《我看见的世界》作者：李飞飞
上一节，我们讲了李飞飞的大学和研究生生活。在导师们的引导下，她开始关注视觉研究。2004年，她所在的团队创建了加州理工学院101类图像数据集，成为有史以来为机器学习配置的最大规模的图像集合。视觉研究领域也成为她后来一切学术旅程的主线。
那么在今天这节，让我们继续李飞飞的探索之旅，看看她是如何面对新的挑战，不断超越自己的？
ImageNet改变历史
从加州理工学院读完博士后，李飞飞和西尔维奥结婚了，但两人因为工作不在一个地方，不得不两地分居。李飞飞受邀回母校普林斯顿大学任教，和父母住在一起，同时又能和恩师萨贝拉先生一家团聚，她感到特别快乐。
学术路线上，李飞飞依然在进行视觉分类本质的研究。虽然几年过去了，但她常常反思在加州理工学院时，创建101类图像数据集期间所经历的一切，通过对计算机学习算法的研究，做过的心理物理学实验，以及这个大规模数据集在计算机识别能力上所展现出的力量，李飞飞越发确信，“分类”在理解视觉、甚至理解整个人类智能方面，都起着至关重要的作用。
当年的101个类别已经很多了，但要想让人工智能取得实质性的突破，这个数据量显然还不够。那么，到底需要多少个类别，多少个图像，才能让算法更加精确，识别力更强，错误率更低呢？
李飞飞还在茫茫文献中寻找线索，直到有一天，她看到现代视觉研究成果的主要贡献者之一欧文·比德曼的一篇论文，里面提到，世界上大约有多少独特的事物类别呢？也就是说，如果把所有不同类型的事物，比如企鹅、摇椅、过山车、拉布拉多、山、河流，等等都加到一起，总数会是多少呢？欧文·比德曼估算的答案是：3万个。
要知道，创建101类图像数据集，都是一项无比艰巨的任务，3万个类别，等同于天文数字。但是，既然知道了，有了参照数据，就无法再回避，李飞飞想，无论这个数字要带自己走向何方，她都义无反顾。
每当与同事们讨论建立一个更大数据集的想法时，李飞飞得到的都是清一色的质疑和劝阻，有人说“有上万个类别的数据集能有什么用？大部分计算机模型连一两个类别都识别不准！”有人说“你这个图像总量比大多数硬盘的存储量都大，别人该怎么下载呢？”还有人说“不好意思，我感觉这个项目真的没法做。”
但执着的李飞飞不肯回头，最后，她和一位极其有天赋的研究生邓嘉合作，组建了只有两个人的团队，并为这个即将打造的超级数据库项目命名为“ImageNet”，翻译过来就是“图像网”的意思。李飞飞希望通过捕捉一个“完整的”现实世界，来更好地训练计算机模型。
说干就干，两人设定了创建2.2万个分类的总目标，计划为每个物品类别搜集1000张不同的照片，比如，1000张不同的小提琴照片，1000张不同的德国牧羊犬照片等等，全部2.2万类别，一共需要2000多万张图片。这是最终成品数据库的数字，而要想做到这个量级，他们可能需要从数亿、甚至10亿张照片中筛选，才能达成目标。
然后，他们招募了几名愿意帮忙从网上下载图片，标注图片的本科生，工作时间灵活，每小时10美元。虽然很快就来了一些学生，但是他们的速度非常慢，邓嘉估算了一下，按这个速度的话，图像网项目完工需要差不多19年。
要是多招些学生，当然也是一种选择，只是成本会增加不少，而且，如果真要十几年才做得完的话，实验室的预算远远不够。
为了降本增效，邓嘉进行了一系列的流程优化，从用搜索引擎寻找图片、梳理查询结果、找到合适图片、标注分类、到最后放入适当的目录都进行了规范，还在一些环节设计了程序，从而实现自动化，使得团队能够日夜不停地下载候选图片，但没过多久，就因为图片搜索请求超过限制，遭到了谷歌的屏蔽。
李飞飞和邓嘉又想出新的解决办法，他们采用动态IP，作为实验室的机器连接谷歌服务器的中间环节，这样，谷歌会认为图片搜索请求来自不同的用户，实验室下载图片的工作才得以恢复。
一年后，项目开始步入正轨，团队工作不断取得新的进展。这天，李飞飞满怀期望问邓嘉，现在预计要多久能做完。邓嘉告诉她，大约18年。
绝望激发了各种各样的创造力，李飞飞想方设法要改变这种惨淡的处境。有研究生告诉她，亚马逊提供一种众包的服务，叫作“土耳其机器人”，可以帮他们提高项目速度。
所谓“土耳其机器人”，源于18世纪一种会下国际象棋的自动机器。当时，这个机器人在世界各地巡回演出，棋艺高超，连国际象棋高手也甘拜下风。然而，虽然看起来是机器人在干活，但实际上活还是人干的，因为在机器人的底座里，藏着一名国际象棋大师，是他在操控着机器下棋。
几个世纪后，新兴的众包服务基于同样的理念诞生了，看起来是智能自动化，实际仍由人类来完成。在线平台能有效组织远程的临时工作团队，规模小到几个人，大到数百万人，将任务分配和结果收集的过程自动化，从而大幅提高工作效率。
李飞飞和邓嘉尝试后发现，这个新兴的由平台提供的众包服务，竟然成了他们项目加速的最大突破口，它把团队曾经的大学生标注员队伍迅速扩展到一个由几十上百人、直至数千人组成的国际团队，项目预计完工时间不断缩短，从原来的19年、18年，变成了10年、5年、2年，最终不到1年。而且预算很低，之前实验室人工成本的预算只能招到几个标注员，连一个房间都站不满，现在，同样的费用足够聘用一支成员遍布全球、通过互联网高效连接的众包团队，每天都有成千上万张图片被筛选下载和标记分类，项目日臻完善，进度令人欣慰。
2009年6月，图像网的初始版本完成，成功达成了预定目标：筛选了近10亿的候选图片，收集了1500万张，涵盖了2.2万个不同类别，不仅在规模上和多样性上达到了李飞飞多年来梦寐以求的水平，还保持着相当的精确度，每张图片都经过了手工标注，成为当时人工智能史上最大的人工编辑数据集。
李飞飞团队充满期待地参加了2009年的计算机视觉与模式识别大会，这是领域内的顶级盛会，他们迫不及待地想向世界展示这项成果，没想到，却高开低走，大失所望。图像网在会议上遇冷，被降级为“海报展示”，只能做些简单介绍，团队没有机会充分展示他们的愿景，这个耗尽心血的项目，没能像团队之前想象的那样，被当做丰富无比的资源，受到业界的欢迎。深深的疑虑攥紧了李飞飞的心，难道之前同行的劝阻和反对是正确的吗？做这个项目真的是在浪费时间吗？
恩师萨贝拉先生去世
李飞飞没有放弃，她仍在坚持，要将图像网推向世界。当时，从2005年起，每年都有一场年度计算机视觉大赛，比赛采用一些基础数据集，由来自世界各地的参赛者提交经过数据集训练的算法，然后用算法去识别一组之前没有见过的新图片，最后，根据算法识别的准确度对算法进行排名，错误率最低的算法获胜，这个比赛吸引了各方对计算机视觉领域最新进展的关注，而比赛所用的数据集，只有图像网的千分之一大小。
李飞飞受到启发，也想通过比赛来探索或验证自己的项目成果。于是，她和团队开始筹备类似的比赛，用图像网来训练算法，之后再用一组算法没见过的图像来进行测试，评估算法识别新图像的准确率，并为算法进行排名。
从2010年起，李飞飞团队每年举办一场比赛，结果却一次又一次地令人泄气，采用图像网做数据库后，这两年的获胜算法，在识别能力上并没有太大的改进，而且第二年的报名参赛人数也大幅下降，李飞飞开始思考，自己是不是真的输了？
在图像网最艰难的这段日子里，李飞飞怀孕了，疲惫感深入骨髓，尤其到了孕后期，她的身体反应特别大，简直度日如年，医生禁止她出行，但是，她依然每天盯着电脑办公，手机响个不停。
一天半夜，手机突然震动起来，是萨贝拉先生的妻子琼打来的，她焦急地告诉李飞飞，萨贝拉先生摔倒了，失去了平衡能力，送医后做了快速脑部扫描，在等结果，情况看起来很不好。
李飞飞艰难地坐起身来，想跟萨贝拉先生通个话，但电话那端，那熟悉的声音听起来很遥远，又非常吃力，呼吸急促，声音微弱而嘶哑。
萨贝拉先生最终被确诊为晚期胶质母细胞瘤，无法手术。李飞飞疯狂地联系每个认识的人，想找到能帮助萨贝拉先生的医院，她联系上了一所大学医院的神经生物学部门，第二天就把萨贝拉先生转到了最先进的护理病房。
然而，萨贝拉先生的身体状况恶化得非常快，在发现肿瘤几天后就失去了意识，不到三周就与世长辞了。送别了这位如师如父的人，李飞飞陷入了漫长而巨大的悲痛。
柳暗花明
2012年，图像网如期举办了第三次比赛，那段时间，孩子刚刚出生，比赛结果宣布前，李飞飞本不打算去现场参加了，但在深夜却接到邓嘉的来电。一向性格沉稳的邓嘉，此时的声音听起来非常激动，他带来了一个令人振奋的消息：今年的获胜算法的准确率非常高，采用的是非正统的神经网络算法，而这种算法所需要的，正是庞大数据集的支持，遇冷三年的图像网终于向世界展现出了自己巨大的力量。
这是梦寐以求的结果，却又那么难以置信，李飞飞放下家中一切，乘飞机连夜赶赴比赛现场。那么，接下来又会发生怎样的故事呢？让我们下节继续。
