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

AI人工智能在2020年的7个发展趋势

随着对其他AI应用程序需求的增长,企业将需要投资有助于其加快数据科学流程的技术。然而:实施和优化机器学习模型只是数据科学挑战的一部分。

CDA数据分析师 ·  1天前
物联网和机器人如何协同工作

很显然,机器人和物联网是两个完全不同的领域。但是,毫无疑问,它们正在协同工作,因为彼此都在帮助对方发展和创新。

iothome ·  1天前
腾讯和清华发表新基建领域最新成果:数据中心电池设备AI诊断服务

近日,腾讯数据中心与清华大学自动化系智网中心团队的贾庆山老师合作论文被第21届IFAC国际自动控制世界大会录取。

佚名 ·  1天前
哈工大造出柔性机器人,人造肌肉能和象鼻一样灵活了!

近日,国际著名期刊 Soft Robotics 刊登了哈尔滨工业大学冷劲松教授团队与美国马里兰大学 Norman M. Wereley 教授团队的共同研究成果,题为 Novel Bending and Helical Extensile/Contractile Pneumatic Artificial Muscles Inspired by Elephant Trunk(受象鼻启发的新型弯曲螺旋可伸展/收缩气动人工肌肉)。

付静 ·  1天前
机器人警察正在将虚幻变成现实

配备了人工智能、计算机视觉、物联网和其他先进技术的机器人警察可以帮助维护法律和秩序,并确保社区安全。

iothome ·  2天前
宫崎骏动画里的新垣结衣见过没?这个开源动漫生成器让你的照片秒变手绘日漫

随手拍张照片,顺势转换为宫崎骏、新海诚等日漫大师的手绘风格作品,这个专门生成动漫图像的 GAN,实测很好用。

肖清、思 ·  2天前
“阿凡达”式脑-脑接口性能提升 2-3 个数量级

脑-脑接口这一概念,看过科幻电影《阿凡达》的人可能有点印象。在电影中,地球上的人可以通过脑对脑的直接信息传递,远程控制潘多拉星上经基因改造的蓝色类人生物 Na'vi 族。

付静 ·  2天前
从零开始构建简单人工神经网络:1个隐藏层

我们在本文中将构建一个有1个输入层、1个隐藏层和1个输出层的神经网络。我们会看到,我们构建的神经网络能够找到非线性边界。

布加迪 ·  2天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载