「YOLO 之父」Joseph Redmon 宣布退出計算機視覺領(lǐng)域了！這個剛剛出現(xiàn)的消息著實讓人工智能界感到驚訝。

　　在社交網(wǎng)絡(luò)上，這位 YOLO、XNOR-Net 等知名 AI 算法的發(fā)明者昨天突然聲明：出于道德上的考慮，他決定停止一切有關(guān)計算機視覺的研究。 在 AI 領(lǐng)域，這還是第一次。

　　推文鏈接：https://twitter.com/jeremyphoward/status/1230610470991589376

　　在有關(guān)「不應(yīng)該發(fā)表的重要研究」的長篇討論中，Redmon 現(xiàn)身發(fā)表了自己的看法：「我現(xiàn)在已經(jīng)停止了計算機視覺研究，因為我看到了自己工作造成的影響。我熱愛自己的作品，但我已經(jīng)無法忽視它在軍事領(lǐng)域的應(yīng)用以及給個人隱私帶來的風(fēng)險?！?他還表示，一些學(xué)者的想法是錯誤的，他們認(rèn)為，「我們不必考慮新研究的社會影響，因為這很困難，而且其他人也會幫我們做?！?「盡管在大學(xué)階段我們一直被灌輸科學(xué)研究是中立的，無論其內(nèi)容如何。但如果我們認(rèn)真考慮廣泛的影響，則基本所有面部識別工作都不應(yīng)被發(fā)表：它們幾乎不會帶來好處，盡是負(fù)面風(fēng)險。」 為什么突然有了這樣一番話？一切討論似乎都是由最近人工智能頂會 NeurIPS 2020引發(fā)的。 在今年正在進(jìn)行的大會論文提交過程中，除了提前截稿、提前拒稿，讓論文作者當(dāng)審稿人等一系列新操作之外，還有一條就是必須提交「廣泛影響聲明」：

　　在 NeurIPS 2020大會官網(wǎng)論文提交指南中，論文評審重大變化的第五條。 NeurIPS 2020候選論文的作者被要求在他們提交論文的文件中加入新的討論部分，闡述其新工作可能產(chǎn)生的廣泛影響，包括一些可能造成的正面和負(fù)面社會影響。 近年來，隨著 AI 領(lǐng)域的快速發(fā)展，人們對于科技的思考也越來越多。投向 NeurIPS 的新研究，顯然代表了人工智能領(lǐng)域最先進(jìn)的技術(shù)。但新科技對于社會發(fā)展的影響，或許是科學(xué)家們此前有所忽略的地方。不過有關(guān)研究廣泛影響的考量竟讓計算機視覺領(lǐng)域的大牛選擇隱退江湖，著實讓人驚訝。 Redmon 和快到?jīng)]朋友的 YOLO 說到 YOLO，相信每個計算機視覺從業(yè)者都不陌生。它是一種非常常用的目標(biāo)檢測算法，任務(wù)是找出圖像中我們感興趣的目標(biāo)，確定其大小和位置并識別出具體是哪個對象。從自動駕駛到人臉識別，很多日常生活中的常見任務(wù)都離不開這種算法。 YOLO 模型最早是由 Joseph Redmon 等人在2015年提出的，并在隨后的幾篇論文中進(jìn)行了修訂。

　　YOLO 目標(biāo)檢測算法。圖源：https://arxiv.org/pdf/1506.02640.pdf。

　　Faster R-CNN 及在其基礎(chǔ)上改進(jìn)的 Mask R-CNN 在實例分割、目標(biāo)檢測、人體關(guān)鍵點檢測等任務(wù)上都取得了很好的效果，但通常較慢。而 YOLO 的創(chuàng)新之處在于，它提出了 one-stage，即目標(biāo)定位和目標(biāo)識別在一個步驟中完成，是名副其實的「You Only Look Once」。 由于 YOLO 只使用單個網(wǎng)絡(luò)，因此可以直接在檢測性能上進(jìn)行端到端優(yōu)化，使得基礎(chǔ) YOLO 模型能以每秒45幀的速度實時處理圖像。YOLO 的一個小規(guī)模版本——Fast YOLO 可以達(dá)到每秒155幀的處理速度。 YOLO 有著讓人驚艷的速度，同時也有讓人止步的缺陷：不擅長小目標(biāo)檢測。為了彌補這一缺陷，2018年，Redmon 等人發(fā)布了 YOLO v3。這一新版本保持了 YOLO 的速度優(yōu)勢，提升了模型精度，尤其加強了小目標(biāo)、重疊遮擋目標(biāo)的識別，補齊了 YOLO 的短板，是目前速度和精度均衡的目標(biāo)檢測網(wǎng)絡(luò)。 研究者們對于 YOLO 下一個版本的展望主要在于三個方面：更高的識別準(zhǔn)確率、更加廣泛的實時監(jiān)測，以及更輕量化的模型。在 GitHub 上，人們對于 v4版本什么時候出的問題，得到的答案一直是「coming soon」。 一直以來，Joseph Redmon 跟隨 Allen School 教授 Ali Farhadi 從事計算機視覺研究，他是2018年度谷歌博士獎學(xué)金的獲得者，理由是在「創(chuàng)造更快、更好、更有用的計算機視覺應(yīng)用工具」方面的貢獻(xiàn)。

　　Redmond 曾在 TED 上向人們介紹計算機視覺技術(shù)的發(fā)展。Redmon 曾在艾倫人工智能研究所實習(xí)（后孵化出初創(chuàng)公司 XNOR.ai，該公司現(xiàn)已被蘋果收購），當(dāng)時參與的是 XNOR-Net 開發(fā)工作。在此之前，他也曾在谷歌大腦有過實習(xí)經(jīng)歷。 當(dāng)然，他最有名的個人項目還是 YOLO，這一成果最早在論文《You Only Look Once: Unified, Real-Time Object Detection》中進(jìn)行了詳細(xì)介紹，文章也獲得了 CVPR 2016「OpenCV People's Choice Award」獎項；Redmon 與導(dǎo)師合著的論文《YOLO9000: Better, Faster, Stronger》獲得 CVPR 2017最佳論文榮譽提名獎。 To be or not to be? 自己的工作對社會有潛在的負(fù)面影響就應(yīng)該停止研究嗎？在 Redmon 的推文底下，大家展開了一番討論。 前谷歌大腦機器人研究專家 Kevin Zakka 認(rèn)為，研究者不應(yīng)該因為自己的工作可能帶來負(fù)面影響而停止研究。相反，你應(yīng)該利用自己在該領(lǐng)域的影響力來提高人們的警惕，將研究成果用在正確的地方。

　　不少人表達(dá)了相似的見解。有人認(rèn)為，你停止研究并不代表別人也會停。以愛因斯坦的相對論為例，其他人幾乎也同時得出了相同的結(jié)論。這個方向不會因你而停滯不前，而且，繼續(xù)做研究的人道德水平可能并不如你。所以，與其讓一個不了解這一領(lǐng)域潛在危害的人來引領(lǐng)發(fā)展方向，還不如這一領(lǐng)域最清楚利弊的人繼續(xù)做。

　　當(dāng)然，也有人有不同意見，認(rèn)為「如果這件事從本質(zhì)上就是錯的，那你永遠(yuǎn)也無法找出一種正確的做法?！?/p>

　　從這個邏輯上來說，如果某個方向有潛在危害，這個領(lǐng)域的專家不僅應(yīng)該停止研究，更應(yīng)該站出來，成為阻止這種研究方向的意見領(lǐng)袖。

　　YOLO之父退出CV界，稱因無法接受其研究成果負(fù)面影響

　　很多技術(shù)都是一把雙刃劍，它們的出現(xiàn)推動著人類社會的發(fā)展，但也伴隨著倫理、道德問題的討論。諾貝爾后悔發(fā)明了炸藥，但我們今天開山修路卻離不了它。在這種道德困境下，科學(xué)家應(yīng)該如何做選擇？簡單的討論恐怕很難回答這一問題。 在討論區(qū)，也有人給出了下一步的職業(yè)建議，認(rèn)為 Redmon 可以進(jìn)入醫(yī)療 CV 領(lǐng)域。這一領(lǐng)域目前還有很多待解決的問題。

　　不知 Joseph Redmon 和 YOLO 的未來將何去何從。