我看見的世界(35)_李飛飛

三五

　　我讀到的很多內容似乎都在強化這一觀點。雖然特雷斯曼揭示了我們識別複雜物體的一種方式，但比德曼、波特和索普的研究成果提供了一種截然不同的可能性，大大增加了視覺研究的複雜性。他們認為，在某些情況下，大腦會完全繞過這種密集的自下而上的視覺信息處理方式。我們自己實驗室的研究探索了在沒有刻意集中注意力的情況下，視覺識別能夠達到的程度。坎維舍的觀點尤其具有啟發性，他認為這種不可思議的能力是通過特定用途的神經元關聯來實現的，這些神經元關聯可以映射到現實世界中的特定事物。這些證據有力地證明了大腦在生理上傾向於快速、穩健地檢測已知的視覺概念。

　　我們的視覺系統就像是某個神秘巨人以極大的耐心精雕細琢出的發條裝置，而我們的研究工作像是其逆向工程。雖然發條裝置的小齒輪在我們面前嘀嗒作響，但其神秘面紗仍然未被揭開，距離完全理解視覺原理還有很長一段路要走，但我們已經窺得一些非凡的東西。生物進化是宇宙中唯一能夠從零開始創造真正智能的力量，我覺得我們正在復原其線路圖，或者至少是其中的一些片段。

　　這也改變了我對自己所從事的計算機視覺領域的看法。雖然計算機視覺領域的靈感創意層出不窮，但它們都分散在各種各樣的研究項目中，整個領域缺乏指向同一目標的共同協作，類似於那股千年來耐心地塑造了我們自己思維發展的專注力量。我不禁思考，如果這種情況改變了，如果研究人員能夠聯合起來，共同理解並重新創造了人類認知的核心理念，世界將會變成什麼樣子？

　　我很難想像各方協同可能會帶來什麼發現。人工智能的未來具有無限的想像空間，但我開始認識到，這並非首要問題。我越來越確信，解開人工智能之謎的理想第一步，就是迎接一個特殊的挑戰：通過理解各種物體來理解視覺世界。畢竟，人類就是這樣看到世界的。我現在相信，這同樣適用於我們的機器。

　　我想到了我的榜樣們，從物理學的傳奇人物到我的教授。多年來，我一直崇敬激勵他們成為科學家的思想力量，也敬仰他們在各自領域產生的激勵效應。現在，我接受研究生教育不過短短幾年時間，但我相信我在自己的視野看到了一絲微光，雖然遙遠而朦朧，但足以照亮我前進的道路。無論採取何種方法，我們將要讓機器熟悉視覺世界。我本身就比較執著，但這次的癡迷程度是前所未有的。

　　我找到了屬於自己的北極星。

　　※

　　屏幕上出現了一張噴氣式飛機的圖像，這次算法的任務是在照片上找到飛機。這是連蹣跚學步的兒童都能應對的挑戰，但在2003年，機器只有在吸收了大量示例材料後才能應對。即便如此，它們成功的概率也很低。那天下午，我和彼得羅測試了一個想法，希望能夠大幅提高機器判斷的準確率。我緊緊盯著屏幕，迫不及待地想知道算法會帶來什麼結果。

　　屏幕上開始出現粉色的圓點，這些圓點是視覺輔助工具，旨在突出照片中能夠吸引算法注意的細節。第一個圓點出現在了停機坪旁的一片草地上，我微微皺了皺眉。算法找錯了地方。但趨勢很快逆轉，接下來的兩個圓點出現在了噴氣式飛機的機翼上，接著又有一個圓點出現在飛機尾部。再接著，三個圓點出現在駕駛艙附近。最後一個圓點出現了——起落架。這也可以算，我想。嚴格來說，起落架也是飛機的一部分！

　　我興奮地呼了一口氣。到目前為止，一切都很順利。

　　接下來是真正困難的部分。每個突出顯示的特徵只佔據了幾個像素，因此算法會將特徵進行分組，每個組群都代表了所要識別的對象的較大部件。換句話說，算法通過這種方式大致標示了自己所識別的內容。飛機的每個部分周圍繪製著彩色圓圈——藍色和青色代表機身的不同部位，紅色代表垂直穩定器，綠色代表兩者的交匯處。果不其然，算法幾乎精確地將它們放在了各自所屬的位置。

　　飛機被成功識別出來了。

　　這是一個激動人心的時刻，但並非因為算法的成功識別，而是因為它的運作方式。以往的算法會首先學習數百張飛機的照片，涵蓋盡可能多的顏色、風格、角度和光照條件，但在這次研究中，我們只給算法展示了一張飛機的圖片。與此同時，我們還向它展示了數百張完全不相關的圖片，包括有斑點的叢林貓、摩托車、人臉（我們用彼得羅新買的高級數碼相機拍攝了實驗室夥伴的笑臉），還有一些從穀歌圖片上隨機下載的圖片。我們的假設是，先讓算法充分接觸視覺世界裡豐富繁雜的各類事物，它就更好地具備了學習特定事物的能力。因此，雖然算法被訓練識別過各種各樣的事物，但它剛剛識別出的那架飛機是它見到過的第二架飛機——自它被設計出來後見到的第二架。

　　我們的創造只是概念驗證，仍然存在一些錯誤。但我們的目標是證明算法和人類一樣，能夠通過看到更多的現實世界而廣泛受益。現在，北極星已成為我視野裡的一個坐標點，我們已經朝著這個方向邁出了真正的一步。

　　我們將這種技術稱為「單樣本學習」（one-shot learning）。這種技術與當時主流的圖像識別方法背道而馳，但我們是從一個眾所周知的能力中獲得了啟發。作為人類，我們天生就有一種神奇的本領，那就是可以僅憑對陌生事物的一瞥，再次遇到時就能認出來，不管是一樣新的樂器、一種我們從未見過的動物，還是一位新當選的政治家。我們可以對這種能力做出多種解釋，但其中最簡單、最有力的解釋是，即使面對全新的事物，無論多麼新奇，我們也會借助一生的經驗來加以理解。我們所看到的幾乎一切都深深地融入了過往的經驗——輪廓、光影、紋理和圖案等熟悉的細節，以至我們很難想像能真正孤立地看到任何東西。

　　我們的技術將這一概念引入了機器，而且看起來效果不錯。如果說實驗結果是一個驚喜，那麼我們的論文所受到的歡迎程度則是超乎想像的。這是一次突破性的成功，我們的論文不僅被在法國尼斯舉辦的國際計算機視覺會議（International Conference on Computer Vision，ICCV）所接受，而且為我們贏得了為數不多的口頭報告的機會。雖然這篇論文是與彼得羅和另一位名叫羅布·弗格斯（Rob Fergus）的研究員共同撰寫的，但我是主要作者。這意味著此次旅程的榮譽和責任都屬於我。

　　在國際計算機視覺會議上發言是一個難得的機會，尤其是對一個研究生來說。然而，我可以說完全沒有在如此重要的聽眾面前發言的經驗，因此感到壓力重重。更糟糕的是，彼得羅不能跟我一同前往。他和妻子的第一個孩子即將出生，預產期近在眼前。這是我第一次參加學術會議，也是我第一次登臺演講，而我要獨自前往了。

　　※

學達書庫(xuoda.com)