我看見的世界(32)_李飛飛

三二

　　▼06 北極星

　　（The North Star）

　　2004年，我們創建的Caltech 101完工，成為有史以來為機器學習配置的最大規模的圖像集合，裡面有超過9000個圖像，分佈在100個類別中，另外我還獨自完成了一個新類別的圖像整理。如果彼得羅想要100個類別，我就給他101個。

　　帕薩迪納黎明的微光從地平線上緩緩升起，色調溫暖而多變。在這個城市生活久了，我逐漸發現，這是獨屬於加州的顏色。朝霞召喚人們走到戶外，讓人不禁想要暫時拋開白天要盡的種種義務，投身其中，盡情享受。但天空再藍再美，也沒有科學發現的希望誘人。今天是開啟新實驗的第一天，實驗室就在地下等著我，我已經為此準備了好幾個月。

　　我們的實驗在科赫實驗室的心理物理學實驗區進行。這個地下室幽閉陰暗，隱藏在加州理工學院陽光下的草坪和自行車道之下。這裡沒有自然光，大多時候也沒有人工光線，空間接近完全封閉。我們在實驗區裡搭建了三個完全相同的小隔間，每個隔間只能容納一個實驗對象。隔間裝有遮光窗簾，可以完全隔絕實驗對象的視覺感知。

　　實驗對象進入小隔間以後，會一隻手握持鼠標，另一隻手放在鍵盤上，凝視黑暗。在片刻沉寂之後，會有一個顯示器亮起來，顯示一系列彼此毫無關聯、頗有達達主義之風的圖像：隨意排列的英文字母、無序擺放的場景照片、突然閃過的隨機元素。每個圖像出現的時間都精確到毫秒，實驗對象通過點擊鼠標和按鍵做出反應，我們則對其反應進行精確測量。然後，在幾秒鐘之內，隔間重新陷入黑暗。片刻的寂靜過後，此前播放的圖像組合再次出現，實驗就此不斷循環往復。

　　實驗雖然乍一看雜亂無章，但沒有一個細節是隨意安排的。所有的周折都是為了一個目的，那就是解讀大腦活動，或者至少推斷出大腦活動內容的部分片段。實驗對象手指抽動、呼吸變淺、瞳孔放大，這短短幾秒鐘的信息被轉化成一系列數據，這些數據可能需要幾天、幾周甚至幾個月才能完全理清。感官的奧秘深藏不露，要把它們誘騙到實驗裝備上，揭開它們的面紗，哪怕只是短暫的一瞬，也是奇事一樁。

　　※

　　在長達5億年的時間裡，進化不斷對光敏蛋白質施壓。在其不懈的推動下，光敏蛋白質跨越漫長的歲月，發展成為一個精密到讓人幾乎無法參透的結構。進化的辛勤勞動打造了整個視覺皮質，從眼睛的玻璃表面一直延伸到大腦的最深處。所以在加州理工學院，我們要拜進化成果為師，嘗試揭開視覺之謎。在我的導師看來，要實現機器智能，關鍵的第一步是更好地瞭解人類。

　　除了有機會沉浸在自己心儀的視覺研究領域，我並不知道自己想從研究生階段獲得什麼，但我希望在此期間找到可以全力追求的目標。我會像自己的榜樣那樣全情投入，就像埃裡克·維斯喬斯把對果蠅異常現象的癡迷轉化成了諾貝爾獎，或者尼爾·德格拉西·泰森把宇宙變成了數字詩歌。我想要一顆屬於自己的北極星。但在找到北極星之前，我只想圍繞一個問題展開思考，那就是不可言喻的視覺體驗究竟是如何實現的，用《視覺科學》那本教科書生動的副標題來說就是，光子是如何成為現象學的。這本教科書讓我邁出了理解視覺體驗的第一步。書的前言由普林斯頓大學心理學家安妮·特雷斯曼（Anne Treisman）撰寫。她是實驗界的奇才，也是20世紀認知科學的巨人。早在數字技術出現的幾十年前，她就把特別簡單的工具和原始創造力相結合，來探究人類的感知（如果當時就有數字技術，那麼她的研究會大大加速）。

　　特雷斯曼提出的「注意的特徵整合理論」幾乎成為理解視覺意識本質的通用理論基礎。在實驗中，她會以極快速度向實驗對象展示一些抽象物品，比如在一堆綠色和紅色方塊中夾雜一個紅色圓圈，由此確定他們在不同深度層次上理解圖像所需的時間。她發現，人們幾乎可以立即意識到紅色的存在（也就是知道圖像的某個地方包含紅色），但找到紅色圓圈這樣的元素則需要花費更長時間，因為在紅色圓圈中，一個物體同時包含了「顏色」和「形狀」兩種不同的特徵。換言之，把對「紅色」的感知和對「圓形」的感知整合在一起，不僅需要更長時間，而且似乎屬於一個完全獨立的視覺處理階段，這個階段的信息處理更為密集。

　　特雷斯曼的研究範圍很廣，解釋翔實，但她的核心理論是統一的，即人類視覺從識別微小細節開始，然後建立它們之間的關係，直到揭示出一幅完整的畫面。這個論點非常符合直覺，也為理解視覺的工作原理提供了衡量標準：人類可以迅速識別特徵較少的簡單物體（如灰色人行道上的橙色小球），而識別更複雜的場景（如蜿蜒的林間小道或朋友的面部細節）則需要更多時間。

　　在計算機視覺研究中，我反復看到以下模式：研究人員編寫算法並不斷改進，以識別照片和其他圖像中的基礎性細節（如清晰的邊緣、光線和顏色的變化、紋理或圖案的碎片等），然後構建更高層次的算法，來識別這些細節之間的聯繫，並將它們與更有意義的事物（如人和物體）聯繫起來。雖然我對視覺原理的瞭解有限，但我覺得這種方法很有道理。然而，情況很快就變得非常複雜。

　　※

　　「飛飛，我給你準備了一些閱讀材料。」彼得羅一邊說一邊把一篇文章放在我面前的桌子上。

　　「這個嗎？」

　　我拿起翻看，發現這篇文章的長度還不及大多數發表論文的四分之一。彼得羅露出了會心的微笑。

　　「相信我。這是你想讀的內容。」他不是在開玩笑。

　　這是神經科學家西蒙·索普（Simon Thorpe）於1996年提交給《自然》雜誌的一篇通訊文章，題為《人類視覺系統的處理速度》。雖然標題平淡無奇，篇幅也只有三頁，但在當時卻產生了極大的影響，因為它對整個領域公認的正統觀念提出了疑問。這個例子彰顯了科學界最偉大的傳統：雖然既定的觀念符合直覺，廣為人知，卻能被更加錯綜複雜的現實打破。

　　在實驗中，索普向實驗對象展示計算機顯示器上的圖像，使用腦電圖（EEG）來測量他們大腦表面的電信號。當一張照片在屏幕上僅閃爍27毫秒時（即蜜蜂扇動幾下翅膀所需的時間），實驗對象就能極其準確地識別出照片內容。通過進一步研究，索普精確地指出，大腦中的識別時刻是在圖像出現後僅僅150毫秒（大概相當於眨眼的一瞬間）。這是迄今為止對人類視覺處理速度最精確的調查，其結果顯示，識別所需時長遠遠小於特雷斯曼理論的預測。

學達書庫(xuoda.com)