【導(dǎo)讀】如今，深度學(xué)習(xí)在眾多領(lǐng)域都有一席之地，尤其是在計(jì)算機(jī)視覺領(lǐng)域。盡管許多人都為之深深著迷，然而，深網(wǎng)就相當(dāng)于一個(gè)黑盒子，我們大多數(shù)人，甚至是該領(lǐng)域接受過培訓(xùn)的科學(xué)家，都不知道它們究竟是如何運(yùn)作的。

某種程度上，深度學(xué)習(xí)最大的優(yōu)勢(shì)就是自動(dòng)創(chuàng)建沒有人會(huì)想到的特性能力。

大量有關(guān)深度學(xué)習(xí)的成功或失敗事例給我們上了寶貴的一課，教會(huì)我們正確處理數(shù)據(jù)。在這篇文章中，我們將深入剖析深度學(xué)習(xí)的潛力，深度學(xué)習(xí)與經(jīng)典計(jì)算機(jī)視覺的關(guān)系，以及深度學(xué)習(xí)用于關(guān)鍵應(yīng)用程序的潛在危險(xiǎn)。

視覺問題的簡(jiǎn)單與復(fù)雜

首先，我們需要就視覺/計(jì)算機(jī)視覺問題提出一些看法。原則上它可以這樣理解，人們給定一幅由攝像機(jī)拍攝的圖像，并允許計(jì)算機(jī)回答關(guān)于與該圖像內(nèi)容的相關(guān)問題。

問題的范圍可以從“圖像中是否存在三角形”，“圖像中是否有人臉”等簡(jiǎn)單問題到更為復(fù)雜的問題，例如“圖像中是否有狗在追逐貓”。盡管這類的問題看起來(lái)很相似，對(duì)于人類來(lái)說甚至有點(diǎn)微不足道，但事實(shí)證明，這些問題所隱藏的復(fù)雜性存在巨大差異。

雖然回答諸如“圖像中是否有紅圈”或“圖像中有多少亮點(diǎn)”之類的問題相對(duì)容易，但其他看似簡(jiǎn)單的問題如“圖像中是否有一只貓”，則要復(fù)雜得多。“簡(jiǎn)單”視覺問題和“復(fù)雜”視覺問題之間的區(qū)別難以界限。

這一點(diǎn)值得注意，因?yàn)閷?duì)于人類這種高度視覺化的動(dòng)物來(lái)說，上述所有問題都是不足以成為難題，即便是對(duì)孩子們來(lái)說，回答上述視覺問題也并不困難。然而，處在變革時(shí)期的深度學(xué)習(xí)卻無(wú)法回答這些問題。

傳統(tǒng)計(jì)算機(jī)視覺V.S.深度學(xué)習(xí)

傳統(tǒng)計(jì)算機(jī)視覺是廣泛算法的集合，允許計(jì)算機(jī)從圖像中提取信息（通常表示為像素值數(shù)組）。目前，傳統(tǒng)計(jì)算機(jī)視覺已有多種用途，例如對(duì)不同的對(duì)象進(jìn)行去噪，增強(qiáng)和檢測(cè)。

一些用途旨在尋找簡(jiǎn)單的幾何原語(yǔ)，如邊緣檢測(cè)，形態(tài)分析，霍夫變換，斑點(diǎn)檢測(cè)，角點(diǎn)檢測(cè)，各種圖像閾值化技術(shù)等。還有一些特征代表技術(shù)，如方向梯度直方圖可以作為機(jī)器學(xué)習(xí)分類器的前端，來(lái)構(gòu)建更復(fù)雜的檢測(cè)器。

與普遍的看法相反，上面討論的工具結(jié)合在一起可以造出針對(duì)特定對(duì)象的檢測(cè)器，這種檢測(cè)器性能強(qiáng)，效率高。除此之外，人們還可以構(gòu)建面部檢測(cè)器，汽車檢測(cè)器，路標(biāo)檢測(cè)器，在精準(zhǔn)度和計(jì)算復(fù)雜性等方面，這些檢測(cè)器很可能優(yōu)于深度學(xué)習(xí)。

但問題是，每個(gè)檢測(cè)器都需要由有能力的人從頭開始構(gòu)建，這一行為低效又昂貴。因此，從歷史上看，表現(xiàn)優(yōu)良的探測(cè)器只適用于那些必須經(jīng)常被檢測(cè)，并且能夠證明前期投資是明智的對(duì)象。

這些探測(cè)器中有許多是專有的，不向公眾開放，比如人臉檢測(cè)器，車牌識(shí)別器等等。但是，沒有一個(gè)心智正常的人會(huì)花錢編寫狗探測(cè)器或分類器，以便從圖像中對(duì)狗的品種進(jìn)行分類。于是，深度學(xué)習(xí)就派上了用場(chǎng)。

尖子生的啟迪

假設(shè)你正在教授計(jì)算機(jī)視覺課程，在課程的前半部分，你要帶領(lǐng)學(xué)生們復(fù)習(xí)大量的專業(yè)知識(shí)，然后留時(shí)間給學(xué)生完成任務(wù)，也就是收集圖像內(nèi)容并提問。任務(wù)一開始很簡(jiǎn)單，例如通過詢問圖像中是否有圓形或正方形，再到更復(fù)雜的任務(wù)，例如區(qū)分貓和狗。

學(xué)生每周都要編寫計(jì)算機(jī)程序來(lái)完成任務(wù)，而你負(fù)責(zé)查看學(xué)生編寫的代碼，并運(yùn)行查看它們的效果如何。

這個(gè)學(xué)期，一名新生加入了你的班級(jí)。他不愛說話，不愛社交，也沒有提過什么問題。但是，當(dāng)他提交自己的第一個(gè)任務(wù)方案時(shí)，你感到有點(diǎn)意外。這名新生編寫的代碼讓人難以理解，你從來(lái)都沒見過這樣的代碼。看起來(lái)他像是用隨機(jī)的過濾器對(duì)每幅圖像進(jìn)行卷積，然后再用非常奇怪的邏輯來(lái)得到最終的答案。

你運(yùn)行了這段代碼，效果非常好。你心想，雖然這個(gè)解決方案非同尋常，但只要它有效就足夠了。幾周過去了，學(xué)生們需要完成的任務(wù)難度越來(lái)越高，你也從這名新生那里得到了越來(lái)越復(fù)雜的代碼。他的代碼出色地完成了難度日益增大的任務(wù)，但你無(wú)法真正理解其中的內(nèi)容。

期末的時(shí)候，你給學(xué)生們布置了一項(xiàng)作業(yè)，用一組真實(shí)的圖片來(lái)區(qū)分貓和狗。結(jié)果，沒有學(xué)生能夠在這項(xiàng)任務(wù)上達(dá)到超過65％的準(zhǔn)確率，但是新生編寫的代碼準(zhǔn)確率高達(dá)95%，你大吃一驚。你開始在接下來(lái)的幾天中深入分析這些高深莫測(cè)的代碼。你給它新的示例，然后進(jìn)行修改，試著找出影響程序決策的因素，對(duì)其進(jìn)行反向工程。

最終你得出一個(gè)非常令人驚訝的結(jié)論：代碼會(huì)檢測(cè)出狗的標(biāo)簽。如果它能檢測(cè)到標(biāo)簽，那么它就可以判斷對(duì)象的下部是否為棕色。如果是，則返回“cat”，否則返回“dog”。如果不能檢測(cè)到標(biāo)簽，那么它將檢查對(duì)象的左側(cè)是否比右側(cè)更黃。如果是，則返回“dog”，否則返回“cat”。

你邀請(qǐng)這名新生到辦公室，并把研究結(jié)果呈給他。你向他詢問，是否認(rèn)為自己真的解決了問題？在長(zhǎng)時(shí)間的沉默之后，他終于喃喃自語(yǔ)道，他解決了數(shù)據(jù)集顯示的任務(wù)，但他并不知道狗長(zhǎng)什么樣，也不知道狗和貓之間有什么不同……

很明顯，他作弊了，因?yàn)樗鉀Q任務(wù)目的和你想要的目的無(wú)關(guān)。不過，他又沒有作弊，因?yàn)樗慕鉀Q方案確實(shí)是有效的。然而，其他學(xué)生的表現(xiàn)都不怎么樣。他們?cè)噲D通過問題來(lái)解決任務(wù)，而不是通過原始數(shù)據(jù)集。雖然，他們的程序運(yùn)行得并不好，倒也沒有犯奇怪的錯(cuò)誤。

深度學(xué)習(xí)的祝福和詛咒

深度學(xué)習(xí)是一種技術(shù)，它使用一種稱為梯度反向傳播的優(yōu)化技術(shù)來(lái)生成“程序”(也稱為“神經(jīng)網(wǎng)絡(luò)”)，就像上面故事中學(xué)者學(xué)生編寫的那些程序一樣。這些“程序”和優(yōu)化技術(shù)對(duì)世界一無(wú)所知，它所關(guān)心的只是構(gòu)建一組轉(zhuǎn)換和條件，將正確的標(biāo)簽分配給數(shù)據(jù)集中的正確圖像。

通過向訓(xùn)練集添加更多的數(shù)據(jù)，可以消除虛假的偏差，但是，伴隨著數(shù)百萬(wàn)個(gè)參數(shù)和數(shù)千個(gè)條件檢查，反向傳播生成的“程序”會(huì)非常大，非常復(fù)雜，因此它們可以鎖定更細(xì)微偏差的組合。任何通過分配正確標(biāo)簽，來(lái)統(tǒng)計(jì)優(yōu)化目標(biāo)函數(shù)的方法都可以使用，不管是否與任務(wù)的“語(yǔ)義精神”有關(guān)。

這些網(wǎng)絡(luò)最終能鎖定“語(yǔ)義正確”的先驗(yàn)嗎？當(dāng)然可以。但是現(xiàn)在有大量的證據(jù)表明，這并不是這些網(wǎng)絡(luò)分內(nèi)之事。相反的例子表明，對(duì)圖像進(jìn)行非常微小的、無(wú)法察覺的修改就可以改變檢測(cè)結(jié)果。

研究人員對(duì)訓(xùn)練過的數(shù)據(jù)集的新示例進(jìn)行了研究，結(jié)果表明，原始數(shù)據(jù)集之外的泛化要比數(shù)據(jù)集內(nèi)的泛化弱得多，因此說明，網(wǎng)絡(luò)所依賴的給定數(shù)據(jù)集具有特定的低層特性。在某些情況下，修改單個(gè)像素就足以產(chǎn)生一個(gè)新的深度網(wǎng)絡(luò)分類器。

在某種程度上，深度學(xué)習(xí)最大的優(yōu)勢(shì)就是自動(dòng)創(chuàng)建沒有人會(huì)想到的特性能力，這同時(shí)也是它最大的弱點(diǎn)，因?yàn)榇蠖鄶?shù)這些功能至少在語(yǔ)義上看起來(lái)，可以說是“可疑的”。

什么時(shí)候有意義，什么時(shí)候沒有意義?

深度學(xué)習(xí)對(duì)于計(jì)算機(jī)視覺系統(tǒng)來(lái)說無(wú)疑是一個(gè)有趣的補(bǔ)充。我們現(xiàn)在可以相對(duì)容易地“訓(xùn)練”探測(cè)器來(lái)探測(cè)那些昂貴且不切實(shí)際的物體。我們還可以在一定程度上擴(kuò)展這些檢測(cè)器，以使用更多的計(jì)算能力。

但我們?yōu)檫@種奢侈付出的代價(jià)是高昂的：我們不知道深度學(xué)習(xí)是如何做出判斷，而且我們確實(shí)知道，分類的依據(jù)很可能與任務(wù)的“語(yǔ)義精神”無(wú)關(guān)。而且，只要輸入數(shù)據(jù)違反訓(xùn)練集中的低水平偏差，檢測(cè)器就會(huì)出現(xiàn)失效。這些失效條件目前尚且不為人知。

因此，在實(shí)踐中，深度學(xué)習(xí)對(duì)于那些錯(cuò)誤不是很嚴(yán)重，并且保證輸入不會(huì)與訓(xùn)練數(shù)據(jù)集有很大差異的應(yīng)用程序非常有用，這些應(yīng)用能夠承受5%以內(nèi)的錯(cuò)誤率就沒問題，包括圖像搜索、監(jiān)視、自動(dòng)化零售，以及幾乎所有不是“關(guān)鍵任務(wù)”的東西。

具有諷刺意味的是，大多數(shù)人認(rèn)為深度學(xué)習(xí)是應(yīng)用領(lǐng)域的一次革命，因?yàn)樯疃葘W(xué)習(xí)的決策具有實(shí)時(shí)性，錯(cuò)誤具有重大性，甚至?xí)?dǎo)致致命的結(jié)果，如自動(dòng)駕駛汽車，自主機(jī)器人（例如，最近的研究表明，基于深層神經(jīng)網(wǎng)絡(luò)的自主駕駛確實(shí)容易受到現(xiàn)實(shí)生活中的對(duì)抗性攻擊）。我只能將這種信念描述為對(duì)“不幸”的誤解。

一些人對(duì)深度學(xué)習(xí)在醫(yī)學(xué)和診斷中的應(yīng)用寄予厚望。然而，在這方面也有一些令人擔(dān)憂的發(fā)現(xiàn)，例如，針對(duì)一個(gè)機(jī)構(gòu)數(shù)據(jù)的模型未能很好地檢測(cè)另一個(gè)機(jī)構(gòu)數(shù)據(jù)。這再次印證了一種觀點(diǎn)：這些模型獲取的數(shù)據(jù)要比許多研究人員所希望的更淺。

數(shù)據(jù)比我們想象的要淺

出人意料的是，深度學(xué)習(xí)教會(huì)了我們一些關(guān)于視覺數(shù)據(jù)(通常是高維數(shù)據(jù))的東西，這個(gè)觀點(diǎn)十分有趣：在某種程度上，數(shù)據(jù)比我們過去認(rèn)為的要“淺”得多。

似乎有更多的方法來(lái)統(tǒng)計(jì)地分離標(biāo)有高級(jí)人類類別的可視化數(shù)據(jù)集，然后有更多的方法來(lái)分離這些“語(yǔ)義正確”的數(shù)據(jù)集。換句話說，這組低水平的圖像特征比我們想象的更具“統(tǒng)計(jì)意義”。這是深度學(xué)習(xí)的偉大發(fā)現(xiàn)。

如何生成“語(yǔ)義上合理”的方法來(lái)分離可視數(shù)據(jù)集模型的問題仍然存在，事實(shí)上，這個(gè)問題現(xiàn)在似乎比以前更難回答。

結(jié)論

深度學(xué)習(xí)已經(jīng)成為計(jì)算機(jī)視覺系統(tǒng)的重要組成部分。但是傳統(tǒng)的計(jì)算機(jī)視覺并沒有走到那一步，而且，它仍然可以用來(lái)建造非常強(qiáng)大的探測(cè)器。這些人工制作的檢測(cè)器在某些特定的數(shù)據(jù)集度量上可能無(wú)法實(shí)現(xiàn)深度學(xué)習(xí)的高性能，但是可以保證依賴于輸入的“語(yǔ)義相關(guān)”特性集。

深度學(xué)習(xí)提供了統(tǒng)計(jì)性能強(qiáng)大的檢測(cè)器，而且不需要犧牲特征工程，不過仍然需要有大量的標(biāo)記數(shù)據(jù)、大量GPU，以及深度學(xué)習(xí)專家。然而，這些強(qiáng)大的檢測(cè)器也會(huì)遭遇意外的失敗，因?yàn)樗鼈兊倪m用范圍無(wú)法輕易地描述(或者更確切地說，根本無(wú)法描述)。

需要注意的是，上面的討論都與“人工智能”中的AI無(wú)關(guān)。我不認(rèn)為像深度學(xué)習(xí)與解決人工智能的問題有任何關(guān)系。但我確實(shí)認(rèn)為，將深度學(xué)習(xí)、特性工程和邏輯推理結(jié)合起來(lái)，可以在廣泛的自動(dòng)化空間中實(shí)現(xiàn)非常有趣和有用的技術(shù)能力。

審核編輯：黃飛

?