作者 | Annie Xu

采访、责编 | Eric Wang

出品丨GOSIM 开源创新汇
 

Gary Bradski，旺盛的好奇心、敢于冒险的勇气、独到的商业视角让他成为计算视觉、自动驾驶领域举重若轻的奠基者。

Gary 曾加入 Stanley 的团队，帮助其赢得 2005 年美国穿越沙漠 DARPA 机器人挑战大赛桂冠，他们的获奖车辆至今还陈列在史密森学会-美国国家博物馆。而大赛中所用到的技术，也为后来 Google 的自动驾驶奠定了重要基础。

计算视觉领域的混乱规则让他萌生了建立统一、简洁视觉数据库的想法，从零到一创建了 OpenCV——目前全球应用最广、最知名的开源组织。

此外，他还有独到的投资视角，参与了许多科技领域的创业和投资。Lambda Labs——他的投资之一——一家处于谷歌、亚马逊等巨头之间的云服务公司，价值几十亿美元，已经实现盈利。

面对如何解决 AI 发展“灾难性遗忘”的困境和高昂的训练成本，他给出”世界模型“和模仿”生物的持续学习机制“的解法。

本届 GOSIM CHINA 2024 大会中，Gary 带来了《OpenCV 与空间智能》的精彩演讲。会后，GOSIM 对话栏目 Open AGI Forum 特别邀请到 Gary Bradski，由 CSDN 资深科技编辑 Eric Wang 独家对话，分享 Gary 对创业、计算机视觉、自动驾驶和 AI 领域的深刻洞察。

Gary 的精彩观点摘录：

• 睡眠可能在生物的学习过程中扮演着“清理”外部噪音的作用，从而帮助组织和结构化知识。

• 你在睡梦中身处一个世界，醒来后，梦并未结束，而你连接了外部的数据源，世界模型正是通过输入并匹配外部感知而形成的。

• 人类还会建模世界的因果关系，换句话说，即“世界的物理法则”。所以不仅仅是“是什么”（WHAT）和“在哪里”（WHERE），还会有“为什么”（WHY）的系统。我将 AI 模型与 3D 系统结合，让摄像头拍摄的图像不仅能识别“是什么”，还能判断“在哪里”。

• 现阶段大多数模型的成功模式是基于大型语言模型的微调，重构一个全新的更接近生物学习机制的AI系统可以尝试SLAM（同步定位与地图构建）：实现同步定位与地图构建，让机器人在探索环境的同时适应环境中的变化，遇到移动的物体时作出相应变化，实现不断的学习。

• 从安全角度来看，建立一个统一的数据库，记录每辆自动驾驶汽车在运行中遇到的异常情况，每次更新软件时，车企必须在模拟环境中经过所有已知和新记录的情境测试，确保在一百万英里内无事故才能在真实环境中部署新软件。

以下是本次采访的主要内容：

创建 OpenCV：风险与机遇并存

Eric Wang：您以前曾说，创建 OpenCV 的动机是减少重复工作并提高计算机视觉领域的整体效率。那么在创建 OpenCV 之初是否遇到过阻力？如果有，又是如何克服的？

Gary Bradski：确实遇到过很多阻力。当时 Intel 的目标是让人们不再需要新的计算机：已经有足够的计算资源可以完成文字处理和电子表格的需求，为什么还需要新的机器？但我认为，AI 和视觉处理对计算资源的需求是无限的。当时计算机视觉领域非常混乱，每个人都有自己的代码库，科学研究是无法重复的，你甚至无法验证别人研究的真实性。我认为应该提供一个稳定的基础。创建过程中，我也确实遇到了很多阻力，多次差点被 Intel 开除。

没有得到上层管理者同意下，我直接指挥其他人进行相关研究，这样做确实冒了很大风险，但进展斐然。当然，我并不推荐其他人也这样做，并不是每个人都愿意或能够承受这样的风险。

在 DARPA 的无人驾驶大赛上，他们认为我干扰了其他团队：其他人也想加入我的项目，结果没办法完成他们自己的任务。我的上司大发雷霆，于是我离开了公司，开始专注于无人驾驶项目。有些人担心被解雇退出了项目，但留下来的人成为了改变世界的一份子。

Eric Wang： 您曾提到想组织一个新型的机器人竞赛，关注现实世界中的任务，如种植粮食、修路等。那么，这类竞赛应该包含哪些要素？您希望通过这些竞赛达成哪些具体目标？

Gary Bradski：竞赛的举办主要取决于资金。聘请评委以及组织相关活动都需要花钱，因此我们希望找到赞助商来赞助比赛。关于比赛内容方面，我希望能够举办一些更真实、有意义的比赛。如果竞赛只是让机器人跑来跑去收拾茶杯，有什么意义呢？或者分析网页上的图像，类似的比赛已经有很多了，成功了又能带来什么不同呢？

截至目前，还没有完全实现自己的想法，我设想的是：让机器人自动种植农作物，或是记录农作物数据，从而测试不同植物品种适应气候的方式。现在这些工作大多是由相关专业的学生手动完成的，成本很高。我们是否可以设置一个监控农作物的挑战？这能够帮助植物更好地适应气候变化，甚至可能挽救数十亿人的生命，这是一个非常有影响力的、更好的挑战赛。另一方面，要提供给人们一个像 OpenCV 这样的平台来构建。不仅可以帮助分析成果，而且基于一个通用的平台，可以将竞争提升到一个更高的层次，而不是每个人都在重复基础性的工作，毫无意义。

Eric Wang：您曾表示 OpenCV 需要稳定的资金支持，尤其是来自政府的资金支持。目前 OpenCV 的主要资金来源是什么？是否有计划引入新的筹资模式，比如企业赞助或社区捐款？

Gary Bradski：筹资的情况不太理想。我认为中国在这方面更好，对开源项目的支持更多。在美国，更类似于“自由竞争”，并不在意你的生存状况：如果你失败了，那就太糟糕了；如果你成功了，那很好。为了社会的整体利益，我希望能有更多支持。我们现有的赞助方主要是 Google 等公司。相对而言，Facebook 会发布开源项目，但他们没有对开源项目的拨款。

我们正在努力争取政府的资助，比如写提案尝试资助申请，但目前我们只能依靠筹集资金。我们还计划推出一个空间智能平台并对其收费，——不是是完全免费的和开源的，而是便宜和开放的。假设每月只收一美元，应该不会阻碍任何人开发吧？这不会产生巨额收入，但足够维持一个稳定的开发者团队。每年我们都在筹资支付开发者的薪资，目前我们有少数核心开发者，和大量的贡献者。但如果没有付费开发者在核心位置把关，就无法确定什么可以加入或删除，从而对库做出真正的贡献。总之，我希望有更好的支持。

Eric Wang： OpenCV 在向大量用户传授计算机视觉知识方面发挥了重要作用，您如何看待它在计算机视觉和机器人领域方面的影响？希望它能进行哪些改进或新功能，以进一步增强其教育价值？

Gary Bradski：OpenCV 的一大收入来源是“OpenCV University”（OpenCV 大学），它的课程内容远不止 OpenCV，侧重于 PyTorch、人工智能、生成网络，以及计算机视觉的大量内容。这些课程每年至少能带来十万美元的收入。当然，课程开发也需要大量投入。

在教育领域，我想设计一个针对 OpenCV 的语言模型，你可以直接与它对话来获取 OpenCV 所有代码库的内容。可以问它“我该如何解决这个问题？”或者“你能推荐一个适用的算子吗？”我希望实现这个功能。

我们即将发布的 OpenCV 5.0 会把所有内容提升到 C++ 标准，即 C++ 17.0。这将进一步优化代码，并提高代码的一致化水平。简而言之，现在我们更专注于嵌入式设备。学生可以用一些零件自己做一些东西，而不需要依赖大型云服务，我觉得这很有趣。

Eric Wang： OpenCV 如何补充或竞争其他计算机视觉领域的工具和库？

Gary Bradski： 在传统的计算机视觉领域，我认为没有太多竞争对手了。许多竞争者发展得并不持久。不过，现在 PyTorch、TensorFlow 和其他库正在扩展语言、视觉等领域的市场空间。而我们专注于 DNN（深度神经网络）模块，并努力简化、优化推理过程。

我在演讲中展示了一个只需几行 Python 代码就能完成面部检测或者其他 AI 功能的示例。也试图构建其他成功的 AI 工具，比如空间 AI 工具箱，我希望它能成为一个非常简单的框架，实现 3D 场景中的 AI。

Eric Wang：在您开发 OpenCV 和研究计算机视觉的过程中，关于人类或动物视觉学习的方面有哪些让您感到惊讶的地方？

Gary Bradski：一旦深入了解视觉系统，你会发现像果蝇这样的小生物视觉能力令人惊叹。另一个令人惊讶的点是动物的视觉系统差异极大。比如我们给猫看视频，它们的视觉系统反应速度更快，因此视频在它们眼里可能更像是一张张静止的卡片，而不是连贯的画面。

Eric Wang：比如狗是色盲。

Gary Bradski：是的，动物的视觉差异很大。人类的色觉非常丰富，鸟类则更丰富，而大多数动物的色觉较差。而一些虾类，比如螳螂虾，它们的色觉甚至比人类和鸟类还丰富。不同动物的视觉系统适应了它们的环境，比如猫的视觉更适合夜间弱光环境，因此它们对亮色不敏感，但对快速运动的物体非常敏锐。所以，当你给猫看视频，它可能只看到静止的画面，而不是动态的影像。

Eric Wang：将空间智能的研究理念转化为可行的产品，有哪些关键步骤？您是如何解决学术研究与实际应用之间的差距呢？

Gary Bradski：这个问题涉及到学术和商业的转化。我确实取得了一些商业上的成功，通常的做法是加速产品应用，增加用户参与，同时保持产品的简洁。OpenCV 发展起来时，市场上已经有其他的图像库了，但它们采用的是复杂的 C++结构，我只想通过简单的函数来完成特定的功能，这样开发出来的工具很简单。Python 在 AI 领域占据主导地位，不是因为它多优秀，而是因为它容易上手。

商业方面，判断力非常重要。我最成功的一笔投资是 Lambda Labs，一家处于谷歌、亚马逊等巨头之间的云服务公司，处于行业中游。它已经实现盈利，价值几十亿美元。他的创始人执行力很强，专注于业务，不追求理论和模型，而是关注电容器的成本，把机器保持在低成本范围内。在我看来，务实十分重要。接下来，是要尽快推出一个简易版本观察市场反馈。

解决 AI“灾难性遗忘”的关键：世界模型

Eric Wang：盲人可以通过非视觉方式识别形状，并将触觉转换为对长度和形状的直观理解。虽然这个过程似乎快速且自动，有点类似于丹尼尔·卡尼曼所提出的“系统 1”概念，但实际上它涉及到一整套复杂的自动化过程，盲人理解世界的过程是经过长期训练形成的。机器人则是通过各种传感器感知周围环境，并通过算法整合来构建 3D 模型——这个过程在逻辑性和计算性上表面上反倒类似于“系统 2”。

卡尼曼后来指出，人工智能行业对他的某些心理学概念存在误解：“系统 1”的特点是自动化，但不仅仅是速度，还包含复杂的因果推理。

您认为机器人是否可能发展出一种如人类“系统 1” 一样自动化且具有丰富特征的空间感知能力？

Gary Bradski：我们都生活在物质世界中，而物质世界正是在感知中运转的。在我看来，目前机器人和人类，或者说或动物之间存在的主要区别在于人类拥有丰富的世界模型。例如，你在睡梦中身处一个世界，你醒来后，梦并未结束，而你连接了外部的数据源，世界模型正是通过输入并匹配外部感知而形成的。

低等动物的世界模型十分简单，可能只会根据刺激做出一些简单的反应，比如鱼在刺激因素下游来游去。随着大脑复杂度的提升，我们逐渐形成了一个能够预测因果的世界模型，获得了对世界稳定的感知。目前，机器人领域还没有搭建起这样的世界模型，甚至还没有找到一个好的方式去搭建，我认为这是两者的主要区别。

Eric Wang：您曾讲过，人类通过结构化课程学习，而 AI 依赖随机采样，这会导致 AI 面临“灾难性遗忘”的问题。您认为睡眠和生物学习机制可能是解决这个问题的关键。基于此，您能否详细阐述一下为什么您认为理解生物学习机制，尤其是睡眠的作用，对 AI 发展如此重要？睡眠在缓解灾难性遗忘方面可能起什么具体作用？

Gary Bradski：神经网络存在“灾难性遗忘”的问题，即在训练过程中，所有信息被平均对待。这与人类学习的方式不同。我不会在教你“1+1=2”之后，立刻讲解量子物理或水螅眼睛的生物学结构，对吧？人类学习是以某种基础结构来构建知识体系的。在这一结构中，人类可以终生学习，而且所有生物都拥有“睡眠”。“睡眠”对生物体来说是一种极其危险的状态——在睡眠中，生物是无意识的，无法作出回应、保护自己或逃跑。因此，睡眠在学习和知识结构化中可能具有某种不可避免的基础作用，这在数学上可能是个必然性。

我可以想到一些可能的解释，比如在生物的发育过程中，我们经历了不同的阶段，在某些阶段你能学到特定的知识，随后这些知识就变得固定了。例如，如果在某个关键期后你没有看到任何垂直线条，那么以后你将再也无法学习辨识它们。这是为什么呢？因为学习需要形成某种基础结构，用来真正地表示知识。生物的知识构建方式是分层的。学习过程是先固定一些基础知识，随后在此基础上逐步构建新的层级。我猜测睡眠可能在这个过程中扮演着“清理”外部噪音的角色，从而帮助组织和结构化知识。虽然还没有确凿证据，但所有生物都需要睡眠，这可能是与它在学习中发挥某种重要的作用有关。

Eric Wang：那您认为当前技术发展的瓶颈是什么？

Gary Bradski：在发展 AI 或者世界模型方面，我们还没有找到一种合适的方式，大家都还在尝试，如李飞飞的 World Labs 公司，但目前并没有探索出一种合适的路径。

深度神经网络的问题在于它可能引发灾难性遗忘，与其完全相反的是，人类的学习模式是持续的。人类通过建立一个学习体系，系统性学习，首先是学习简单的内容，而后一步步深入复杂的内容。而机器学习更像是把所有知识放在一个桶里，随机抽取。

在训练一个模型时，如果直接增加新的学习，就会对原有的数据造成破坏。因此，如果要添加新的内容，就必须重新将所有知识放回去，并重新进行训练，训练费用十分昂贵。世界在不断变化，新的事物不断加入，一切都会发生改变，持续学习是十分必要的，是搭建世界模型的必要条件。如果无法实现持续学习，就无法真正构建世界模型。总而言之，灾难性遗忘和持续学习是尚未解决的两大挑战。

Eric Wang：您能具体描述一下 WHAT-WHERE-WHY 系统吗？它似乎与李飞飞的模型有些不同。

Gary Bradski：李飞飞主要是想构建一个“世界模型”。在人类或大多数哺乳动物中，有一套相对独立的“是什么”和“在哪里”的神经回路，知道房间里有“人”和“椅子”等事物，同时也知道它们的位置。这两个渠道在晚期才会融合，而不是同时学习的。

我的方法相对简单：将 AI 模型与 3D 系统结合，让摄像头拍摄的图像不仅能识别“是什么”，还能判断“在哪里”。比如可以识别出“这里有两个人，一个在那里，另一个在那里”。此外，人类还会建模世界的因果关系，换句话说，即“世界的物理法则”。所以不仅仅是“是什么”和“在哪里”，还会有“为什么”的系统，比如我们知道物体不会悬空，会受到重力影响。这些都属于“世界模型”的一部分，但我不清楚这种模型在生物学上具体是如何形成的。

Eric Wang：如果想设计一种更接近生物学习机制的 AI 系统，应该从哪里开始？

Gary Bradski：这很难。现阶段的成功模式是基于大型语言模型的微调。重构一个全新的系统失败的风险很高，需要敢于尝试的研究者。我认为可以尝试构建“世界模型”，最简单的模型是 SLAM（同步定位与地图构建）。

如果一个模型可以实现同步定位与地图构建，让机器人在探索环境的同时适应环境中的变化，遇到移动的物体时作出相应变化，实现不断的学习。生物在遇到“预期外”的情况时才会学习，比如走路时遇到一个坑，我们如果不避开，就可能踩空，甚至扭伤脚踝。如果一切不发生变化，就可能学不到新的内容。

与此不同的是，当前深度神经网络是无时无刻都在学习——仅仅依靠这种学习机制是不够的，类似睡眠的“清理”过程也十分重要。

狂热兴趣+广阔视野=洞见 AI 机遇

Eric Wang：不止是计算机视觉领域的专家，也是业内的资深人物，在您看来，在整合生物启发的学习机制方面，还有哪些新兴的研究方向值得投入？

Gary Bradski：我不确定是否有人把“灾难性遗忘”作为一个根本问题在研究。杨立坤非常重视“世界模型”，其中的一个关键问题是如何将不同的感知模式整合成一个整体。他提出了一个基于能量的模型，设想在高层次上可以将这些信息转化为标量值，从而实现视觉和听觉等感知模式的交流——我觉得这个方向很有潜力。

还有一些更冷门的方向，如研究人员在研究不同的学习机制。我的朋友 Rodriguez 正在思考如何实现 Hebb 学习。目前我们大多采用梯度学习，但 Hebb 学习基于关联学习，可能更符合生物学的原理。这类探索虽然未必成功，但一旦成功，往往会引发一场革命。许多研究者都是自我驱动的狂热分子，虽然大多数都会失败，但偶尔会有人成功，从而推动整个领域的发展。

Eric Wang：您在 AI 技术开发方面经验丰富，关于在公共空间部署 AI 驱动机器人，您怎么看待它的伦理影响？我们如何确保这些系统被负责任地使用并且公众信任得以保持？

Gary Bradski：比如自动驾驶汽车的应用，如何确保它们不会出现危险情况？如果车企不受处罚，可能就不在意安全投入，这是不道德的。隐私问题也是个挑战。在美国，一些系统需要法规许可，另外一种方式是通过法律诉讼来管理，很多公司会因为害怕法律风险而更加谨慎。

我建议建立一个统一的数据库，记录每辆自动驾驶汽车在运行中遇到的异常情况。然后，每次更新软件时，车企必须在模拟环境中经过所有已知和新记录的情境测试，确保在一百万英里内无事故才能在真实环境中部署新软件。虽然每个公司都希望独占数据以保持竞争优势，但从安全角度出发，所有数据应集中管理，确保所有车辆都符合这个安全标准。

Eric Wang：您最为骄傲的成就有哪些？为什么它们对您具有特别的意义？

Gary Bradski：有些成就是意外发生的，比如 Sebastian Thrun 曾经来找我，说他要参加 DARPA 比赛，问我是否愿意加入他的团队。我答应了，结果我们赢了。这项挑战的第一年失败了，而 Stanley 团队在 2005 年第二次参加时取得了胜利。这是一次很棒的经历，Sebastian 是一个非常优秀的领导者。

我选择加入 Sebastian 的团队是因为相比 CMU 的 Red Whittaker 这种强硬的“命令控制”式领导，前者的领导风格更自由。例如，他会说“我会通宵写代码，你们也应该做到”，是一种更轻松的、激励人自我加压的风格，而不是直接命令。这种方式让我觉得是不依靠强势的指挥，更“温和”的团队也可以获胜。最终我们取得了冠军，我们的车辆现在被陈列在史密森学会-美国国家博物馆中。我去博物馆参观时还为机器人讲解，吸引了一大批人围观。

当然，OpenCV 对我来说也是一项重大成就。很少有事物能像它一样完全实现当初的设想，我当时想要加速整个计算机视觉行业的发展，给人们提供一个通用的平台，而它确实做到了。创业方面，我还开启了一些医疗领域的项目、Lambda Labs 以及现在的太空和农业机器人领域的项目，这些都是我非常喜欢的方向。

Eric Wang：对于进入 AI 和机器人领域的年轻专业人士来说，请给出一些建议呢？

Gary Bradski：很多人会说你需要“建立人脉”，甚至教你如何建立人脉。但对我而言，建立人脉是因为我对很多事物本身感兴趣，我会去问别人“这是怎么运作的？”“你是如何实现的？”。好奇心驱动实际帮助了我很多。遇到问题时，我会想到，我认识某个人或许可以帮忙。所以，我会建议保持广泛的人脉，不过也不排除有人喜欢专注于某一个领域。我很享受交流的过程，即使是完全不相关的领域，比如去考古遗址时，我也会出于兴趣去问各种问题。

此外，不要总是跟风，退一步，保持更广阔的视野。比如现在大家都说要学习 LLM，我会觉得也许你应该更基础地去思考一些问题，甚至做一些可能有风险但更具革命性的事情。我倾向于选择高风险，因为我不害怕失败。我总是相信自己会有出路，毕竟我懂一些技术，就算被解雇，也总能找到新的事情去做。就算这条路不通，换个方向也总有机会。甚至在旅行中，比如我们没有查清火车票是去哪的，我太太会问我们要怎么办，我会说，“不知道啊，可能有人会告诉我们吧，不然就只能被困在车站然后再想办法解决。”

Eric Wang：感谢您提供的这些宝贵建议，也感谢今天的交流。感谢所有观看的开发者们，以上就是本期 Open AGI Forum 的全部内容。下次再见！

本期 Open AGI Forum 视频内容下期放送，敬请期待~