我看見的世界(41)_李飛飛

四一

　　▼07 一個假設

　　（A Hypothesis）

　　ImageNet不僅是一個數據集，它是一個假設、一個賭注，即實現真正機器智能的第一步，是沉浸在完整的視覺世界中。這個賭注無論被證明是對是錯，我都做好了準備。但我沒想到，它被忽視了。

　　我開車沿著206號公路疾馳，陽光透過綠蔭的縫隙灑落下來，閃爍著一個個刺眼的光點。這條蜿蜒曲折的雙車道公路很好開，兩旁是高大的喬木，透過樹冠的縫隙，會不時露出地平線上的小鎮。但我卻無暇留意這些美景。我的思緒完全沉浸在另外一個世界。我能集中注意力不至開錯車道，但也僅此而已。

　　此時，我從加州理工學院博士畢業剛剛一年，但生活已經發生了翻天覆地的變化。母親又病了，這次的病情比以往任何時候都嚴重，然後又突然穩定下來。我也找到了第一份真正的工作，成為伊利諾伊大學厄巴納-香檳分校的助理教授，並獲得了相應的醫療保險。我和西爾維奧結婚了。他也找到了一份工作，不過是在密歇根州。值得感恩的事有很多，但我確實是剛剛開啟學術生涯、個人生活動盪不安的典型代表——我結婚了，但卻是分居兩地，而且仍然和父母住在一起。

　　對視覺分類本質的研究仍然是我世界的中心。我受邀回到普林斯頓大學，向計算機科學系介紹自己最新的研究成果。對我來說，做講座已經駕輕就熟，但我感覺到這次邀請另有深意——這是招聘程序的第一步，可能會給我帶來在普林斯頓大學的教職。我還不習慣這麼大的利害關係，也很慶倖自己養成了每次回到新澤西就先拜訪薩貝拉夫婦的習慣。從他們家到母校的蜿蜒道路給了我足夠的時間來思考。

　　不過，我想得最多的並不是講座，甚至不是我的職業生涯。比德曼估計，要為理解視覺世界提供一個完整的基礎，大約需要3萬個獨立的概念。自從我偶然知道這個數字後，我的生活就完全改變了。這個不起眼的五位數成了我腦海中的黑洞，幾乎每時每刻都佔據著我的思維。

　　一方面，我的直覺與比德曼的一致，我能感覺到他的數字就是對的。「3萬」看上去就像一個證據，是我能以某種方式使用的數據。不過，很明顯，他從來沒有把「3萬」當作源於經驗的確切數量。這是一個典型的估算，與其說是個假設，不如說是舉例說明。然而，出於某種原因，這個數字多年來始終縈繞在我的腦海中。

　　這個數字啟發了我的思維，讓我對以前從未想像過的規模有了新的認識，但除此之外，它並沒有給我帶來什麼解決之道。3萬這個數字當然很有吸引力，但到底是3萬個什麼呢？我相信，肯定不是將101變成3萬、創建包含3萬個隨機選擇類別的數據庫這麼簡單。這樣的數據庫肯定不僅僅是詞典裡的一套圖解概念。它甚至可能不僅僅是對世界特徵的描述，而是對世界進行整體建模的起點，可以逐個描繪出完整的地球生活圖景，並暗含事物之間的關係，這樣才可以反映整個世界的真正意義。不過這仍然只是我的猜測。

　　車輛疾駛，時間流逝，我又開始陷入白日夢。太陽石油公司加油站黃藍相間的標誌映入我的眼簾，引發了一連串回憶：以前駕車時沿途的印象不斷閃現，色彩和情緒交織在一起，有的細節清晰，有的細節模糊，所有的記憶都被朦朧的色調包圍，內容豐富，令人回味，卻永遠無法聚焦。然後，我不由自主地露出了微笑，因為我的腦海中浮現出一些具體的事物：薩貝拉先生提到他每天從巴德湖的家到帕西帕尼高中都要走這條路，還有他總是一絲不苟地跟蹤油價——公立學校教師的工資微薄，他要儘量減少油價對錢包的影響。

　　正是這些看似再平常不過的時空場景激發了我的執著。這才是視覺的真正意義所在。視覺不僅僅是一種「感覺」，至少不是那種可以用溫度計或蓋革計數器測量的「感覺」，而是一種體驗的催化劑。加油站的招牌在我每小時80千米的車速下一閃而過，它的顏色讓我的大腦釋放出了大量信息和情感。視覺是定義人類思維情感最為重要的能力之一，是通往整個記憶、聯想、概念和推理世界的入口，所有這些都交織在我們與周圍環境的視覺聯繫中。

　　我的思緒回到了在普林斯頓大學的演講。至少，這是一個我有機會解決的問題。

　　※

　　「我不知道一個語言學家為什麼去聽一個計算機視覺講座，飛飛，但我很高興他去了。」

　　坐在我對面的是克裡斯蒂安·費爾鮑姆（Christiane Fellbaum）。她是一位計算語言學家，也是我在演講結束後的幾天裡遇到的眾多普林斯頓大學的教師之一。她本人並沒有出席講座，但她的一位同事剛好在聽眾席上。這位同事覺得克裡斯蒂安會對我的研究感興趣，於是在我的演講結束後立即介紹我們兩個認識。

　　克裡斯蒂安在語言學領域的工作與我的工作幾乎沒什麼關聯，但我們的工作有一個關鍵的共同點：我們都深受認知科學的影響，也都對理解（甚至繪製）大腦如何對世界進行概念化有著極大的興趣。在研究人類視覺的過程中，對感知的內容進行分類的方式深深吸引著我，而這也是她工作中的核心部分，我們的研究內容非常相似。我們都相信類別是視覺（我們看到的事物）和語言（我們描述事物的方式）之間的交叉點。與她交談了20分鐘後，我突然意識到，我甚至不知道是否應該討論一下工作機會的事。但不管怎樣，這件事已經不是關注重點了，因為她接下來問的問題將永遠改變我的職業生涯和人生。

　　「你聽說過一個叫WordNet的項目嗎？」

　　我隨後瞭解到，WordNet是心理學和認知科學領域的傳奇人物喬治·阿米蒂奇·米勒（George Armitage Miller）的傑作。喬治出生於1920年，是當代最具影響力的心理學家之一。他與其他心理學家一同致力於超越人類行為的表像，建立起驅動人類行為的心理過程模型。因此，他自然而然地就對語言結構及其在思維中的作用產生了興趣。他想通過WordNet以極其龐大的規模繪製出語言結構圖。

　　這個項目的靈感源於兩個同樣雄心勃勃的問題：如果我們能夠將人類通過語言表達的每一個概念都組織到一個龐大的單詞數據庫中，會發生什麼？如果這些單詞不是像詞典中那樣按照字母順序排列，而是根據它們之間的意義聯繫進行連接，會造成什麼影響呢？例如，我們不因為拼寫接近而把「apple」（蘋果）這個詞與「appliance」（器具）進行關聯，而是將它與「food」（食物）、「fruit」（水果）、「tree」（樹）等一系列相關的詞匯進行集群配對。這樣形成的詞匯數據庫就像一張地圖，將人類所珍視的一切（也就是我們用詞匯描述的一切）排列在一個相連的空間裡。簡而言之，這就是WordNet。

學達書庫(xuoda.com)