曉查發自凹非寺
量子位報導 | 公眾號 QbitAI

今天，AI學術界發生了一場大地震。

YOLO演算法作者Joseph Redmon在個人Twitter上宣佈，將停止一切CV研究，原因是自己的開源演算法已經用在軍事和隱私問題上。這對他的道德造成了巨大的考驗。

YOLO是計算機視覺領域最知名的目標檢測演算法之一，也因為開源被業界廣泛採用。

作者Joseph Redmon曾憑藉該演算法獲得過2016年CVPR群眾選擇獎（People’s Choice Award）、2017年CVPR最佳論文榮譽獎（Best Paper Honorable Mention）。

YOLO及其改進演算法在學術圈被廣泛引用，Redmon三篇一作相關論文總引用量已經超過1萬。

這樣一位極具影響力的學者突然宣佈退出，不免令學術界感到震撼。

Fast.ai創始人Jeremy Howard就表達了自己的感受：“我之前從來沒見過這種事。”

一位法國科技公司的CTO表示，對Redmon的信念表示敬意。

Redmon過去張揚的個性可能為他今天的決定埋下了伏筆。

關於YOLO之父

Jeseph Redmon畢業於美國米德爾伯裡學院電腦科學專業，輔修數學。2013年進入華盛頓大學計算機專業攻讀碩士學位，繼而攻讀博士學位，直到2019年。

在此期間，他和導師Ali Farhadi共同提出並改進了YOLO演算法。

他的主要研究範圍是目標檢測、影像分類和模型壓縮。Redmon宣佈退出CV領域研究，基本上等於將來要另起爐灶。

他的個人簡歷畫風是這樣的：

Joseph Redmon過去的實習經歷也金光閃閃。

他曾在谷歌大腦實習，研究實時機器人抓握檢測。之後進入AI2（也就是後來的XNOR.ai）實習，提出了二元逼近卷積神經網路XNOR-Net，該演算法能夠減少在移動裝置上進行影像分類所需的計算量。

Redmon在2018年獲得Google博士獎學金，因為他更好、更快速地發展了用於實際應用的CV工具，而被授予“機器感知、語音技術和計算機視覺”類別的獎學金。

Redmon本人還登上過TED講臺，介紹快速識別物體的CV演算法。

快速的YOLO演算法

YOLO全稱是You Only Look Once（你只需看一次），從名稱上也能看出這種演算法速度快的優勢，因此在許多邊緣裝置上，YOLO演算法的使用十分廣泛。

與另一種著名的目標檢測演算法Fast R-CNN不同的是，YOLO採用“一步”的策略，同時生成目標物體的類別和位置。

YOLO演算法相比Fast R-CNN具有兩大優勢：

1、速度快：每秒45幀的檢測速率，可用在實時影片檢測中，在更小的模型上甚至達到155幀；

2、通用性好：在真實影像資料上訓練的網路，可以用在虛構的繪畫作品上。

但是YOLO也存在著一定的侷限性：正確率不如Fast R-CNN，每個方格中只能檢測一個物體，對於邊緣不規則的物體，將會影響到周圍物體的識別。

作者Redmon後來又在原始的YOLO技術上，發展出了YOLO9000、YOLOv3等演算法，擴充套件了檢測物體的種類、提高了模型的準確率。

Redmon突然的決定是否會影響今後YOLO的使用。關於這一點，暫時不必擔心。

作者只是宣佈退出CV研究，個人GitHub頁上的開源專案都沒有關閉。即使作者今後不再維護，考慮到YOLO巨大的影響力，開源社群的其他開發者今後也一定會繼續維護下去。

Redmon本人為YOLO演算法申請專利的可能性也不大，因為Redmon只是以此態度來表達對AI技術應用範圍的不滿，申請專利並不能阻止軍事和不道德的商業用途。

AI發展到今日，道德問題越來越明顯。

舊金山透過法律禁止警察在執法過程中使用人臉識別技術，曠視因為在課堂上使用AI監控技術被譴責，無不在警示AI別越界。

YOLO之父的退出是學術界對AI道德問題的又一記警鐘。

— 完 —