炫耀權，我們的工作通常不被視為知識產權，更不用說像商業秘密那樣的保密內容了。我們的工作是要與全世界分享的，包括我們最強勁的競爭對手，而且在成果發表之前，我們通常至少能知道誰在研究什麼。我帶著滿腹狐疑繼續讀了下去，然後一切都變得清晰起來。

　　多年來，我和同事們一直對媒體誇大人工智能進步的報道嗤之以鼻。但這一次，報紙上的一篇文章讓我看到了世界變化之快。我們的對手不是其他大學的某個神秘研究團隊，而是穀歌。

學達書庫(xuoda.com)