我看见的世界(31)_李飞飞

三一

　　“我们非常熟悉颜色，但似乎无法用语言来描述颜色，这不是很奇怪吗？我们只能说到颜色。当我说‘蓝色’或‘红色’时，你就知道我是什么意思，但这只是因为你已经见过这些颜色。我的话只是唤起了你的回忆，并没有传递新的信息。”

　　他的话让我陷入了沉思。

　　“所以，想象一下，如果未来的人类完全理解了视觉的工作原理，那么你觉得他们能掌握用第一原理来描述红色的能力吗？”

　　我想了一会儿。

　　“难道这不是必然的吗？我的意思是，如果真的‘完全理解’，那必然会具备这种能力。”

　　“你的回答完全合理。但前提是可以在还原主义描述中找到对这种经历的描述和解释。如果找不到怎么办？我们该如何处理这个矛盾？视觉是一种复杂的现象，也许是最复杂的现象之一，但仍然是一个物理过程：物质的表现遵循物理定律。然而，从主观上讲，我们的经验难道不是非物质的吗？为什么看到红色会让人觉得是一种主观感受呢？”

　　这些都是我以前从来没有思考过的问题。他的不断追问让我对他挑战我的能力有了全面的认识。

　　这两位导师的组合很有意思。他们俩都身材高大，看上去年龄相仿（我猜测都在40岁左右），但体形却截然不同，彼得罗比较健壮，克里斯托夫则相对清瘦。两人的口音都很重，一个是意大利口音，另一个是德国口音，但说起话来都幽默自信，也非常随和，让咄咄逼人的追问也显得没那么可怕。彼得罗穿衣是学者风格，穿着纽扣衬衫和米色夹克，衬衫下摆总是塞进裤子里；克里斯托夫则对自己浮夸大胆的着装风格引以为豪，他喜欢刺眼的荧光衬衫，还喜欢把头发染成漫画书里的颜色，比如绿色或紫色。

　　然而，他们有一点相似到离奇的程度，那就是都有一种只能用“陶然自得”来形容的好奇心。这使得他们说的每句话都极具感染力。他们自由奔放，总会毫不迟疑地就复杂的话题提出探索性的问题，仿佛只需聊上几句，就能解开生命中最深奥的谜题。尤其是克里斯托夫，他经常沉浸在自己的思考中难以自拔，即使我们两个人在交谈，他似乎也更喜欢在自言自语中探索这些问题。但他的专注并不是因为冷漠，而是源于天真，就像一个被白日梦弄得神魂颠倒的孩子。看到他这个样子，我就会想到常常心不在焉的父亲，觉得特别可爱。

　　这么多年来，我一直生活在自我怀疑之中，努力掌握英语，为人处世也变得谨小慎微。但奇怪的是，我被他们这种漫不经心、旁若无人的性格吸引了。就像当初与萨贝拉先生相处时一样，我发现，如果其他人跟我有着对科学的共同热爱，那么我就会觉得我们是平等的同伴，哪怕只是友好地聊过几句。而在跟彼得罗和克里斯托夫这样的人对话时，我所熟悉的现实世界几乎变得无关紧要，仿佛我们在心灵相通，不受语言、地位或年龄的束缚。在我心目中，他们是我的新榜样：同样都是移民，他们不仅获得了世俗意义上的成功，而且成了卓越的科学家。

　　在加州理工学院参访的那个下午让我毕生难忘。这些导师都是学术界的巨头，能跟他们交谈几个小时是我的荣幸，更不用说考虑成为他们的学生了。还没有登上返程飞机，我就做出了决定。

　　※

　　人类的视觉能力进化范围广，演化过程复杂，因此我们几十年来都无法将这个能力用自动化复制也不足为奇。但如果这种情况改变了呢？如果我们能与机器共享人类对世界的感知，会发生什么呢？机器拥有自动化的速度，可以持续产出高精度影像，不知疲倦为何物。想象一下，无人机甚至卫星在森林、冰川和海岸线上空飞行，对全球的环境健康状况提供专业评估。想象一下，智能的非人类助手像人类助手一样帮助视力障碍人群应对复杂的环境。想象一下，机器人急救员将急救医护人员或消防员的判断与机器的耐力和恢复能力相结合，使搜索和救援变得更加安全。想象一下，自动医疗诊断能通过移动设备为世界各地的病人提供专家意见。

　　数字世界的机会也不胜枚举。视觉媒体发展百年以来，摄影、电影、新闻和电视等图像消费已经成为现代生活不可或缺的一部分。自计算机诞生之日起，文本和数字数据就可以自由搜索，但与之不同的是，仅仅是对图像进行粗略的搜索，都依然需要依靠人工来完成，耗时耗力，成本高昂。图像数据库规模极其庞大，人工管理分类早已无望，视觉智能机器能提供帮助吗？

　　从人工智能领域发展早期，这样的可能性就一直诱惑着研究人员。然而，他们很快就意识到，视觉理解的挑战极其复杂，这一点也被此后的每一代人反复证实。首先就是数据本身。数字图像是以像素的形式存储的，也就是说，单个颜色点用数字编码表示，因此在机器看来，像素只不过是一长串整数。如果算法想要像人类一样，根据有意义的概念（如人物、地点和事物）来理解图像，就必须对这个列表进行筛选，并找出以某种方式对应的数字模式。

　　遗憾的是，定义这种数字模式的难度很大，即使是定义直线或几何形状这样的简单概念也很难。人脸识别更是难上加难，因为人脸是有机体，变量非常多：肤色、比例、拍摄角度、光线条件、图像背景等，组合种类繁多，极其复杂。

　　从数据开始，谜题越来越难。例如，人类在看到事物之后，会形成更深层次的理解，那么被动观察行为和理解行为之间的界限究竟在哪里？我们对影像的感知包括由边缘和纹理形成的一团团的色块，我们会下意识地解读这些色块，这是一种纯粹的感知体验。而在我们有意识地处理所看到的东西之前，有多少次是下意识地看到了图像？研究人员很快就发现两者不可分割：看到即理解，因此科学挑战既存在于感官层面，又存在于智力层面。所以，视觉不仅仅是我们对智力的应用，实际上，它就是智力的同义词。

　　这就是视觉的魔力。视觉是一种非常精细的技能。虽然我们看到的世界只是光线恰好落在我们眼睛表面的映射，但我们从光线中获得的信息却能延伸到我们的全部经验。从感官输入到可靠、可操作的知识，这是一种近乎奇迹的转变，是人类大脑最了不起的一大能力。仅仅是转换任务的计算成本，就远远超过了仓库大小的超级计算机的计算能力，而对人类来说，所有这些都是由一个直径约12.7厘米的潮湿有机块体完成的。人脑对概念的认知深度让学术界的杰出人士也常怀谦卑之情。

　　要解开视觉之谜，并不仅仅是理解“人类如何看见事物”这么简单。视觉问题并不是简单的关于颜色或形状的问题，也不仅仅是在更大级别上进行数字运算的问题。视觉研究是对人类认知中一个核心现象的探索。视觉在很大程度上是人类身份和独特性的基础，无论是在生物学上、人际关系方面，还是在文化层面。研究视觉是通往我们体验最基础层面的旅程。很多时候，“所见即所知”，因此，了解我们如何看见，就是了解我们自己。

　　※

　　在研究生生涯伊始，我买了一本巨大的教科书。这本书在我入学前一年刚刚出版，装帧新颖，内容也极为领先。书很重，封面厚实，边角尖锐，第一次打开时，书页之间分离发出的声音清晰可闻。这本书将我的学术旅程的所有脉络都汇聚在一起，编织成一件艺术品，每次看到它的封面都会让我倍感振奋。

　　书名为Vision Science（《视觉科学》），封面上的这两个词仿佛是专门为我选定的，描绘的是自加州大学伯克利分校的实验以来，我一直在努力追寻的道路。稍下2.5厘米处是斜体的副标题，更是激起了我的好奇心：Photons to Phenomenology（从光子到现象学）。在标题的正上方，凡·高《星月夜》的全彩画作占据了三分之二的封面。这本书内容翔实，阐述全面，注定要成为未来几十年的标准。我渴望学习书中涵盖的一切内容。

　　在黑暗实验室的时刻改变了我的一生，当时那些噼里啪啦的声音让我第一次瞥见了其他生物大脑的内部运作机制。如今已经过去了两年。两年的追求才刚刚开始。我对工程学这门充满挑战性的艺术很感兴趣，但我不想成为单纯的工程师。尽管我被神经科学的奥秘所吸引，但我也不想成为纯粹的神经科学家。我想不受约束，对两者兼而用之。

　　感谢命运之神的偶然眷顾，我遇到了再好不过的时机。当时的我还不知道，视觉研究是人工智能本身的产物。曾几何时，在人工智能大旗的感召下，各个领域的研究人员团结一致，共同努力推动这个领域不断发展，然而，随着旗帜的撕裂，不同的研究领域也四分五裂，各自为营，进入了持续十年的低迷期。神经网络和专家系统等设想一度令人兴奋，但最终的研发并未成功，初创企业关门大吉，学术界的兴趣也不断消退，又造成了一轮疏离。人工智能的发展再次遭遇寒冬，而我正身处其中。但冬天正在迅速离去，冰雪即将消融。

虚阁网(Xuges.com)