我看见的世界(45)_李飞飞

四五

　　接下来的几个月有了一种节奏感，虽然这节奏感无法用优雅来形容。ImageNet是一只拒绝被驯服的野兽，每当我们靠得太近时，它就会猛烈反击。在不懈努力下，我们终于取得了一些胜利——至少是小小的胜利，同时也累积了更多的擦伤和瘀青。但每当我们以为终于把它逼到墙角的时候，它就会发出一声更低沉、更嘶哑的咆哮，把我们吓得四下奔逃。

　　我很幸运，遇到了邓嘉这样一个愈挫愈勇的伙伴，他在面临难题时会加倍开动脑筋。在我们的流程中，人工参与是成本最高的部分，包括时间成本和金钱成本。所以他从成本入手，以“将成本降到最低”为个人使命。例如，当我们的标注员开始为特定类别整理照片时（比如“彭布罗克威尔士柯基犬”），最初我们预计每个步骤都需要手动完成：在谷歌图片等搜索引擎中输入关键字进行查询；梳理结果，找到清晰的例子；对每个例子进行标注；将最终选择的照片放在适当的目录中。但这些步骤大部分并不需要人类的智慧。

　　邓嘉实现自动化的第一个环节就是下载。之前下载图片，需要标注员手动在图片搜索引擎输入WordNet中的每个类别，现在邓嘉编写了自动化程序。但由于搜索引擎是为人类用户而不是为机器服务的，所以不会直接返回一组图像，而是以滚动缩略图网格的形式呈现在页面上。这时，邓嘉设计的程序就会解析网页的源代码，找到链接，并下载原图。尽管这个解决方案有些混乱，但可以让我们以最快的速度日夜不停地下载候选图片。我们想要下载多久，就可以下载多久，如果需要的话，连续几个月都行。下载的图片会自动整理在我们自己的机器上。

　　我们的资料库开始像变魔术一般被图片填满。诚然，我们这种广撒网的方式也捞回了很多垃圾，比如低质量的照片、剪贴画等，但也积累了大量高清图片。我们迅速填满了大量硬盘，现实世界的影像逐渐在图片中成形，虽然还很粗糙，却让我们第一次看到了对整个视觉世界的真实描绘。至少有一段时间是这样的。

　　“糟糕。”我听到邓嘉在实验室的另一边说。

　　“怎么了？”

　　“看上去出了点儿小问题。呃……没错，我们被谷歌封禁了。”“什么？封禁了吗？为什么？”

　　“显然是他们限制了单个用户在特定时间段内可以提交的请求数量。据我所知，大约在1000个左右。”

　　“特定时间段是多久？”

　　“24小时。午夜开始重置。这算是个好消息。”

　　“好吧，那我们每天多久会达到请求数量的上限？”

　　“嗯，这就是坏消息了。”邓嘉拿出日志文件，心算了一下，“大约9分钟。”

　　大事不妙。

　　图片存储库的增长停滞了。但我们的问题不止于此。整个流程的上下游极不平衡，甚至有些可笑。我们搜集的原始图片呈爆炸式增长，在遭到谷歌屏蔽之前，每天都有数以千计的新图片添加进来，但其中只有一小部分得到了准确的标注和整理。虽然我们从一开始就知道标注流程将会是一个瓶颈，但随着时间一周周地过去，这一环节给我们造成的负担还是让我们感到气馁。

　　我跟邓嘉在校园的马太餐厅讨论了这个问题。自从ImageNet占据我的大脑，我甚至觉得做饭都是浪费时间，于是对校园餐厅的依赖与日俱增。此外，没日没夜地在实验室工作，我也很想换个环境。餐厅的天花板很高，吊灯简朴，彩色玻璃赏心悦目，让我们觉得仿佛在修道院里找到了避难所。

　　我们详细讨论了标注员在识别、分类和标注每张图片时所遵循的每个步骤，并尽可能使用快捷方式和定制工具来对它们进行简化。如果一个流程需要点击三次鼠标，邓嘉会想办法实现只需一次点击。减少打字次数，缩短鼠标移动距离，提高所有操作的速度。在我们交谈的时候，我不禁开始仔细观察桌上的物品，默默猜想它们是否属于我们那2.2万个类别。“餐巾”这一条目自然在列，但我们区分布餐巾和纸餐巾了吗？那是一把什么刀？除了“牛排刀”和“黄油刀”，还有多少种刀呢？“切肉刀”，我猜。“面包刀”？也许吧。仔细一想，确实有很多。这些我们都涵盖了吗？我在心里默默记下，打算回到实验室后再确认。

　　“对了，飞飞，你知道什么是动态IP吗？”邓嘉又拿出一个锦囊妙计。

　　“可以把动态IP看作是我们的机器连接谷歌服务器的中间环节。我们的实验室计算机保持不变，但动态IP会将我们与不断变化的中间商连接起来，这样谷歌就会认为那些搜索请求来自不同的用户。”

　　“这样我们就不会超过限额了？”

　　“远远不会。”

　　我们重整旗鼓，至少在一定程度上恢复了工作。标注依然是个问题，但看到备选的图库规模持续增加，我还是长舒了一口气。现在，就算是小小的胜利也值得庆祝。

　　＊

　　几个月过去了，ImageNet已深深植根于我的内心，成为我观察一切事物的镜头。无论是在实验室工作，还是在院子里散步，我都偷偷玩着视觉识别游戏。如果有人在遛一种我不认识的狗，我会想，是不是应该专门为这种狗建立一个子类别？骑独轮车的学生可能让我想到数据库里是不是没有“独轮车”这个词，更不用说不同种类的独轮车了——说到这个，有不同种类的独轮车吗？父亲喜欢的车库市场经历成了我的世界。一切都被放大到难以理解的程度，但其精神是一脉相承的——永不满足的好奇心，对新奇事物的渴望。我好奇我们家族是不是有这种基因。

　　奋斗继续，每走一步都是为了应对新的难题。我们发现特定类别的搜索结果过于相似，无法满足我们多样性的目标。于是，我们使用WordNet的国际翻译来提交不同语言的查询，希望来自世界各地的图像能够带来更大的差异。当找不到足够的图片时，我们就会在搜索词中添加相关术语，比如，不是搜索“柯基”，而是搜索“柯基小狗”或“柯基犬公园”。后来，搜索引擎巧妙地重新设计了搜索结果页面的布局，改变了每个图片链接的位置，导致邓嘉的一个自动下载程序无法继续使用，于是我们重新编写了与之匹配的程序，并开始定期检查是否发生了类似变化。

　　对一年前还在设计微处理器架构的邓嘉来说，这些都是非常平淡无奇的工程挑战。尽管如此，我们两个都知道努力是有意义的。它们可能只是权宜之计，过于简单，甚至粗糙，但每解决一个问题，我们都离自己的愿景更近一步，这个愿景就是让机器看到一个完整的世界；我希望在不久之后，机器甚至可以理解这个世界。

　　※

　　“斜管面吗？”我问。

　　“说对了！”西尔维奥把一碗热气腾腾的意大利面放在我的面前，高兴地回答道。

　　“等等，我们上周吃的那种叫什么？也是管状的，但更大，而且边缘不是斜切的。”

　　“那是粗通心面。”

　　“没错！粗通心面。那个我也喜欢。”

　　“你这么问，是因为你真的对我们国家的食物感兴趣，还是因为你在想ImageNet里的意大利面的类型够不够多？”

　　我赶紧吃了一口面，对他的问题避而不答。而他则坐下来，双臂交叉，显然对自己的侦探技巧颇感自豪。

　　“不能两者兼有吗？”我最终回答道。

　　※

虚阁网(Xuges.com)