The Worlds I See

Тем временем нам предстояло преодолеть обычную батарею препятствий. Масштаб, конечно, был неизбежным вызовом. Но на этот раз мы были готовы. После ImageNet мы привыкли к головной боли, которую влечет за собой компиляция такого объема данных. Мы изучили такие сайты, как Craigslist, Cars.com, Edmunds и другие онлайн-площадки, чтобы получить обучающий набор изображений, охватывающий практически все уникальные разновидности автомобилей на дорогах в 2014 году - все 2 657 из них - и направили его в самые большие и точные классификаторы, которые когда-либо создавали. Мы также задействовали поток изображений Google Street View, заполнив наши серверы фотографиями проспектов, бульваров, углов, перекрестков и тупиков, пересекающих всю страну. В нашей лаборатории собирался еще один микрокосм мира, и уже скоро мы сможем заглянуть в него напрямую, открыв все секреты, которые он хранит.

Однако эти секреты не раскрылись бы без борьбы. Поскольку мы намеревались использовать автомобили в качестве косвенного инструмента для изучения более широких социально-экономических вопросов - соотнесения их с такими аспектами личности их владельцев, как доход, образование и род занятий, - нам пришлось столкнуться с тем, что резкие различия в денежной стоимости часто приводят лишь к незначительным различиям во внешнем облике. Поэтому, хотя мы без труда отличали седан Cadillac от пикапа Toyota, ранние эксперименты показали, что "наивно" обученный классификатор может с легкостью принять Cadillac за, скажем, Honda Accord, особенно если автомобили окрашены в похожие цвета - именно такой ошибки мы стремились избежать. Еще сложнее было отличить Cadillac ATS от CTS, не говоря уже о бесчисленных вариациях внутри каждого модельного ряда. Особенно сложной нам показалась концепция уровней отделки, поскольку пакеты опций на общую сумму в тысячи долларов, а иногда и больше, зачастую влекли за собой лишь незначительные изменения в стиле кузова и шильдике автомобиля.

"Прежде чем мы прервемся, у меня есть идея, которой я хочу поделиться".

Наше еженедельное совещание по проекту Street View подходило к концу, когда заговорил аспирант по имени Тимнит Гебру. Мы собрались в моем кабинете - маленьком, узком прямоугольнике на третьем этаже здания Gates Computer Science Building - помещении, соответствующем академическому стереотипу: тесная каморка, усугубленная грудами книг, бумаг и безделушек, которые сыплются с полок и ползут к центру комнаты. Уютно устроившись на ярко-красном диване в обрамлении беспорядка со всех сторон, наша команда студентов, состоящая теперь из трех человек.

"Итак, идея состоит в том, чтобы применить наши классификаторы изображений ко всем этим снимкам Street View, отследить все модели автомобилей, которые мы можем, и посмотреть, какие закономерности они выявляют, верно? Я тут покопался, и мне кажется, мы нашли идеальный способ сделать это".

Тимнит была самой младшей из троицы студентов, работавших над проектом, но она была целеустремленной до такой степени, что это придавало ей грозное присутствие. Несмотря на невысокий рост, как и у меня, ее уверенность в себе и ораторские способности позволяли ей без труда командовать в комнате. А поскольку Цзя защищал кандидатскую диссертацию, а Джон жонглировал множеством других проектов, Тимнит без колебаний взяла инициативу в свои руки.

Впервые мы встретились примерно за год до этого, когда она посетила один из моих продвинутых семинаров. Она была аспиранткой третьего года обучения по специальности "электротехника" и практически не занималась вопросами ИИ. Но она сразу же произвела на меня впечатление - не только потому, что была единственной чернокожей женщиной, получающей степень доктора технических наук, но и потому, что ее готовность задавать вопросы демонстрировала жажду учиться, которую преподаватели сразу же замечают. Когда она предложила присоединиться к лаборатории, я без колебаний согласилась, отказавшись даже от таких элементарных формальностей, как рекомендательные письма.

Я услышал в ее голосе убежденность, когда она продолжила. "Это Бюро переписи населения США. Каждый год они проводят общенациональный опрос под названием ACS - American Community Survey - и отслеживают массу социологической информации о регионах по всей стране".

"И вы предлагаете включить это в наш анализ?"

"Возможности просто безграничны. Перепись населения - это абсолютный кладезь данных, организованных по районам, округам, штатам и даже избирательным участкам. Но на ее сбор уходит так много времени и сил. Представляете, как соотнести все это с объектами, которые находят наши классификаторы?"