我看見的世界(63)_李飛飛

六三

　　「沒錯，但令人驚奇的是，我們做這一切都是不假思索的。在一瞬間就發生了，就像我今晚看到你做的菜一樣……」

　　「飛飛？你在裡面嗎？」

　　是媽媽。我和西爾維奧面面相覷，瞬間睜大了眼睛。

　　「門怎麼關著？」她繼續問。

　　「西爾維奧在……呃，廚房裡有很多蒸汽……」

　　「你這也說不過去呀！」西爾維奧笑著，小聲跟我說。

　　「別傻笑了！」我一邊回擊，一邊把門開了個小縫，剛好能一個人溜出去。我努力表現得很自然，但從母親悵然的目光中，我知道我還是失敗了。

　　讀了沃爾夫的論文後，「要點」這個概念一直縈繞在我的腦海裡，讓我深受鼓舞，因此，在加州理工學院的大部分時間裡，我都在自行探索「要點」的本質。這方面的研究與計算機科學或人工智能沒有明確的聯繫，但它直面了一個問題，即人類在看到現實世界時，究竟能感知到什麼。雖然我和彼得羅以及克裡斯托夫都認為，這種細緻入微的感知對計算機視覺來說是個遙不可及的夢想，但我們堅信，只有更好地理解人類的行為，才能開啟追逐夢想的旅程，於是我們設計了方法進行相關探索。2007年，我們將研究成果發表在以神經科學為重點的《視覺雜誌》（Journal of Vision）上。

　　在實驗中，我們向22名實驗對象展示了一組照片，共90張，每張照片的曝光時間從500毫秒（半秒）到27毫秒（大約是電影膠片單幀可見時間的一半）不等。這些照片都是簡單的日常場景，但細節豐富，包含多個人物、多種事物和多項活動，有室內和室外，有自然環境，也有人工環境。實驗對象的任務是盡可能詳細地描述他們所看到的內容，準確來說是根據他們的記憶描述自己所看到的內容。

　　像所有的實驗一樣，這個實驗開始時也是賭博，其中一半的樂趣來自不知道會發現什麼的興奮（雖然可能一無所獲）。但努力最終得到了回報，我到現在都覺得我們收集到的反應非常了不起。例如，我們向實驗對象展示了一張維多利亞時期的住宅內部照片，持續500毫秒。一個實驗對象寫道：「19世紀的豪華客廳，裝飾華麗的單人座椅，牆上掛著一些肖像。」

　　在短短半秒時間裡，他們就看到了足夠多的信息，能夠對場景進行簡單但基本完美的描述，對照片所代表的世紀、牆面裝飾的性質和單件家具的結構進行了合理的推斷。即使是在27毫秒的時間裡，真正的認知也仍然存在（27毫秒大約是1/40秒，短到實驗對象幾乎沒有機會進行深度細緻的觀察）：看不太清；大部分是黑暗的，有一些方形的物體，可能是家具。

　　「可能是家具」這幾個字透露了很多信息。家具不是形狀，不是顏色，甚至不是某種深植于我們基因中的自然現象，而是人類主觀創造出來的現代物品。在如此短暫的時間內，就能記住一個如此複雜的概念，這多麼令人驚歎啊。

　　不管有沒有時間的限制，我都覺得這種能力太強大了。照片可能是靜止的，但我們善於提取凝固在照片中的運動狀態，從幅度很大的動作到幾乎無法察覺的微小動作，我們都能敏銳地觀察到。我們會自然而然地注意到身體、手臂和腿的角度，並立即感覺到它們從哪裡來，要到哪裡去，以及速度和力量、重量和平衡、動能和勢能。我們可以想像畫面捕捉到的瞬間所處的環境，以及可能產生的結果，比如滑板運動員從路邊一躍而起之後的一刹那，或是年輕夫婦交換婚禮誓言後的一生。

　　我們甚至可以從照片中推斷出意圖。我們可以從一個人的姿勢感受到緊張的情緒、一個人與另一個人的親密程度，甚至能從像眉毛的角度這樣簡單的事情中獲取大量信息。這些信息足以讓我們判斷出自己看到的是什麼人，他們之間的關係如何，以及他們的意圖是什麼。一個不耐煩的老闆在過度勞累的員工面前晃來晃去；富有同情心的家長幫助孩子解決問題；親密的朋友；完全陌生的人；喜愛或憤怒；工作或娛樂；安全或危險。

　　關於自己身上的這個能力，我的感知也越來越強烈。每天晚上，我下班回到家，關上房門，甚至還沒來得及放下包，就會做一件事。不算一種儀式，因為沒有什麼刻意的安排，卻在每天的同一時間以同樣的方式展開。這是任何病人家屬都熟知的時刻：我會先找到母親，無論她在家裡的哪個角落——廚房、客廳，也許是後院——只需看她一眼，我就知道自己是不是應該擔心，知道她這一天過得好不好。如果她狀態良好，我就可以深深呼出一口氣；如果不好，那就另當別論。

　　就是這麼簡單。這是我能做出的最重要的判斷，一切都迅速而自然，仿佛認知魔法在自動完成，即使對我這樣研究視覺的人來說，這一過程也幾乎是不可察覺的。有時候我回到家，媽媽正在水槽邊削土豆。爸爸系著圍裙，正在往爐子上的炒鍋裡倒橄欖油，好像還有一碗準備下鍋的雞丁。兩個人看起來都很滿足，誰也沒有抬頭看我一眼，沒有困惑或擔憂的表情。謝天謝地，我可以舒口氣了。這將是個美好的夜晚，至少此時是這樣。

　　但也有一些時候並不美好。媽媽在沙發上，坐也不是，躺也不是，看起來很不舒服。她一手扶額，眉毛擰在一起。貓蜷縮在她身旁，她的另一隻手只是無力地搭在貓背上，並沒有在撫摸。

　　情況不妙。需要量一下血壓，測一下體溫和脈搏，然後可能要給醫生打個電話。

　　這種能力迅速而強大。在我的記憶中，我很少有意識地去列舉周圍的單個物體——一屋子的家具、我的父母、他們穿的衣服、廚房用具、未開封的包裹或信封、西爾維奧的咖啡機、家裡的貓等等。我們花了很多精力來教機器對物體進行分類，但分類所依靠的似乎不僅僅是視覺敏銳度。在這樣的時刻，發生了一些更深層級的事情：我不僅僅是看到了母親的本體，而且是在瞭解她的狀態，評估她的姿勢，揣摩她的態度，從她眉間的皺紋或靠在櫃檯上時身體的角度等無形的東西中，得出生死攸關的推論。

　　即使是最先進的算法，也會立刻被人類這種能力所折服。我們能想像出的最膚淺的感知成就，就是可以識別物體。只要算法的分類錯誤率稍有降低，我們便大肆慶祝，覺得取得了了不起的進展。與此同時，我們的大腦每時每刻都對世界充滿了無比流暢的感知，以至周圍環境的無限生機對我們來說幾乎就是無意識的存在。早在20世紀70年代，研究員兼數學家阿納托爾·霍爾特（Anatol Holt）就總結過在研究領域這種小成即滿的短視現象。他說，人工智能這種技術，就算房間著火也會不管不顧，完美地走出下一步棋。即使是現在，這一論斷依然非常貼切。現代人工智能的表現就像玩遊戲的天才，可以熟練應對孤立的任務，應對「錯誤率」等狹隘指標，卻無法注意到落在棋盤上的餘燼正在燃燒。

　　人類的感知力雖然有種種局限，但與機器截然相反。我們從整體上看待世界，不僅能識別世界的內容，更可以進一步理解不同事物之間的關係、意義、過去和未來。這就是「要點」。我們不僅是見證者，更是故事講述者。是時候讓算法也學習一下這種本領了。

　　「給你，讀讀這個。」我把自己發表在《視覺雜誌》上的論文打印出來，放到安德烈·卡爾帕西（Andrej Karpathy）的桌子上。安德烈是一名二年級博士研究生，剛剛加入實驗室，前途無量。他出生於斯洛伐克，在加拿大長大，身材修長，語速飛快。他熱衷於解決複雜的問題，並具有將想法付諸實踐的技術天賦。和我實驗室裡的許多學生一樣，他具備工程師的膽識和韌勁，拆卸起晶體管收音機就像在白板上寫方程式一樣輕鬆自如。如果說愛因斯坦、玻爾和惠勒是宇宙夢想家，那麼像安德烈這樣的學生或許與愛迪生或萊特兄弟是同類。外界幾乎看不到這兩種人的區別，但在我們實驗室裡，夢想家和實幹家的區別無處不在，從每次交談中都能看出來。兩種風格截然相反，但又相輔相成，每一種風格都註定要挑戰對方、吸引對方，甚至輕微地激怒對方。但在嘗試新事物時（尤其是實驗室經常會嘗試難度很大的新事物），兩者的組合就會產生強大的力量。

　　「這是什麼？」他一邊問，一邊拿起來瀏覽摘要。

　　「我們的下一個挑戰。」

　　※

學達書庫(xuoda.com)