我看见的世界(66)_李飞飞

六六

　　今天我们讨论的是《超级智能》，这本书是牛津大学哲学家尼克·博斯特罗姆（Nick Bostrom）探索人工智能未来的一本颇具争议性的巨著。比尔·盖茨和埃隆·马斯克等人都在推特上对这本书大加赞赏，同时也表达了对其影响的担忧；在他们的推荐下，这本书在大众市场获得了意想不到的成功，重新引发了人们对科幻小说中人类与机器之间即将决一胜负的讨论。我们的谈话不拘一格，涉及机器人杀手、算法中主观意识的潜力，最后还谈到了与电脑相爱的想法。不过，就连那天下午最刺激的漫无边际的讨论，也承载着我在往年不曾预料到的分量。当未来突然如此迅速地来临时，我们很难不去谈论未来。

　　2012年ImageNet挑战赛的冲击波仍在回荡。对像我们这样痴迷于计算机视觉的人来说，这是一个分水岭，全世界都开始认识到，比赛结果不仅仅是对图片理解的转折点，更是对一切事物理解的转折点。在这个曾经鲜为人知的竞赛中，AlexNet展示了大规模数据集、高速图形处理器和深度分层神经网络三者近乎神奇的组合。这种组合是一幅蓝图，其应用范围注定要远远超出计算机视觉领域。世界各地的实验室都在构建更加丰富的分层网络，与此相对应的，一个新的名字正在流行——这不仅仅是机器学习的时代，更是深度学习的时代。

　　一种全新的范式正在诞生，一如20世纪初物理学的崛起。这让我回想起十几岁时那些激发我想象力的故事，我幻想着，在那些激情燃烧的岁月里，物理学家们过着怎样的人生。这些早期先驱一定感受到了无限的神秘和深深的敬畏，量子世界的奥秘和宇宙相对论的威严唤醒了他们，他们对现实的看法发生了翻天覆地的变化，这种变化来得如此彻底、如此突然，让人很难不心生羡慕。他们在正确的时间出生在正确的地点，接受了历史最令人惊叹的礼物之一。我们不禁要问，神经网络这一现代化身是否就是我们这一代人的使命和召唤？

　　即便如此，我们也有理由承认，未来不会只有诗意。与人工智能相关的学术会议正在发生转变，这是更令人不安的变化预兆之一。几十年来，这些活动都很低调，只有教授、研究人员和学生参加，幸免于媒体的关注，同时经费也相当紧张。企业赞助商很少，通常仅限于施普林格（Springer）这样的学术出版商，而且只能在展厅角落里摆几张长板凳。但在AlexNet发布之后的几年里，来自《财富》世界500强的全球顶尖企业把学术活动变成了一场场盛宴，每一次新的聚会都更像是拉斯维加斯大道上的行业博览会。在短短几年内，沐浴在彩色灯光下的展台变得司空见惯，这些展台规模宏大，上面的企业标志十分醒目。谷歌和微软等公司还为正在选择职业的研究生举办了奢华的聚会。

　　随着更多需求的涌现，一种饥饿感笼罩了整个领域。更多的层级使神经网络更深入、更强大。更多的硬件可以加快训练过程，实现更大规模的网络部署。当然，还有更多的数据：更多的图像，更多的视频，更多的音频，更多的文本以及其他任何可能训练网络理解的内容。更多的一切。

　　想到新组织的数据可能带来的能力，除了兴奋，我也不禁感到忧虑。在我自己的实验室里，我们已经看到，数据中隐藏的东西远超出我们意识到的范围。数据从来都不仅仅是图像、音频或文本。只有通过数据，模型才能对世界形成表征，而更大的数据意味着更强大、更细致的表征；意味着关系、联系和想法；意味着真理与谬误；意味着洞察和偏见；意味着新的理解，同时也伴随着新的陷阱。深度学习革命已经到来，而我们还没有做好准备。

　　与此同时，我们实验室的研究议程也显示出了自身的贪婪。无论我们取得了多大的成果，每一篇新发表的论文似乎都会孕育出10个新的后续想法，无论是博士后还是一年级的研究生，总有人愿意接手，继续深入研究。这正是我喜欢的工作方式，尽管我常常感到力不从心、不堪重负。

　　事实上，我在想，以北极星来比喻理想，其真正的价值不仅仅在于北极星可以指引方向，更在于无论怎样努力，到达北极星的距离永远是无限的。我们可以为之苦苦追求，可以为之痴迷一生，却永远无法抵达。北极星象征着科学家最独特的品质：充满永不停歇、永无止境的好奇心，这份好奇心跟满足感永远同极相斥。夜空中的一颗星，远方的海市蜃楼，没有尽头的道路。我意识到，这就是人工智能对我的影响。ImageNet是一个转折点，当然值得庆祝，但它并不是旅程的终点。如果说有什么特别的意义，那么转折点只是一段更伟大旅程的开始。除此之外，我现在可以肯定，等待探索的事物还有太多太多，一个人穷尽职业生涯，甚至一生，都无法抵达终点。

　　※

　　随着我们图片说明生成技术日臻成熟完善，成果发布指日可待。在接下来的几周里，我和安德烈不断改进方法、记录成果。我们的策略带来了我期望的结果：虽然句子仍然简单扼要，但用词准确、表述相对自然。用杰里米·沃尔夫的话说，这确实是一种能够捕捉所见“要点”的算法。

　　是时候和全世界分享了。这意味着我们已经吸引了学术界的关注，我们的研究成果已被几周后召开的2014年神经信息处理系统大会（Neural Information Processing SystemsConference，NeurIPS）采纳。与此同时，我受邀在湾区另一边阿拉梅达的IBM研讨会上发表演讲，忍不住提前透露了成果。

　　分享尚未发表的工作成果并不符合传统做法。但随后的一通电话证明我的选择是正确的。电话来自《纽约时报》的技术记者约翰·马尔科夫（John Markoff），当时我还坐在回斯坦福大学的优步车后座上。我一直对约翰很有好感，因为他是在ImageNet早期就意识到其重要性的少数几个媒体人之一，几年前，他还在《纽约时报》上报道过ImageNet。不过，这次他没有事先跟我沟通，就直接打来电话，这个举动很不寻常。

　　“喂，约翰，你好啊。”

　　“你好，你好，猜猜今天上午IBM的听众里有谁？”

　　我没想到会有记者出席，感到事情有些蹊跷。

　　“你的这个能生成图片说明的算法，你说它还没有发表，是吗？”

　　“没错。但我们会在12月的神经信息处理系统大会上正式展示。”

　　“啊，那真是太好了。”约翰腼腆地说，然后切入正题，“是这样的，我想让你知道，我手里有一些关于另一个研究小组的材料。当然是保密的，我不能告诉你是谁，但他们声称他们已经建立了首个可以——”他尴尬地笑了笑，“生成描述图像的句子的算法。”

　　什么？

　　这说不通啊。我和安德烈都不知道还有其他人在研究这个问题。但约翰说得没错。几天后，《纽约时报》就刊登了他的文章，题为《研究人员宣布图像识别软件取得进展》。他写道：“两组科学家独立工作，分别创造出了新型人工智能软件，能够以前所未有的准确性，识别和描述照片和视频内容。”

　　学术竞争并不罕见，而研究人员之间的竞争一直是推动科研创新的关键因素。不过，奇怪的是，我对此完全始料未及。研究领域一直以来都以开放著称，有时甚至达到了极致；除了率先发现某样东西的炫耀权，我们的工作通常不被视为知识产权，更不用说像商业秘密那样的保密内容了。我们的工作是要与全世界分享的，包括我们最强劲的竞争对手，而且在成果发表之前，我们通常至少能知道谁在研究什么。我带着满腹狐疑继续读了下去，然后一切都变得清晰起来。

　　多年来，我和同事们一直对媒体夸大人工智能进步的报道嗤之以鼻。但这一次，报纸上的一篇文章让我看到了世界变化之快。我们的对手不是其他大学的某个神秘研究团队，而是谷歌。

虚阁网(Xuges.com)