我看見的世界(45)_李飛飛

四五

　　接下來的幾個月有了一種節奏感，雖然這節奏感無法用優雅來形容。ImageNet是一隻拒絕被馴服的野獸，每當我們靠得太近時，它就會猛烈反擊。在不懈努力下，我們終於取得了一些勝利——至少是小小的勝利，同時也累積了更多的擦傷和瘀青。但每當我們以為終於把它逼到牆角的時候，它就會發出一聲更低沉、更嘶啞的咆哮，把我們嚇得四下奔逃。

　　我很幸運，遇到了鄧嘉這樣一個愈挫愈勇的夥伴，他在面臨難題時會加倍開動腦筋。在我們的流程中，人工參與是成本最高的部分，包括時間成本和金錢成本。所以他從成本入手，以「將成本降到最低」為個人使命。例如，當我們的標注員開始為特定類別整理照片時（比如「彭布羅克威爾士柯基犬」），最初我們預計每個步驟都需要手動完成：在穀歌圖片等搜索引擎中輸入關鍵字進行查詢；梳理結果，找到清晰的例子；對每個例子進行標注；將最終選擇的照片放在適當的目錄中。但這些步驟大部分並不需要人類的智慧。

　　鄧嘉實現自動化的第一個環節就是下載。之前下載圖片，需要標注員手動在圖片搜索引擎輸入WordNet中的每個類別，現在鄧嘉編寫了自動化程序。但由於搜索引擎是為人類用戶而不是為機器服務的，所以不會直接返回一組圖像，而是以滾動縮略圖網格的形式呈現在頁面上。這時，鄧嘉設計的程序就會解析網頁的源代碼，找到鏈接，並下載原圖。儘管這個解決方案有些混亂，但可以讓我們以最快的速度日夜不停地下載候選圖片。我們想要下載多久，就可以下載多久，如果需要的話，連續幾個月都行。下載的圖片會自動整理在我們自己的機器上。

　　我們的資料庫開始像變魔術一般被圖片填滿。誠然，我們這種廣撒網的方式也撈回了很多垃圾，比如低質量的照片、剪貼畫等，但也積累了大量高清圖片。我們迅速填滿了大量硬盤，現實世界的影像逐漸在圖片中成形，雖然還很粗糙，卻讓我們第一次看到了對整個視覺世界的真實描繪。至少有一段時間是這樣的。

　　「糟糕。」我聽到鄧嘉在實驗室的另一邊說。

　　「怎麼了？」

　　「看上去出了點兒小問題。呃……沒錯，我們被谷歌封禁了。」「什麼？封禁了嗎？為什麼？」

　　「顯然是他們限制了單個用戶在特定時間段內可以提交的請求數量。據我所知，大約在1000個左右。」

　　「特定時間段是多久？」

　　「24小時。午夜開始重置。這算是個好消息。」

　　「好吧，那我們每天多久會達到請求數量的上限？」

　　「嗯，這就是壞消息了。」鄧嘉拿出日誌文件，心算了一下，「大約9分鐘。」

　　大事不妙。

　　圖片存儲庫的增長停滯了。但我們的問題不止於此。整個流程的上下游極不平衡，甚至有些可笑。我們搜集的原始圖片呈爆炸式增長，在遭到穀歌屏蔽之前，每天都有數以千計的新圖片添加進來，但其中只有一小部分得到了準確的標注和整理。雖然我們從一開始就知道標注流程將會是一個瓶頸，但隨著時間一周周地過去，這一環節給我們造成的負擔還是讓我們感到氣餒。

　　我跟鄧嘉在校園的馬太餐廳討論了這個問題。自從ImageNet佔據我的大腦，我甚至覺得做飯都是浪費時間，於是對校園餐廳的依賴與日俱增。此外，沒日沒夜地在實驗室工作，我也很想換個環境。餐廳的天花板很高，吊燈簡樸，彩色玻璃賞心悅目，讓我們覺得仿佛在修道院裡找到了避難所。

　　我們詳細討論了標注員在識別、分類和標注每張圖片時所遵循的每個步驟，並盡可能使用快捷方式和定制工具來對它們進行簡化。如果一個流程需要點擊三次鼠標，鄧嘉會想辦法實現只需一次點擊。減少打字次數，縮短鼠標移動距離，提高所有操作的速度。在我們交談的時候，我不禁開始仔細觀察桌上的物品，默默猜想它們是否屬於我們那2.2萬個類別。「餐巾」這一條目自然在列，但我們區分佈餐巾和紙餐巾了嗎？那是一把什麼刀？除了「牛排刀」和「黃油刀」，還有多少種刀呢？「切肉刀」，我猜。「麵包刀」？也許吧。仔細一想，確實有很多。這些我們都涵蓋了嗎？我在心裡默默記下，打算回到實驗室後再確認。

　　「對了，飛飛，你知道什麼是動態IP嗎？」鄧嘉又拿出一個錦囊妙計。

　　「可以把動態IP看作是我們的機器連接穀歌服務器的中間環節。我們的實驗室計算機保持不變，但動態IP會將我們與不斷變化的中間商連接起來，這樣穀歌就會認為那些搜索請求來自不同的用戶。」

　　「這樣我們就不會超過限額了？」

　　「遠遠不會。」

　　我們重整旗鼓，至少在一定程度上恢復了工作。標注依然是個問題，但看到備選的圖庫規模持續增加，我還是長舒了一口氣。現在，就算是小小的勝利也值得慶祝。

　　＊

　　幾個月過去了，ImageNet已深深植根於我的內心，成為我觀察一切事物的鏡頭。無論是在實驗室工作，還是在院子裡散步，我都偷偷玩著視覺識別遊戲。如果有人在遛一種我不認識的狗，我會想，是不是應該專門為這種狗建立一個子類別？騎獨輪車的學生可能讓我想到數據庫裡是不是沒有「獨輪車」這個詞，更不用說不同種類的獨輪車了——說到這個，有不同種類的獨輪車嗎？父親喜歡的車庫市場經歷成了我的世界。一切都被放大到難以理解的程度，但其精神是一脈相承的——永不滿足的好奇心，對新奇事物的渴望。我好奇我們家族是不是有這種基因。

　　奮鬥繼續，每走一步都是為了應對新的難題。我們發現特定類別的搜索結果過於相似，無法滿足我們多樣性的目標。於是，我們使用WordNet的國際翻譯來提交不同語言的查詢，希望來自世界各地的圖像能夠帶來更大的差異。當找不到足夠的圖片時，我們就會在搜索詞中添加相關術語，比如，不是搜索「柯基」，而是搜索「柯基小狗」或「柯基犬公園」。後來，搜索引擎巧妙地重新設計了搜索結果頁面的佈局，改變了每個圖片鏈接的位置，導致鄧嘉的一個自動下載程序無法繼續使用，於是我們重新編寫了與之匹配的程序，並開始定期檢查是否發生了類似變化。

　　對一年前還在設計微處理器架構的鄧嘉來說，這些都是非常平淡無奇的工程挑戰。儘管如此，我們兩個都知道努力是有意義的。它們可能只是權宜之計，過於簡單，甚至粗糙，但每解決一個問題，我們都離自己的願景更近一步，這個願景就是讓機器看到一個完整的世界；我希望在不久之後，機器甚至可以理解這個世界。

　　※

　　「斜管面嗎？」我問。

　　「說對了！」西爾維奧把一碗熱氣騰騰的意大利面放在我的面前，高興地回答道。

　　「等等，我們上周吃的那種叫什麼？也是管狀的，但更大，而且邊緣不是斜切的。」

　　「那是粗通心面。」

　　「沒錯！粗通心面。那個我也喜歡。」

　　「你這麼問，是因為你真的對我們國家的食物感興趣，還是因為你在想ImageNet裡的意大利面的類型夠不夠多？」

　　我趕緊吃了一口面，對他的問題避而不答。而他則坐下來，雙臂交叉，顯然對自己的偵探技巧頗感自豪。

　　「不能兩者兼有嗎？」我最終回答道。

　　※

學達書庫(xuoda.com)