我看见的世界(32)_李飞飞

三二

　　▼06 北极星

　　（The North Star）

　　2004年，我们创建的Caltech 101完工，成为有史以来为机器学习配置的最大规模的图像集合，里面有超过9000个图像，分布在100个类别中，另外我还独自完成了一个新类别的图像整理。如果彼得罗想要100个类别，我就给他101个。

　　帕萨迪纳黎明的微光从地平线上缓缓升起，色调温暖而多变。在这个城市生活久了，我逐渐发现，这是独属于加州的颜色。朝霞召唤人们走到户外，让人不禁想要暂时抛开白天要尽的种种义务，投身其中，尽情享受。但天空再蓝再美，也没有科学发现的希望诱人。今天是开启新实验的第一天，实验室就在地下等着我，我已经为此准备了好几个月。

　　我们的实验在科赫实验室的心理物理学实验区进行。这个地下室幽闭阴暗，隐藏在加州理工学院阳光下的草坪和自行车道之下。这里没有自然光，大多时候也没有人工光线，空间接近完全封闭。我们在实验区里搭建了三个完全相同的小隔间，每个隔间只能容纳一个实验对象。隔间装有遮光窗帘，可以完全隔绝实验对象的视觉感知。

　　实验对象进入小隔间以后，会一只手握持鼠标，另一只手放在键盘上，凝视黑暗。在片刻沉寂之后，会有一个显示器亮起来，显示一系列彼此毫无关联、颇有达达主义之风的图像：随意排列的英文字母、无序摆放的场景照片、突然闪过的随机元素。每个图像出现的时间都精确到毫秒，实验对象通过点击鼠标和按键做出反应，我们则对其反应进行精确测量。然后，在几秒钟之内，隔间重新陷入黑暗。片刻的寂静过后，此前播放的图像组合再次出现，实验就此不断循环往复。

　　实验虽然乍一看杂乱无章，但没有一个细节是随意安排的。所有的周折都是为了一个目的，那就是解读大脑活动，或者至少推断出大脑活动内容的部分片段。实验对象手指抽动、呼吸变浅、瞳孔放大，这短短几秒钟的信息被转化成一系列数据，这些数据可能需要几天、几周甚至几个月才能完全理清。感官的奥秘深藏不露，要把它们诱骗到实验装备上，揭开它们的面纱，哪怕只是短暂的一瞬，也是奇事一桩。

　　※

　　在长达5亿年的时间里，进化不断对光敏蛋白质施压。在其不懈的推动下，光敏蛋白质跨越漫长的岁月，发展成为一个精密到让人几乎无法参透的结构。进化的辛勤劳动打造了整个视觉皮质，从眼睛的玻璃表面一直延伸到大脑的最深处。所以在加州理工学院，我们要拜进化成果为师，尝试揭开视觉之谜。在我的导师看来，要实现机器智能，关键的第一步是更好地了解人类。

　　除了有机会沉浸在自己心仪的视觉研究领域，我并不知道自己想从研究生阶段获得什么，但我希望在此期间找到可以全力追求的目标。我会像自己的榜样那样全情投入，就像埃里克·维斯乔斯把对果蝇异常现象的痴迷转化成了诺贝尔奖，或者尼尔·德格拉西·泰森把宇宙变成了数字诗歌。我想要一颗属于自己的北极星。但在找到北极星之前，我只想围绕一个问题展开思考，那就是不可言喻的视觉体验究竟是如何实现的，用《视觉科学》那本教科书生动的副标题来说就是，光子是如何成为现象学的。这本教科书让我迈出了理解视觉体验的第一步。书的前言由普林斯顿大学心理学家安妮·特雷斯曼（Anne Treisman）撰写。她是实验界的奇才，也是20世纪认知科学的巨人。早在数字技术出现的几十年前，她就把特别简单的工具和原始创造力相结合，来探究人类的感知（如果当时就有数字技术，那么她的研究会大大加速）。

　　特雷斯曼提出的“注意的特征整合理论”几乎成为理解视觉意识本质的通用理论基础。在实验中，她会以极快速度向实验对象展示一些抽象物品，比如在一堆绿色和红色方块中夹杂一个红色圆圈，由此确定他们在不同深度层次上理解图像所需的时间。她发现，人们几乎可以立即意识到红色的存在（也就是知道图像的某个地方包含红色），但找到红色圆圈这样的元素则需要花费更长时间，因为在红色圆圈中，一个物体同时包含了“颜色”和“形状”两种不同的特征。换言之，把对“红色”的感知和对“圆形”的感知整合在一起，不仅需要更长时间，而且似乎属于一个完全独立的视觉处理阶段，这个阶段的信息处理更为密集。

　　特雷斯曼的研究范围很广，解释翔实，但她的核心理论是统一的，即人类视觉从识别微小细节开始，然后建立它们之间的关系，直到揭示出一幅完整的画面。这个论点非常符合直觉，也为理解视觉的工作原理提供了衡量标准：人类可以迅速识别特征较少的简单物体（如灰色人行道上的橙色小球），而识别更复杂的场景（如蜿蜒的林间小道或朋友的面部细节）则需要更多时间。

　　在计算机视觉研究中，我反复看到以下模式：研究人员编写算法并不断改进，以识别照片和其他图像中的基础性细节（如清晰的边缘、光线和颜色的变化、纹理或图案的碎片等），然后构建更高层次的算法，来识别这些细节之间的联系，并将它们与更有意义的事物（如人和物体）联系起来。虽然我对视觉原理的了解有限，但我觉得这种方法很有道理。然而，情况很快就变得非常复杂。

　　※

　　“飞飞，我给你准备了一些阅读材料。”彼得罗一边说一边把一篇文章放在我面前的桌子上。

　　“这个吗？”

　　我拿起翻看，发现这篇文章的长度还不及大多数发表论文的四分之一。彼得罗露出了会心的微笑。

　　“相信我。这是你想读的内容。”他不是在开玩笑。

　　这是神经科学家西蒙·索普（Simon Thorpe）于1996年提交给《自然》杂志的一篇通讯文章，题为《人类视觉系统的处理速度》。虽然标题平淡无奇，篇幅也只有三页，但在当时却产生了极大的影响，因为它对整个领域公认的正统观念提出了疑问。这个例子彰显了科学界最伟大的传统：虽然既定的观念符合直觉，广为人知，却能被更加错综复杂的现实打破。

　　在实验中，索普向实验对象展示计算机显示器上的图像，使用脑电图（EEG）来测量他们大脑表面的电信号。当一张照片在屏幕上仅闪烁27毫秒时（即蜜蜂扇动几下翅膀所需的时间），实验对象就能极其准确地识别出照片内容。通过进一步研究，索普精确地指出，大脑中的识别时刻是在图像出现后仅仅150毫秒（大概相当于眨眼的一瞬间）。这是迄今为止对人类视觉处理速度最精确的调查，其结果显示，识别所需时长远远小于特雷斯曼理论的预测。

虚阁网(Xuges.com)