機器之心報導
參與：澤南、張倩、蛋醬
我們可能看不到根紅苗正的 YOLO v4 面世了。
「YOLO 之父」Joseph Redmon 宣佈退出計算機視覺領域了！這個剛剛出現的訊息著實讓人工智慧界感到驚訝。
在社交網路上，這位 YOLO 等知名 AI 演算法的發明者昨天突然宣告：出於道德上的考慮，他決定停止一切有關計算機視覺的研究。
在 AI 領域，這還是第一次。
推文連結：
在有關「不應該發表的重要研究」的長篇討論中，Redmon 現身發表了自己的看法：「我現在已經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，但我已經無法忽視它在軍事領域的應用以及給個人隱私帶來的風險。」
他還表示，一些學者的想法是錯誤的，他們認為，「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。」
「儘管在大學階段我們一直被灌輸科學研究是中立的，無論其內容如何。但如果我們認真考慮廣泛的影響，則基本所有面部識別工作都不應被發表：它們幾乎不會帶來好處，盡是負面風險。」
為什麼突然有了這樣一番話？一切討論似乎都是由最近人工智慧頂會 NeurIPS 2020 的全新論文接收標準引發的。
在今年正在進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「廣泛影響宣告」：
在 NeurIPS 2020 大會官網論文提交指南中，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檔案中加入新的討論部分，闡述其新工作可能產生的廣泛影響，包括一些可能造成的正面和負面社會影響。
近年來，隨著 AI 領域的快速發展，人們對於科技的思考也越來越多。投向 NeurIPS 的新研究，顯然代表了人工智慧領域最先進的技術。但新科技對於社會發展的影響，或許是科學家們此前有所忽略的地方。不過有關研究廣泛影響的考量竟讓計算機視覺領域的大牛選擇隱退江湖，著實讓人驚訝。
Redmon 和快到沒朋友的 YOLO
說到 YOLO，相信每個計算機視覺從業者都不陌生。它是一種非常常用的目標檢測演算法，任務是找出影像中我們感興趣的目標，確定其大小和位置並識別出具體是哪個物件。從自動駕駛到人臉識別，很多日常生活中的常見任務都離不開這種演算法。
YOLO 模型最早是由 Joseph Redmon 等人在 2015 年提出的，並在隨後的幾篇論文中進行了修訂。
YOLO 目標檢測演算法。圖源：。
Faster R-CNN 及在其基礎上改進的 Mask R-CNN 在例項分割、目標檢測、人體關鍵點檢測等任務上都取得了很好的效果，但通常較慢。而 YOLO 的創新之處在於，它提出了 one-stage，即目標定位和目標識別在一個步驟中完成，是名副其實的「You Only Look Once」。
由於 YOLO 只使用單個網路，因此可以直接在檢測效能上進行端到端最佳化，使得基礎 YOLO 模型能以每秒 45 幀的速度實時處理影像。YOLO 的一個小規模版本——Fast YOLO 可以達到每秒 155 幀的處理速度。
YOLO 有著讓人驚豔的速度，同時也有讓人止步的缺陷：不擅長小目標檢測。為了彌補這一缺陷，2018 年，Redmon 等人釋出了 YOLO v3。這一新版本保持了 YOLO 的速度優勢，提升了模型精度，尤其加強了小目標、重疊遮擋目標的識別，補齊了 YOLO 的短板，是目前速度和精度均衡的目標檢測網路。
研究者們對於 YOLO 下一個版本的展望主要在於三個方面：更高的識別準確率、更加廣泛的實時監測，以及更輕量化的模型。在 GitHub 上，人們對於 v4 版本什麼時候出的問題，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 年度谷歌博士獎學金的獲得者，理由是在「創造更快、更好、更有用的計算機視覺應用工具」方面的貢獻。
Redmond 曾在 TED 上向人們介紹計算機視覺技術的發展。
Redmon 曾在艾倫人工智慧研究所實習（後孵化出初創公司 XNOR.ai，該公司現已被蘋果收購），當時參與的是 XNOR-Net 開發工作。在此之前，他也曾在谷歌大腦有過實習經歷。
當然，他最有名的個人專案還是 YOLO，這一成果最早在論文《You Only Look Once: Unified, Real-Time Object Detection》中進行了詳細介紹，文章也獲得了 CVPR 2016「OpenCV People's Choice Award」獎項；Redmon 與導師合著的論文《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面影響就應該停止研究嗎？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 認為，研究者不應該因為自己的工作可能帶來負面影響而停止研究。相反，你應該利用自己在該領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。
不少人表達了相似的見解。有人認為，你停止研究並不代表別人也會停。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論。這個方向不會因你而停滯不前，而且，繼續做研究的人道德水平可能並不如你。所以，與其讓一個不瞭解這一領域潛在危害的人來引領發展方向，還不如這一領域最清楚利弊的人繼續做。
當然，也有人有不同意見，認為「如果這件事從本質上就是錯的，那你永遠也無法找出一種正確的做法。」
從這個邏輯上來說，如果某個方向有潛在危害，這個領域的專家不僅應該停止研究，更應該站出來，成為阻止這種研究方向的意見領袖。
很多技術都是一把雙刃劍，它們的出現推動著人類社會的發展，但也伴隨著倫理、道德問題的討論。諾貝爾後悔發明了炸 藥，但我們今天開山修路卻離不了它。在這種道德困境下，科學家應該如何做選擇？簡單的討論恐怕很難回答這一問題。
在討論區，也有人給出了下一步的職業建議，認為 Redmon 可以進入醫療 CV 領域。這一領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。