我看见的世界(59)_李飞飞

五九

　　与此同时，新一届学生加入了实验室，他们的迫切之情与老生的镇定自若形成了鲜明的对比。由于ImageNet的成功，实验室吸引了一批特殊的年轻思考者。他们是在人工智能复兴时期就开始研究相关学术的首批学生，赶上了难得的际遇。他们已经足够成熟，能够认识到历史正在被创造；同时也足够年轻，可以在职业生涯起步时就抓住机会。

　　他们每个人都密切关注行业的最新进展，无论是通过网络、电视，还是在大厅漫步或与教授闲聊时偶然听到的谈话。这一切都预示着，未来似乎提前几十年到来了，这个时代为他们提供了超越以往任何时代的机遇。有史以来第一次，计算机视觉专业学生的抱负不再是争夺分散在全美各地的少数几个令人垂涎的教职职位，而是进入科技行业工作，加入初创公司或科技巨头。

　　在我们这样的学术领域，如此让人激动、回报优厚的前景并不常见。但我们的行动表明，即使是新入行的人，动机也并不复杂：面对绵延不绝的未知世界的地平线，我们从未像现在这样渴望探索。我们被雄心无限的创造力驱使着，夜以继日，废寝忘食。全球各行各业必然已经有了各自的ImageNet计划，会以此为基础开发许多应用程序，但我们知道那是他们的道路，不是我们的。北极星仍在远方。我们的科学研究还没有结束。

　　※

　　邓嘉正在分享如何用一种创新方法解决图像分类失败的问题，他的幻灯片让实验室里爆发出阵阵笑声。这个主题乍看之下并不搞笑，但为了干扰算法，他用Photoshop设计了一些怪物，它们有的古怪可爱，让人哑然失笑，还有的让人胆战心惊，有的长着斑马条纹和公羊角的袋鼠、从海浪中冒出的一直长着鲨鱼牙齿的小猫，还有一只皮肤上长满西瓜纹的河马。然而，真正让大家捧腹的是此时屏幕上出现的图片：一只鸭子的身体上长着一颗完整的鳄鱼脑袋，安静地站在公园里，两条小细腿看上去毫无负担，就像希腊神话中的怪物被改编成了儿童读物。邓嘉不为笑声所动，继续自己的演讲。他解释说：“我管这种动物叫‘鸭鳄兽’。”他的语气如此平淡，我甚至怀疑他是否真的相信这种物种的存在。“乔恩说这是‘鳄鸭’。不过，最重要的是看我们的模型如何对其进行分类。”他再次点击鼠标，这只鸭子和爬行动物的混合体上方出现了算法的描述，只有一个词：“动物”。

　　这个标签又引来了大家的一阵哄笑，但邓嘉依然不动声色，这是他的典型风格，低调而出彩。此次演讲以他最新发表的论文为基础，论文题目叫作《赌注对冲：优化大规模视觉识别中的准确性和特异性权衡》，由他与即将毕业的博士生乔恩·克劳斯（Jon Krause）合作完成。他们在论文中指出，即使是最先进的图像分类器，也面临一个日益增长的挑战，即需要在面对模糊不清的物体时做出明智的判断。事实上，虽然“鸭鳄兽”无法被准确分类，但他们的模型并没有贸然做出肯定错误的猜测，而是顺势退而求稳，直接给出了更安全的“动物”分类，这就是模型的高超之处——毕竟，抛开奇怪的细节不谈，它看起来确实像是某种动物。

　　这项工作提醒我们，尽管我们的研究主要集中在视觉方面，但语言描述也是不可或缺的一部分。毕竟，没有WordNet，就不可能有ImageNet。WordNet为每个类别提供了框架，使它们不仅拥有自己的标签，还能在相互连接的思维树中找到自己的位置。如果没有心理学家埃莉诺·罗施（Eleanor Rosch）的工作，很难想象WordNet会是什么样子。

　　罗施在范畴及其在思维中的作用方面做出了重大贡献，为我们对这一概念的现代理解提供了关键帮助。她在全球开展了一系列实验，主要研究人类是如何把世界概念化的，研究对象既有加州大学伯克利分校的研究生，也有巴布亚新几内亚的高原部落居民。虽然对范畴的研究可以追溯到亚里士多德，但罗施的实验方法将简洁清晰的逻辑与经验数据相结合，在20世纪70年代掀起了范畴研究的热潮。

　　在发表于1975年的开创性论文中，罗施提出了一组更精确的词语来描述“理解层级”。所谓的“理解层级”，是指从“一般”到“特殊”的光谱，无数概念都可以在这个光谱上找到自己的位置。以邓嘉的动物分类“鸭子”为例。“鸭子”存在于一个特定的细节层级上，与“鸭科”（包括鸭、鹅和天鹅的生物科）“动物”、“生物”以及最终的“事物”等浅层分类相比（罗施称之为“上义词”），要理解“鸭子”这一概念，需要更多信息；但与“野鸭”“鸳鸯”“环纹凫”等深层分类相比（罗施称之为“下义词”），理解“鸭子”所需的信息则相对较少。从整体上看，包括ImageNet在内的类似层级结构就像一棵树。向树根移动，意味着更低的特异性和差异性，而向树叶（每根树枝的最远端）移动，则意味着更高的特异性和差异性。

　　邓嘉和乔恩将这种层级原则引入了计算机视觉领域。如果分类器有充分的理由相信它观察到的可能是鸭子或鳄鱼，却没有足够的信息来判断究竟是哪一种时，明智之举就是将其上移一级，选择概念更宽泛的上义词，以牺牲较深一级的特定性为代价，换取较浅一级的安全性。

　　猫鲨、西瓜纹河马兽、斑纹羊角袋鼠的奇观告一段落，接下来，他们要展示的是这项技术在更为实际的场景中如何有效地发挥作用。一只柯基犬的特写镜头被传统分类器错误地标记为“金毛寻回犬”，而他们的算法则会对冲风险，采用“狗”这个更加安全的标签；一辆外装奇特、涂装混乱的出租车原本被错误地贴上了“坦克”的标签，现在则被标注为“车辆”；如此等等。

　　我不禁注意到，大数据的力量又一次得到了充分展示。如果没有ImageNet这一庞大的图像库，他们的研究就不可能如此精妙。ImageNet不仅提供了探索层级概念宇宙所需的原始数据，更重要的是，正是由于其规模和图像的本体组织形式，不同的概念关系才得以被发现。无须告诉模型如何从较高层级的细节移动到较低层级的细节，也无须设计新的连接或路径列表。ImageNet是如此全面，模型所需的一切都已存在其中。只需要一些新的策略，就可以充分利用之。

　　邓嘉和乔恩的“对冲”技术是我认为最有启发性的思维方式。对冲技术优雅而直观，一旦理解它之后，甚至会觉得它非常简单，但要完成开发，则需要真正的洞察力。他们的算法巧妙精确，是计算机视觉多种发展方式的杰出典范。

　　接下来的演讲提出了一个更广泛、更深奥的问题：如果我们反其道而行之，深入分支，那么等待我们的将会是什么？我们的算法将如何应对比其构建之时所能理解的世界更加微妙、更加复杂的世界？

　　接着，乔恩站起来回答。他来自俄亥俄州，温文尔雅，穿着T恤和工装短裤时感到最自在。他和邓嘉一样寡言少语，只是表现的方式更怪一点儿，比如，他很快就因迷恋小熊猫而出名，还打印了一张小熊猫的图片，一直贴在工作站显示器的上方。他也是一个不轻易屈服的人，就像我的实验室里其他顶尖研究人员一样，当他觉得有必要让别人听到自己的声音时，他会坚定地发表意见。

　　随着鼠标的点击，画面分成了两屏，一边是一辆汽车的照片，另一边是与之相对应的计算机辅助设计（CAD）线框图，也就是汽车设计师绘制的示意图。然后，后一张图片被叠加在前一张图片上，用数字红线勾勒出真实汽车的格栅、车窗和车身面板的轮廓，突显了分类器为精确识别车型而需要准确辨认出的特征。

　　“汽车吗？”有人问。

　　“等一下。”乔恩会意地咧嘴一笑。

　　他不是在开玩笑。这是我们首次窥见一个比我们任何人意识到的都要大得多的话题。

　　＊

虚阁网(Xuges.com)