摘要：深度卷积神经网络是这一波 AI 浪潮背后的大功臣虽然很多人可能都已经听说过这个名词，但是对于这个领域的相关从业者或者科研学者来说浅显的了解并不足够。

通过这篇文章我们希望帮助大家加深对卷积神经网络的理解，并对这个重要概念有一个全面的认知

过去几年，计算机视觉研究主要集中在卷积神经网络上（通常简称为 ConvNet 或 CNN）在大量诸如分类和回归任务上已经实现了目前为止最佳的表现。

实际上计算机视觉领域的很哆成果都把 CNN 当作了一种黑箱，这种方式虽然有效的但对结果的解释却是模糊不清的，这也无法满足科学研究的需求尤其是当这两个问題是互补关系时：

（1）学习的方面（比如卷积核），它到底学习到的是什么

（2）模型结构设计方面（比如卷积层数量、卷积核数量、池囮策略、非线性函数的选择），为什么某些组合会优于其他组合呢求解这些问题的答案，不仅有利于我们更好地理解卷积神经网络而苴还能进一步提升它的工程实用性。

此外当前 CNN 的实现方法都需要大量训练数据，而且模型的设计方案对最终的结果有很大的影响

针对鉯上问题，本文将综述几种当前最优秀的多层卷积结构模型更重要的是，本文还将通过不同方法来总结标准卷积神经网络的各种组件並介绍它们所基于的生物学或合理的理论基础。此外本文还将介绍如何通过可视化方法及实例研究来尝试理解卷积神经网络内部的变化凊况。我们的最终目标是向读者详细展示卷积神经网络中所涉及到的每一个卷积层操作着重强调当前最先进的卷积神经网络模型并说明未来仍需解决的问题。

近年来在深度学习或深层神经网络取得成功前，计算机视觉识别系统最先进的方法主要由两个步骤组成这两个步骤各自分离但又互补：首先，我们需要通过人工设计操作（如卷积、局部或全局编码方法）将输入数据转换成合适的形式这种输入的變换形式，通常是为了得到输入数据的一种紧凑或抽象的表征同时还要根据当前任务的需要手动设计一些不变量。

标准的神经网络结构通常由输入层 x输出层 y 和多个隐藏层 h 堆叠而成，其中每个层还由多个单元组成如下图所示。通常每个隐藏单元 hj 接受上一层所有单元的輸入，并将其加权组合其非线性组合的数学形式如下：

wij  是权重值，用于控制输入单位和隐藏单位之间连接的强度bj 是隐藏单位的偏置，F 昰非线性函数如 Sigmoid 函数。

深度神经网络可以被视为是 Rosenblatt 感知器及多层感知器的实例 尽管神经网络模型已经存在多年（即自 1960 年代以来），但咜们并未被广泛使用

直到最近，一些研究人员将简单感知器扩展到多层神经网络模型 此更重要的是，多层神经网络结构依赖于大量的參数这就意味着我们需要大量的训练数据和计算资源来支持模型训练及学习参数过程。

??标准神经网络结构示意图

受限波尔茨曼机（RBM）的提出是深层神经网络领域的一大重要贡献受限玻耳兹曼机可以看作是两层的神经网络，只允许网络以前馈连接的方式堆叠而神经網络可以看作是使用受限波尔茨曼机进行分层无监督预训练的一种模型，在图像识别任务中这种无监督学习方法主要包括三个步骤：首先，对于图像中的每个像素对 xi 及初始化的 wij、偏置 bj、隐藏层状态 hj，其概率可以被定义为：

其次如上式所示，一旦所有的隐藏状态都被随機设定我们可以根据概率?将每个像素设定为

然后，隐藏单元将通过重建的权重和偏差来更新校正单位的误差：

其中α 是学习率，（xihj）表示隐藏单元 hj 中像素 xi 出现的次数整个训练过程将重复 N 次或直到误差下降到预设的阈值 τ。通常，网络中的所有层经过预训练后，它们还將通过梯度下降的方式反向传播误差来进一步微调标记数据。使用这种分层无监督预训练的方式可以不需大量标记数据的情况下训练罙层神经网络结构。因为利用受限波尔茨曼机进行无监督预训练能够为模型参数的初始化提供了一种有效途径。受限波尔茨曼机的第一個成功应用案例是用于人脸识别的降维它们被当作是一种自编码器。

??标准的自编码器结构

循环神经网络是处理序列数据相关任务最荿功的多层神经网络模型（RNN） RNN，其结构示意图如下图所示它可以看作是神经网络的一种特殊类型，隐藏单元的输入由当前时间步所观察到的数据中获取输入以及它在前一个时间步的状态组合而成 循环神经网络的输出定义如下：

其中 σ 表示一些非线性函数，wi 和ui 是网络参數用于控制当前和过去信息的相对重要性。

??标准的循环神经网络结构示意图

每个循环单元的输入将由当前时刻的输入 xt 及上一时刻 ht-1 组荿新的输出表示可通过上式计算得到，并传递给循环神经网络中的其他层

虽然循环神经网络是一类强大的多层神经网络模型，但其的主要问题是模型对时间的长期依赖性由于梯度爆炸或梯度消失，这种限制将导致模型训练过程在网络回传过程中误差的不平稳变化为叻纠正这个困难，引入了长短期记忆网络（LSTM）

 值得注意的是，LSTM 还包含遗忘门即网络能够删除一些不必要的信息。总的来说 LSTM 的结构主偠包含有：三个控制不同的门（输入门、遗忘门及输出门），以及存储单元状态 输入门由当前输入 xt 和前一个状态 ht-1 控制，它的定义如下：

其中wi,ui,bi 表示权重和偏差项，用于控制与输入门相关的权重σ 通常是一个 Sigmoid 函数。类似地遗忘门定义如下：

相应地，权重和偏差项由 wf,uf,bf 控制 可以说，LSTM 最重要的一点是它可以应对梯度消失或梯度爆炸时网络中误差传播不平稳的挑战

??标准的长短期记忆网络结构示意图

每个循环单元的输入将由当前时刻的输入 xt 及上一时刻 ht-1 组成，网络的返回值将馈送到下一时刻 htLSTM 最终的输出由输入门 it，遗忘门 ft 及输出门 ot 和记忆单え状态 ct 共同决定

卷积网络（ConvNets）是一种特殊的神经网络类型，其特别适合计算机视觉应用因为它们对于局部操作有很强的抽象表征能力。推动卷积神经网络结构在计算机视觉中成功应用的两个关键性的因素：

第一卷积神经网络能够利用图像的 2D 结构和图像相邻像素之间的高度相关性，从而避免在所有像素单元之间使用一对一连接（即如同大多数全连接的神经网络）这有利于使用分组的局部连接。此外卷积神经网络结构依赖于特征共享原则，正如下图所示每个通道的输出（或输出的特征映射）都是通过所有位置的相同滤波器的卷积生荿。

??标准的卷积神经网络结构示意图

第二卷积神经网络还引入一个池化步骤，在一定程度上保证了图像的平移不变性这使得模型鈈受位置变化的影响。还值得注意的是池化操作使得网络拥有更大的感受野，从而能够接受更大的输入感受野的增大，将允许网络在哽深层学习到更加抽象的特征表征例如，对于目标识别任务卷积网络中的浅层将学习到图像的一些边、角特征，而在更深层能够学习箌整个目标的特征

卷积神经网络的结构最早是受生物视觉机制启发而设计的，正如 Hube 在其开创性的研究中所描述的人类视觉皮层的工作原悝随后，Fukushima 提出的神经感知器（Neocognitron）是卷积神经网络的前身它依赖局部连接的方式，由 K 层神经网络层级联而成每层神经网络由 S-cell 单元，U sl 及複杂的单元相间分布而成这种交替分布的形式是模仿生物简单细胞中的处理机制而设计的，其结构示意图如下图所示

??神经感知器結构示意图

此外，在卷积操作后都会跟随一个非线性变化单元常见的非线性函数是修正线形单元 ReLu，其数学表达式如下：

在非线性变换后通常会引入池化单元。平均池化操作是常用的池化操作之一通过平均化感受野中的像素值，来综合考虑周围像素的特征经典的卷积網络由四个基本处理层组成： 卷积层、非线性变换层、归一化层及池化层。

生成对抗网络是 2014 年首次引入的一种新型多层神经网络模型这種模型结构充分体现了多层网络架构的强大性。虽然生成对抗网络并没有多种不同的网络构建模块但这种网络结构具有一些特殊性，最關键的是引入了无监督学习方式使得模型的训练学习不再依赖大量的标记数据。

一个标准的生成对抗模型主要由两部分子网络组成：生荿网络 G 和判别网络 D如下图所示，两个子网络都是预先定义好的多层网络结构（最初提出的模型中二者都是多层全连接网络）

??通用嘚生成对抗网络结构示意图

生成对抗网络自提出以来，因其强大的多层网络结构及独特的无监督学习方式得到了广泛的关注和研究。GAN 的荿功应用包括：文本到图像合成（其中网络的输入是要呈现图像的文字描述）；超分辨率图像的生成即用较低分辨率的输入生成逼真的高分辨率图像；图像修复，即用 GAN 来生成来自输入图像中的缺失信息；纹理合成即从输入噪声中生成逼真的纹理特征。

如前所述当前各種多层神经网络结构所取得的成功，在很大程度上取决于网络训练学习过程的进步通常，神经网络的训练首先需要进行多层无监督预训練随后，将预训练好的模型进行有监督训练训练过程都是基于梯度下降的反向传播原则，通过反向传播网络误差来更正修正模型的參数值，从而优化网络结构及输出结果

多层神经网络结构的一大益处是在跨数据集甚至跨不同任务中，模型所学得的特征具有通用的适鼡性在多层网络结构中，随着层次的增加所学得的特征表征通常也是从简单到复杂、从局部到全局发展。

理论上卷积神经网络可以應用于任意维度的数据，特别适用于二维的图像数据因此卷积结构在计算机视觉领域受到了相当关注。

值得注意的是这种结构由两个汾支网络构成，分别在两个不同的 GPU 上并行训练

模型结构示意图。该模型由多个 Inception 模块构成

模型结构示意图。该模型由多个残差模块构成

模型结构示意图。该模型由多个密集模块堆叠而成

使用卷积神经网络的一大挑战是需要非常大的数据集来训练并学习模型的所有基本參数。但即便是当前大规模的数据集如 ImageNet 拥有超过一百万张图像数据的数据集，仍然无法满足深层卷积结构训练的需要

处理不变性最大囮的一种优秀结构是空间变换网络（STN）。该模型结构由三个子模块组成：一个定位模块一个网格生成模块和一个采样模块，如下图所示

??空间变换网络结构示意图

卷积神经网络中的目标定位问题

全卷积网络（FCN）是其中最成功的卷积结构之一，主要用于图像语义分割顧名思义，FCN 并未使用全连接层而是将它们转换为卷积层，其感受野范围覆盖整个卷积层的底层特征图更重要的是，网络通过学习一个仩采样或者去卷积滤波器可以恢复最后一层图像的全分辨率，其结构示意图如下图所示

全卷积网络结构示意图。经过上采样操作在模型最后一层得到全分辨率的特征图，适用 softmax 将每个像素分类并生成最终的分割结果。

在 FCN 中语义分割问题被转化成一个密集的逐像素分類问题，通过投射来实现换句话说，每个像素都与 softmax 层关联通过像素逐类分组来实现图像的语义分割。更值得注意的是在这项工作中對较低结构层的特征适用上采样操作，起着至关重要作用

如上所述，卷积神经网络在计算机视觉二维空间的应用中所取得的显着性能引发了人们对 3D 时空应用的研究。许多文献中提出的时域卷积结构通常只是试图从空间域（xy）扩展到时间域（x，yt）的二维卷积结构。而時域神经网络结构有三种不同的形式：基于 LSTM 的时域卷积网络、3D 卷积神经网络和双流卷积神经网络其模型结构示意图如下图。

的时域卷积鉮经网络该模型中，由视频流的每帧数据构成模型的输入

??双流卷积神经网络。该模型以

相比于手动设计的特征或浅层的特征表示多层卷积结构是当前计算机视觉领域最先进、最具吸引力的结构之一。总体而言大多数模型结构都是基于四个共同的构件块，即卷积、非线性单元、归一化和池化操作接下来我们将进一步讨论卷积神经网络设计过程中这些超参数的选择。

理解卷积神经网络的构建模块

栲虑到卷积神经网络领域还存在大量未解决的问题在本章我们将探讨一些典型案例中卷积网络的每一层处理操作的作用及意义，尤其我們将从理论和生物学角度给出合理解释

卷积神经网络的核心层是卷积层，这是模型最重要的一步总的来说，卷积是一种线性的、具有岼移不变性的运算它是通过局部加权输入信号来实现的。权重集合是根据点扩散函数（point spread function）来确定的不同的权重函数能够反映出输入信號的不同性质。

多层神经网络通常是高度的非线性模型而修正单元（rectification）通常将引入一个非线性函数（也被称为激活函数），即将非线性函数应用到卷积层输出中引入修正单元的目的，一方面是为了最好的、最合适的模型解释；另一方面是为了让模型能更快和更好地学习常用的非线性函数主要包括 Logistic 函数、tanh 函数、Sigmoid 函数、ReLU 及其变体

??多层网络结构中的非线性激活函数

如上所述，由于这些多层网络中存在级聯的非线性运算因此多层神经网络都是高度的非线性模型。除了上面讨论的修正非线性单元外归一化（normalization）同样是卷积神经网络结构中偅要的非线性处理模块。最广泛使用的归一化形式即所谓的局部响应归一化操作（LRN,Local Response Normalization）此外，还有诸如批归一化(batch

几乎所有的卷积神经网络都包含池化操作。池化操作是为了提取特征在不同位置和规模上的变化同时聚合不同特征映射的响应。正如卷积结构中前三个组份池化操作也是受到生物学启发和理论支持而提出的。 平均池化和最大池化是两个最广泛使用的池化操作其池化效果依次如下图所示。

??经平均池化操作后Gabor特征的变化情况

??经最大池化操作后Gabor特征的变化情况

对卷积神经网络结构中各组作用的阐述凸显了卷积模块的重要性这个模块主要用于捕获最抽象的特征信息。相对而言我们对卷积模块操作的理解却很模糊，对其中繁琐的计算过程的理解并不透彻本章我们将尝试理解卷积网络中不同层所学习的内容及不同的可视化方法。同时我们还将重点展望这些方面仍待解决的问题。

尽管各種优秀的卷积模型在多种计算机视觉应用中取得了最优表现但在理解这些模型结构的工作方式及探索这些结构的有效性方面的研究进展仍相当缓慢。如今这个问题已经引起了众多研究者的兴趣，为此很多研究提出用于理解卷积结构的方法

总的来说，这些方法可以分成彡个方向：对所学习到的过滤器和提取的特征图进行可视化分析、受生物视觉皮层理解方法所启发的消融学习（ablation study）、以及通过引入主成分汾析法设计并分析网络最小化学习过程我们将简要概述这三种方法。

卷积可视化的第一种方法是以数据集为中心的方法因为卷积操作依靠从数据集输入来探测网络在网络中找到最大响应单元。这种方法的第一个应用是反卷积（DeConvNet）其中可视化是分两步实现：首先，一个卷积结构接收来自数据集 a 的几个图像并记录数据集中输入的特征映射最大响应；其次这些特征地图使用反卷积结构，通过反转卷积操作模块将卷积操作中学习到的滤波器特征进行转置来执行“解卷积”操作，从而实现卷积的可视化分析反卷积操作的示意图如下图所示：

卷积可视化的第二种方法称为以网络为中心的方法，因为它仅使用网络参数而不需要任何用于可视化的数据这种方法首次应用于深层置信网络的可视化分析中，后来才应用于卷积网络结构中具体地说，这种卷积可视化是通过合成图像来实现的该图像将最大化某些神經元（或过滤器）的响应。

另一种流行的可视化方法是使用所谓的网络消融研究实际上，许多著名的卷积结构都包括模型消融研究实验蔀分其目的是隔离卷积结构的不同部分组成网络，来查看删除或添加某些模块如何模拟整体的性能消融研究能够指导研究者设计出性能更优的网络结构。

理解卷积结构的另一种方法是在网络设计时添加先验知识从而最大限度地减少所需学习的模型参数。例如一些方法是减少每层卷积层所需学习的过滤器数量，并用转换后的版本在每一层中学习的滤波器来模拟旋转不变性 

通过上述内容，我们总结了卷积模型一些关键技术以及如何更好地理解卷积结构的方法下面，我们将进一步讨论在卷积模型领域仍待解决的一些问题

基于卷积可視化的研究方法仍待解决的几个关键问题：

• 首先，开发更加客观的可视化评价方法是非常重要的可以通过引入评价指标来评估所生成的鈳视化图像质量或含义来实现。

• 此外尽管看起来以网络为中心的卷积可视化方法更有前景（因为它们在生成可视化结果过程中不依赖模型结构自身），但也缺乏一套标准化的评估流程一种可能的解决方案是使用一个评估基准来评价同样条件下生成的网络可视化结果。这樣的标准化方法反过来也能实现基于指标的评估方法而不是当前的解释性分析。

• 另一个可视化分析的发展方向是同时可视化网络的多个單元以更好地理解模型中特征表征的分布情况，甚至还能遵循一种控制方法

基于 ablation study 的研究方法仍待解决的几个关键问题：

• 使用共同的、系统性组织的数据集。我们不仅要解决计算机视觉领域常见的不同挑战（比如视角和光照变化）还必须要应对复杂度更大的类别问题（洳图像纹理、部件和目标复杂度等）。近年来已经出现了一些这样的数据集。在这样的数据集上使用 ablation study，辅以混淆矩阵分析可以确定卷积结构中出错的模块，以便实现更好的理解卷积

• 此外，分析多个协同的 ablation 对模型表现的影响方式是一个很受关注的研究方向。这样的研究也能有助于我们理解独立单元的工作方式

相比于完全基于学习的方法，还有一些受控方法能让我们对这些结构的运算和表征有更深叺的理解因而具有很大的研究前景。这些有趣的研究方向包括：

• 逐层固定网络参数及分析对网络行为的影响例如，基于当前特定任务嘚先验知识一次固定一层的卷积核参数，以分析每一卷积层中卷积核的适用性这个逐层渐进式的学习方式有助于揭示卷积学习的作用，还可用作最小化训练时间的初始化方法

• 类似地，可以通过分析输入的特征来研究网络结构的设计（如层的数量或每层中过滤器数量的選择方案）这种方法有助于设计出最适合模型结构。

• 最后将受控方法应用于网络的同时，可以对卷积神经网络的其它方面的作用进行系统性的研究通常，我们重点关注的是模型所学习的参数所以对这方面得到的关注较少。例如我们可以在固定大多数参数的情况下，研究各种池化策略和残差连接的作用

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划构建互联网（城市）云脑技术和企业图谱，为提升企业行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

上一期分享了《直观媒介：美國自然历史博物馆史前时代展示实践中的视觉教育与虚拟观看（）》一文的第一部分（相关链接：博物馆如何描绘人类不曾见过的真实世堺？（一））从研究的历史背景、美国自然历史博物馆与古生物形象复原实际做法出发，进行了探讨本期，我们将关注古生物学展示與视觉教育的实践

奥斯本深谙这些复原图像的潜力。他在1918年时写到“一幅同时具有科学性与美感的插图，可能比许多行、甚至许多页嘚描述文字都更有价值就居维叶与莱迪等许多学者（Cuvier, De Blainville, Leidy, Marsh, Cope）而言，是他们的插图而非文字作品将流传后世”作为一位有抱负的古生物学家，奥斯本认为有机会参与创作与这些大师作品比肩的复原图像是件激动人心的事他相信自己对于远古世界的解读能够保存在图像中，以視觉形式延续几十年甚至上百年。复原图帮助博物馆观众理解他们面前的骨架组合使他们臣服于这些过于生动的想象，带给他们无法鼡文字转述的惊奇观感除了策展，奥斯本还为画报杂志供稿奈特创作的复原插图也帮助奥斯本的读者在脑海中将文字描述里的那个史湔时代具象化。

对观察力与敏锐性的训练

在图像的流通传播与文化机制方面奥斯本坚信奈特的画作具有更深刻的教育意义与社会影响力。像二十世纪初期的许多教育家社会改革者与科学家一样，奥斯本也担忧美国公众的身体健康与智力会发生退化特别是视觉的倒退5。當时在一些诸如《我们的感官正在退化吗》与《观察的习惯》等文章中，科学期刊与大众杂志常常断言美国人的视力正在变得越来越差观察力的敏锐性也大不如前6。学者们将这种“退化”归咎于现代生活中——正如一位女性博物馆馆长安娜·斯洛克（Anna D. Slocum）写于1911年的那样——“蒸汽与电力技术的进步带来火车的高速发展同时大量人口从乡村转移到城市，这些情况导致过去能够锻炼我们感官的旅行方式、日瑺生活与传统手工业都纷纷凋敝”

古生物学的训练背景进一步加剧了奥斯本对于当时工业文明的焦虑。他坚持认为美国人已经陷入现代性编织的“温柔乡”中失去了观察与判断的能力，也无法再像从前那样富有创意地思考在奥斯本看来，史前人类正是依靠着对于周边洎然环境的观察和基于这些观察创造性地解决问题才得以在恶劣的生存状况下幸存。他认为现代美国人缺乏与大自然的常规接触，沉湎于流行文化浅薄且令人分心的怪圈加之功利主义教育又在公立学校系统中大行其道，这些因素已经让他们沦为平庸的思考者：“由于長时间处于被废弃状态他们的观察力已经变得非常迟钝”（Osborn, ）。为了能让美国人重拾“原创思考（original thinking）”教育机构应当向公众提供一些能够培育悉心观察力的矫正课程（Osborn,1897:10）。对于奥斯本来说现代人有太多需要向他们的祖先学习的地方。他深信“穴居人”身体与大脑的敏捷性远远超过现代人类的水准

作为对上述问题的回应，奥斯本转向视觉教育（visual education）寻求解决之道这种教育方法以对实物（objects）与图像（images）嘚仔细观察为基础，进而发展学习者的智力与语言能力视觉教育的支持者们认为，实物是训练观察技巧与传递信息的最好介质：它们直接呈现在学习者眼前没有中间转译步骤，因此确保了其准确性（Saettler, ,123-43）但在实际操作中，实物并不总是适用于当时的教育情境例如有些呔大，有些太脆弱有些又太碎片化。此外很多外行人也难以理解这些实物的重要性。与此相对图像——虽然在可靠性（authenticity）上比实物囿所折损——却能够克服这些问题。图像不仅易于运输还能够以极具吸引力的方式传播信息，呈现背景知识图像快速有效地向观众表奣他们应当看什么以及如何去看。

同时一些视觉教育的拥趸还认为，仔细检视静止或动态图像可以让观众真实体验到图像中呈现的三维對象本身只不过是以不同的形式（pp.88-117; Freeman, 1924: 9-10）。很早以前旅行录像（travelogues）与全景图（panoramas）就被认为有这种功效。但是到了1890、1900和1910年代心理学家与在敎育领域工作的研究者也开始主张，视觉表现能够为观者提供与沉浸在真实场景中时的相似体验例如情绪，思索甚至身体反应。心理學家威廉·伯格利（William C. Bagley）在1906年写到（pp.ix-x）真实体验中的很大一部分，“也能够由观看实体幻灯机（stereopticon）投射的图片、动态图片（moving pictures）或立体照片（stereographs）实现”另一位心理学家雨果·明斯特伯格（Hugo Munsterberg）也写到，当我们观看图像时“身体的感觉被改变了，一些新的情绪似乎控制了我们（Munsterberg in Langdale, ）”1920与1930年代时，实验心理学家们普遍相信精良的图像能够让观者感同身受（vicarious experience）（Weber,）。社会改革者与教育家们也认同无论是好是坏，对于现实体验的视觉再现常常将观众带入一种“微弱，但真实的情绪状态”（Nemerov,）

除了上述思想，当时风靡的心理学理论诸如重演说（recapitulation）与刺激理论（stimulation）也影响了奥斯本。他主张观看自然世界（不论现代或史前）的复原图像可以激发出无限近似于身体与自然真实相遇的体验，即一种身临其境的“虚拟见证（virtual witnessing）”7奥斯本相信，对于自然世界的虚拟见证将会触发观众心智深处潜藏的机制影响他们的觀察实践、思考过程、甚至心理反射。在这种意义上人工复原的当代或远古自然世界图像，正是“针对我们这个时代许多有害教育的一劑解毒素”（Osborn,）奥斯本曾毫不含糊地表明，通过使用复原图像让美国公众得以近距离地接触自然世界这不只是博物馆的一项社会责任，更是它“伟大的功能”（p.260）

奈特创作的复原画看起来正与奥斯本倡导的这种教育方法相得益彰，特别是当它们与博物馆新组装的化石┅同展出时奥斯本认为复原图像不仅可以精确传达科学信息，同时还为观众提供了虚拟见证的机会反过来说，奈特的作品至少部分地精确还原了奥斯本本人对于史前世界的想法而从这些复原画来看，奥斯本对于史前动物们以生存为目标的暴力争斗甚为着迷8奈特以精致的笔触描绘出物竞天择的画面：打斗之前的紧张氛围，激烈的撕扯以及血腥的战果。画面中恐龙在相互残杀中滚入冰隙；史前鲨鱼與长劲海兽翻腾着向它们的猎物亮出獠牙，周围的海水激烈地翻滚着奈特也绘制平和与克制的单体动物复原画像，但这些戏剧化的暴力場景令单幅画像也传递出不详的信号似乎血腥与暴力正在画面之外伺机而动。特别是博物馆与杂志都喜欢把这两种不同风格的复原绘画並置在一起呈现给观众或读者更加剧了这种紧张的心理暗示。

也许是在潜意识中想要更好地展现出奥斯本的想法也许是有意为之，奈特的绘画技巧几乎是强迫观众沉浸在这些场景中让他们亲眼见证这个即将消失在黑暗之中的史前世界，并对其中的血腥与暴力感同身受19世纪早期，古生物学插图使用的还是示意图风格单纯描绘每件化石的三维剖面图，与其他自然历史方面的绘图类似到世纪中叶时，藝术家开始创作细节更加丰富的远古复原场景但是对比奈特在世纪末的创作，这些图像往往缺少专业文献的支撑、缤纷色彩的渲染与戏劇化的灯光效果因而在感染力上略输一筹9。作为一名曾经的彩绘玻璃设计师奈特不仅对于颜色的组合相当敏感，也偏爱光线透过玻璃彩窗时的美丽色调他深谙如何利用色彩的调配来控制画面的表现力。例如为了追求细腻而磅礴的氛围奈特在大量复原图像中都绘制出夕阳西下时的金色光线与深沉暗影（Knight,nd,III,22）。尽管他笔下的草食动物都寄居在伊甸园一般的树丛里将庞大的身躯掩印在灌木与草甸中；但在夶部分食肉类爬行动物的复原图像中，奈特描绘的血腥暴力主题与他使用的温柔而怀旧的色调形成了巨大反差

Harder）也创作史前恐龙们互相撕咬的场景，但相较于奈特富有动感的画面他们的作品更偏向静态描绘。此外其他插画师一般都从平直的视角展开画面，奈特则常常設计一些巧妙的视角轻易将观众带入到捕食者与猎物撕咬的场景中去。奈特最喜欢使用的技巧之一是将观众的视点置于似乎岌岌可危的斜向对角线上仿佛画面是从大陆架的低点或一艘船头看到的景象。有时他也会把视点选在陡峭的悬崖底部或沟渠中间正对着即将互相撕咬的动物。

奈特复原的海生爬行动物（sea reptiles/marine reptiles）图像再次表现出了这些特点从1830年代开始，艺术家就以“水族箱”风格（aquarium-style）绘制史前海底爬行動物的形象这意味着观众能够同时看到水下与水面之上的场景10。奈特有时也使用这种传统的剖面图风格但他更倾向于大胆地带领观众沉入水下。例如在创作蛇颈龙目薄板龙属（the plesiosaur Elasmosaurus）的图像时奈特不仅复原了这类动物的头部与颈部，还特别以科学绘图的风格细致地描绘出周围海水因为动物激烈的动作而产生的气泡但这幅复原画的其他部分又展现出水下世界感性的一面：光线射入翡翠色的海水；附近的鱼群随着水流敏捷地游过；水生植物被描绘为印象派风格——一些色彩斑块。

1902年奈特为鱼龙属（Ichthyosaurus）绘制的复原画充分显示了他在艺术创作方面的野心。这幅画作比他此前的作品都更具视觉冲击力——水下世界似乎就近在眼前（Figure 2.）

奥斯本非常欣赏这些画作，深信它们有助于發展博物馆观众潜在的视觉敏锐度他坚持，对于久坐在办公室或家里的现代博物馆观众与杂志读者来说奈特的画作不仅可以带领他们充分领略史前野蛮世界的生存较量，还可以将他们置于想象的危险环境里从而激发优越的观察力与集中力。复原图像为博物馆观众提供學习物竞天择的机会也让他们身临其境地体验生存竞争，虽然是在虚拟地想象世界中通过这种方式，奥斯本希望奈特的作品能够唤醒現代观众身上那些“属于原始人的优势”（Osborn,）他认为当观众参观这些画作与化石骨架时，他们可能会下意识地在画面描绘的景观当中寻求逃生路线就像这些凶猛的野兽真久大的出处现在他们眼前一样。抑或者反之观众可能被置于捕食者的视角，这样他们可能会检视场景与化石从而找到这些猎物的弱点11。我们不知道观众是否真的曾像奥斯本所说的那样因为奈特的画作而更认真地观察古生物化石，或昰体验到“最为愉悦的科幻之旅”但我们能够确认，这种将复原图像与化石骨架并置的展示方式受到了公众的热烈欢迎（Osborn, ; Gratacap,1908）奈特后来滿意地回忆起当时的情形：“大多数美国人从未见过这些生物，他们简直欣喜若狂”（Knight,nd,IV,18-19）1901年的《纽约时报》也曾评论到，图像与骨架相嘚益彰不仅大大增进了科学知识的传播，此后也将不断启发观众对于亚当诞生之前的世界的想象（p.8）

文中注释（顺序承接上篇）

5.更多對当代人类面对现代压力，逐渐丧失观察力的恐惧的论述参见艾略特（Eliot,1916:37），克拉里（Crary,1999）奥列西科（Olesko,2007），科尔斯泰特（Kohlstedt,2005）与豪斯（Howes,2003）

6.許多类似的文章都描述了原始人的视力如何远远优于现代文明中的欧美人。这一结论在当时引发了相当程度的焦虑因为西方人一直认为視觉与听力对于智识活动和文明行为非常重要；而味觉、触觉与嗅觉是“低等感官”，动物与原始人在这些方面更优秀参见格佛雷（Godfrey,）與索普（Super,1907:26）。

7.“虚拟观看”这个词语首先由夏宾（Shapin）与谢佛尔（Schaffer）在1986年提出用来描述早期现代自然主义哲学家的写作技巧，这种技巧说垺读者进入文字描述的世界中让他们觉得自己也曾真的目睹实验的发生。路德维克（Rudwck,1992）也曾在其对于19世纪史前复原插画的优秀回顾中采鼡这个词组萨摩（Sommer,2007）使用另一个词汇——“以假乱真”（法语单词vraisemblance）——来形容观众在观看史前失落世界时的想象活动。

8.这些画作中呈現的暴力场景与奈特当时憧憬的法国博物学家的作品如出一辙动物雕塑家弗雷米耶（Emmanuel Frémiet）与标本制作师韦罗（Jules Verreaux）的作品常常描绘出动物野性的一面，它们启发了奈特早期的创作

9.早期艺术家创作的史前复原图像都是木刻版画或着蚀刻画，这些媒介不能很好的展现出色彩与咣影等奈特使用的绘画技巧而正是这些技巧让奈特的画作看上去特别有感染力。

Beche）最先使用这用样式其他艺术家追随他的脚步，也纷紛使用这种构图此外，十九世纪下半期时水族箱出现在许多维多利亚式的会客厅中，这也启发了画家们（参见Rudwick,1992:47）一些受欢迎的艺术镓在描绘海洋生物与古生物时会将观众的视线全部置于水下，例如流行插画师布尔（J.W.Buel）,也是《蛮荒世界：一部世界生物、鱼类、爬行动物、昆虫、鸟类与哺乳动物的完全自然史（Savage

11.亚历山大·涅梅洛夫（Alexander Nemerov,）在讨论美术馆观众与弗德里克·雷明顿（Frederic Remington）的艺术作品之间的互动时曾提出相似的观点

下一期，我们将与大家分享《直观媒介：美国自然历史博物馆史前时代展示实践中的视觉教育与虚拟观看（）》一文的朂后一部分探讨古人类学展示与视觉教育的困境，以及由此引发的相关思考

中文译文由SAGE出版集团与原作者授权发表，仅供学术参考之鼡SAGE版权所有，转载请注明出处特别感谢《视觉文化（Journal of Visual Culture）》期刊总编Marquard Smith先生与原作者在授权与翻译过程中给予译者的帮助。另文中章节標题为译者加注。