本文经AI新媒体量子位授权转载（公众号ID：QbitAI），转载请联系转载来源。人工智能学术界发生了一场大地震。YOLO算法的作者JosephRedmon在个人推特上宣布，他将停止所有CV研究，因为他的开源算法已被用于军事和隐私问题。这对他的人品构成了极大的考验。YOLO是计算机视觉领域最著名的目标检测算法之一，因其开源而被业界广泛采用。作者JosephRedmon凭借该算法获得了2016年CVPR人民选择奖（People'sChoiceAward）和2017年CVPR最佳论文荣誉奖（BestPaperHonorableMention）。YOLO及其改进算法在学术界被广泛引用，Redmon的三篇相关论文总被引用量超过10000次。如此有影响力的学者突然宣布退出，不免震惊学界。Fast.ai创始人JeremyHoward表达了自己的感受：“我以前从未见过这种事情。”一家法国科技公司的CTO表示，他对Redmon的信念表示敬意。雷德蒙过去张扬的个性或许已经为他今天的决定埋下了伏笔。关于YOLO之父JesephRedmon，毕业于美国米德尔伯里学院，主修计算机科学，辅修数学。2013年进入华盛顿大学计算机专业攻读硕士学位，随后攻读博士学位至2019年。期间与导师AliFarhadi共同提出并改进了YOLO算法。他的主要研究领域是目标检测、图像分类和模型压缩。Redmon宣布退出CV领域研究，基本上意味着未来要重新开始。他简历的风格是这样的：约瑟夫·雷德蒙过去的实习经历也是金光闪闪。他曾在GoogleBrain实习，致力于实时机器人抓取检测。之后进入AI2（后来的XNOR.ai）实习，提出二值逼近卷积神经网络XNOR-Net，可以减少移动设备上图像分类所需的计算量。Redmon在2018年获得了“机器感知、语音技术和计算机视觉”类别的谷歌博士奖学金，以表彰他更好更快地开发用于实际应用的CV工具。Redmon本人也登上了TED的讲台，介绍了快速识别物体的CV算法。FastYOLOAlgorithmYOLO的全称是YouOnlyLookOnce（你只需要看一次）。从名字上我们也可以看出这种算法速度快的优势。因此，YOLO算法在很多边缘设备上得到了广泛的应用。与另一种著名的目标检测算法FastR-CNN不同，YOLO采用“一步到位”的策略，同时生成目标物体的类别和位置。与FastR-CNN相比，YOLO算法有两个优势：1.速度快：每秒45帧的检测速度，可用于实时视频检测，在更小的模型上甚至可以达到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上。但是YOLO也有一定的局限性：正确率不如FastR-CNN，每个格子只能检测到一个物体。对于边缘不规则的物体，会影响对周围物体的识别。作者Redmon后来在原有YOLO技术的基础上开发了YOLO9000和YOLOv3等算法，扩展了检测物体的种类，提高了模型的准确率。以后还能用YOLO吗？Redmon的突然决定会不会影响以后YOLO的使用？暂时不要担心这个。作者刚刚宣布退出CV研究，其个人GitHub页面上的开源项目均未关闭。即使作者以后不再维护，考虑到YOLO的巨大影响力，开源社区的其他开发者以后也会继续维护。Redmon本人不太可能为YOLO算法申请专利，因为Redmon只是以这种态度表达对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。在人工智能发展到今天，伦理问题也越来越明显。旧金山通过了一项法律，禁止警察在执法中使用人脸识别技术。旷视科技因在课堂上使用AI监控技术而被谴责，都在警告AI不要越界。YOLO之父的退出，是学术界对AI道德问题的又一次警醒。
