YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

作者: 晓查 2020-02-24 09:10:59

 本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

AI学术界发生了一场大地震。

YOLO算法作者Joseph Redmon在个人Twitter上宣布,将停止一切CV研究,原因是自己的开源算法已经用在军事和隐私问题上。这对他的道德造成了巨大的考验。

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

YOLO是计算机视觉领域最知名的目标检测算法之一,也因为开源被业界广泛采用。

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

作者Joseph Redmon曾凭借该算法获得过2016年CVPR群众选择奖(People’s Choice Award)、2017年CVPR最佳论文荣誉奖(Best Paper Honorable Mention)。

YOLO及其改进算法在学术圈被广泛引用,Redmon三篇一作相关论文总引用量已经超过1万。

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

这样一位极具影响力的学者突然宣布退出,不免令学术界感到震撼。

Fast.ai创始人Jeremy Howard就表达了自己的感受:“我之前从来没见过这种事。”

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

一位法国科技公司的CTO表示,对Redmon的信念表示敬意。

Redmon过去张扬的个性可能为他今天的决定埋下了伏笔。

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

关于YOLO之父

Jeseph Redmon毕业于美国米德尔伯里学院计算机科学专业,辅修数学。2013年进入华盛顿大学计算机专业攻读硕士学位,继而攻读博士学位,直到2019年。

在此期间,他和导师Ali Farhadi共同提出并改进了YOLO算法。

他的主要研究范围是目标检测、图像分类和模型压缩。Redmon宣布退出CV领域研究,基本上等于将来要另起炉灶。

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

他的个人简历画风是这样的:

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

Joseph Redmon过去的实习经历也金光闪闪。

他曾在谷歌大脑实习,研究实时机器人抓握检测。之后进入AI2(也就是后来的XNOR.ai)实习,提出了二元逼近卷积神经网络XNOR-Net,该算法能够减少在移动设备上进行图像分类所需的计算量。

Redmon在2018年获得Google博士奖学金,因为他更好、更快速地发展了用于实际应用的CV工具,而被授予“机器感知、语音技术和计算机视觉”类别的奖学金。

Redmon本人还登上过TED讲台,介绍快速识别物体的CV算法。

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

快速的YOLO算法

YOLO全称是You Only Look Once(你只需看一次),从名称上也能看出这种算法速度快的优势,因此在许多边缘设备上,YOLO算法的使用十分广泛。

YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探

与另一种著名的目标检测算法Fast R-CNN不同的是,YOLO采用“一步”的策略,同时生成目标物体的类别和位置。

YOLO算法相比Fast R-CNN具有两大优势:

1、速度快:每秒45帧的检测速率,可用在实时视频检测中,在更小的模型上甚至达到155帧;

2、通用性好:在真实图像数据上训练的网络,可以用在虚构的绘画作品上。

但是YOLO也存在着一定的局限性:正确率不如Fast R-CNN,每个方格中只能检测一个物体,对于边缘不规则的物体,将会影响到周围物体的识别。

作者Redmon后来又在原始的YOLO技术上,发展出了YOLO9000、YOLOv3等算法,扩展了检测物体的种类、提高了模型的准确率。

今后还能用YOLO吗

Redmon突然的决定是否会影响今后YOLO的使用。关于这一点,暂时不必担心。

作者只是宣布退出CV研究,个人GitHub页上的开源项目都没有关闭。即使作者今后不再维护,考虑到YOLO巨大的影响力,开源社区的其他开发者今后也一定会继续维护下去。

Redmon本人为YOLO算法申请专利的可能性也不大,因为Redmon只是以此态度来表达对AI技术应用范围的不满,申请专利并不能阻止军事和不道德的商业用途。

AI发展到今日,道德问题越来越明显。

旧金山通过法律禁止警察在执法过程中使用人脸识别技术,旷视因为在课堂上使用AI监控技术被谴责,无不在警示AI别越界。

YOLO之父的退出是学术界对AI道德问题的又一记警钟。

AI 数据 人工智能
上一篇:绿色机器人如何帮助环境可持续发展 下一篇:10倍!微软开源史上最大NLG模型,可训练1000亿参数的模型
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

“人脸识别第一案”终审判决来了

4月9日下午3点,“人脸识别第一案”在杭州市中级人民法院迎来二审判决。这桩案件起源于游客郭某因不满杭州野生动物世界将年卡用户入园方式从指纹识别升级到人脸识别,而以侵犯隐私权和服务合同违约为由将杭州野生动物世界告上法庭。

浙江日报 ·  12h前
人工智能的三个必要条件

2016年,AlphaGo下围棋战胜李世乭,大家都认为人工智能的时代到来了。人工智能也是同样的在一定的历史契机下,几个独立发展的领域碰巧合并在一起就产生了巨大的推动力。这一波人工智能发展的三个必要条件是:深度学习模型,大数据,算力(并行计算)。

麦教授说 ·  13h前
CPU比GPU训练神经网络快十几倍,英特尔:别用矩阵运算了

神经网络训练通常是 GPU 大显身手的领域,然而莱斯大学和英特尔等机构对 GPU 的地位发起了挑战。

机器之心 ·  1天前
树莓派驱动,MIT打造的寄居蟹机器人「能做任何事」

如何能让动作有限的机器人掌握无数种能力?MIT 研究者们从会换住所的寄居蟹那里得到灵感,开发出了换壳机器人。

机器之心 ·  1天前
人工智能在物流运输中的未来作用

随着物流和货运组织变得越来越数字化,企业将能够收集越来越多的关于其客户、供应链、交货、车队、司机等方面的数据。

Cassie ·  1天前
100天搞定机器学习:模型训练好了,然后呢?

佚名 ·  1天前
人工智能技术的起点与终点

佚名 ·  1天前
企业在应用人工智能时不可不知的5个误区

研究表明,70%以上的企业如今将人工智能视为游戏规则的改变者。然而,目前使用人工智能或计划很快使用人工智能的企业不到40%。人们对人工智能重要性的认识差距仍然很大,以下是五个关于人工智能的常见误区或误解。

Geertrui Mieke ·  1天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载