我看见的世界(63)_李飞飞

六三

　　“没错，但令人惊奇的是，我们做这一切都是不假思索的。在一瞬间就发生了，就像我今晚看到你做的菜一样……”

　　“飞飞？你在里面吗？”

　　是妈妈。我和西尔维奥面面相觑，瞬间睁大了眼睛。

　　“门怎么关着？”她继续问。

　　“西尔维奥在……呃，厨房里有很多蒸汽……”

　　“你这也说不过去呀！”西尔维奥笑着，小声跟我说。

　　“别傻笑了！”我一边回击，一边把门开了个小缝，刚好能一个人溜出去。我努力表现得很自然，但从母亲怅然的目光中，我知道我还是失败了。

　　读了沃尔夫的论文后，“要点”这个概念一直萦绕在我的脑海里，让我深受鼓舞，因此，在加州理工学院的大部分时间里，我都在自行探索“要点”的本质。这方面的研究与计算机科学或人工智能没有明确的联系，但它直面了一个问题，即人类在看到现实世界时，究竟能感知到什么。虽然我和彼得罗以及克里斯托夫都认为，这种细致入微的感知对计算机视觉来说是个遥不可及的梦想，但我们坚信，只有更好地理解人类的行为，才能开启追逐梦想的旅程，于是我们设计了方法进行相关探索。2007年，我们将研究成果发表在以神经科学为重点的《视觉杂志》（Journal of Vision）上。

　　在实验中，我们向22名实验对象展示了一组照片，共90张，每张照片的曝光时间从500毫秒（半秒）到27毫秒（大约是电影胶片单帧可见时间的一半）不等。这些照片都是简单的日常场景，但细节丰富，包含多个人物、多种事物和多项活动，有室内和室外，有自然环境，也有人工环境。实验对象的任务是尽可能详细地描述他们所看到的内容，准确来说是根据他们的记忆描述自己所看到的内容。

　　像所有的实验一样，这个实验开始时也是赌博，其中一半的乐趣来自不知道会发现什么的兴奋（虽然可能一无所获）。但努力最终得到了回报，我到现在都觉得我们收集到的反应非常了不起。例如，我们向实验对象展示了一张维多利亚时期的住宅内部照片，持续500毫秒。一个实验对象写道：“19世纪的豪华客厅，装饰华丽的单人座椅，墙上挂着一些肖像。”

　　在短短半秒时间里，他们就看到了足够多的信息，能够对场景进行简单但基本完美的描述，对照片所代表的世纪、墙面装饰的性质和单件家具的结构进行了合理的推断。即使是在27毫秒的时间里，真正的认知也仍然存在（27毫秒大约是1/40秒，短到实验对象几乎没有机会进行深度细致的观察）：看不太清；大部分是黑暗的，有一些方形的物体，可能是家具。

　　“可能是家具”这几个字透露了很多信息。家具不是形状，不是颜色，甚至不是某种深植于我们基因中的自然现象，而是人类主观创造出来的现代物品。在如此短暂的时间内，就能记住一个如此复杂的概念，这多么令人惊叹啊。

　　不管有没有时间的限制，我都觉得这种能力太强大了。照片可能是静止的，但我们善于提取凝固在照片中的运动状态，从幅度很大的动作到几乎无法察觉的微小动作，我们都能敏锐地观察到。我们会自然而然地注意到身体、手臂和腿的角度，并立即感觉到它们从哪里来，要到哪里去，以及速度和力量、重量和平衡、动能和势能。我们可以想象画面捕捉到的瞬间所处的环境，以及可能产生的结果，比如滑板运动员从路边一跃而起之后的一刹那，或是年轻夫妇交换婚礼誓言后的一生。

　　我们甚至可以从照片中推断出意图。我们可以从一个人的姿势感受到紧张的情绪、一个人与另一个人的亲密程度，甚至能从像眉毛的角度这样简单的事情中获取大量信息。这些信息足以让我们判断出自己看到的是什么人，他们之间的关系如何，以及他们的意图是什么。一个不耐烦的老板在过度劳累的员工面前晃来晃去；富有同情心的家长帮助孩子解决问题；亲密的朋友；完全陌生的人；喜爱或愤怒；工作或娱乐；安全或危险。

　　关于自己身上的这个能力，我的感知也越来越强烈。每天晚上，我下班回到家，关上房门，甚至还没来得及放下包，就会做一件事。不算一种仪式，因为没有什么刻意的安排，却在每天的同一时间以同样的方式展开。这是任何病人家属都熟知的时刻：我会先找到母亲，无论她在家里的哪个角落——厨房、客厅，也许是后院——只需看她一眼，我就知道自己是不是应该担心，知道她这一天过得好不好。如果她状态良好，我就可以深深呼出一口气；如果不好，那就另当别论。

　　就是这么简单。这是我能做出的最重要的判断，一切都迅速而自然，仿佛认知魔法在自动完成，即使对我这样研究视觉的人来说，这一过程也几乎是不可察觉的。有时候我回到家，妈妈正在水槽边削土豆。爸爸系着围裙，正在往炉子上的炒锅里倒橄榄油，好像还有一碗准备下锅的鸡丁。两个人看起来都很满足，谁也没有抬头看我一眼，没有困惑或担忧的表情。谢天谢地，我可以舒口气了。这将是个美好的夜晚，至少此时是这样。

　　但也有一些时候并不美好。妈妈在沙发上，坐也不是，躺也不是，看起来很不舒服。她一手扶额，眉毛拧在一起。猫蜷缩在她身旁，她的另一只手只是无力地搭在猫背上，并没有在抚摸。

　　情况不妙。需要量一下血压，测一下体温和脉搏，然后可能要给医生打个电话。

　　这种能力迅速而强大。在我的记忆中，我很少有意识地去列举周围的单个物体——一屋子的家具、我的父母、他们穿的衣服、厨房用具、未开封的包裹或信封、西尔维奥的咖啡机、家里的猫等等。我们花了很多精力来教机器对物体进行分类，但分类所依靠的似乎不仅仅是视觉敏锐度。在这样的时刻，发生了一些更深层级的事情：我不仅仅是看到了母亲的本体，而且是在了解她的状态，评估她的姿势，揣摩她的态度，从她眉间的皱纹或靠在柜台上时身体的角度等无形的东西中，得出生死攸关的推论。

　　即使是最先进的算法，也会立刻被人类这种能力所折服。我们能想象出的最肤浅的感知成就，就是可以识别物体。只要算法的分类错误率稍有降低，我们便大肆庆祝，觉得取得了了不起的进展。与此同时，我们的大脑每时每刻都对世界充满了无比流畅的感知，以至周围环境的无限生机对我们来说几乎就是无意识的存在。早在20世纪70年代，研究员兼数学家阿纳托尔·霍尔特（Anatol Holt）就总结过在研究领域这种小成即满的短视现象。他说，人工智能这种技术，就算房间着火也会不管不顾，完美地走出下一步棋。即使是现在，这一论断依然非常贴切。现代人工智能的表现就像玩游戏的天才，可以熟练应对孤立的任务，应对“错误率”等狭隘指标，却无法注意到落在棋盘上的余烬正在燃烧。

　　人类的感知力虽然有种种局限，但与机器截然相反。我们从整体上看待世界，不仅能识别世界的内容，更可以进一步理解不同事物之间的关系、意义、过去和未来。这就是“要点”。我们不仅是见证者，更是故事讲述者。是时候让算法也学习一下这种本领了。

　　“给你，读读这个。”我把自己发表在《视觉杂志》上的论文打印出来，放到安德烈·卡尔帕西（Andrej Karpathy）的桌子上。安德烈是一名二年级博士研究生，刚刚加入实验室，前途无量。他出生于斯洛伐克，在加拿大长大，身材修长，语速飞快。他热衷于解决复杂的问题，并具有将想法付诸实践的技术天赋。和我实验室里的许多学生一样，他具备工程师的胆识和韧劲，拆卸起晶体管收音机就像在白板上写方程式一样轻松自如。如果说爱因斯坦、玻尔和惠勒是宇宙梦想家，那么像安德烈这样的学生或许与爱迪生或莱特兄弟是同类。外界几乎看不到这两种人的区别，但在我们实验室里，梦想家和实干家的区别无处不在，从每次交谈中都能看出来。两种风格截然相反，但又相辅相成，每一种风格都注定要挑战对方、吸引对方，甚至轻微地激怒对方。但在尝试新事物时（尤其是实验室经常会尝试难度很大的新事物），两者的组合就会产生强大的力量。

　　“这是什么？”他一边问，一边拿起来浏览摘要。

　　“我们的下一个挑战。”

　　※

虚阁网(Xuges.com)