Google Brain 的猫脸实验讲什么？一千台机器的野心

2012 年 6 月，谷歌与斯坦福的一个团队公开了一项 AI 实验：用一千台机器、上万个 CPU 核心，让一个从未见过任何标注数据的神经网络从视频截图里学出对人脸、猫脸等图案敏感的神经元。媒体把它简化成「谷歌的机器认出了猫」，这个说法从此流传。这篇按公开论文梳理实验到底做了什么、结果该怎么理解，以及它在规模化路线上留下过什么信号。

一千台机器的排场

实验的公开设定写在 ICML 2012 论文里：输入是 YouTube 视频的截图，公开口径为一千万张，全部未标注；模型是当时罕见的大规模神经网络，公开口径约十亿个参数；训练平台用一千台机器、约一万六千个 CPU 核心组成的集群。项目负责人吴恩达的公开履历见吴恩达人物篇，与他搭档的工程负责人杰夫·迪恩是谷歌基础设施方向的资深工程师。以今天的眼光看这套配置不算大，但在 2012 年，把一个神经网络做到十亿参数规模，本身已经是公开报道里罕见的事。

无监督意味着什么

这个实验与当年主流做法的区别在学习方式。同年的 ImageNet 竞赛上，深度网络在有人工标注的百万级图片上大放异彩，见ImageNet 竞赛一篇——那是监督学习，答案由人预先标好。谷歌的猫脸实验走另一条路：不给任何标签，让网络自己从原始视频画面里找规律，学的是「画面里有什么结构」，而非「这张图属于什么类别」。两条路线在同一年分别交出成果，等于把深度学习的数据问题同时摆上了桌：一边证明标注数据加监督有效，一边试探无标注数据能不能自己学出东西。

猫脸神经元是怎么回事

按论文口径，训练结束后，网络里有一个神经元对猫脸类图案的响应显著高于基线，对人脸等图案也有类似现象。这里要把话说准：公开论文的表述是神经元对该类刺激的响应增强，并不等于网络「理解了猫是什么」——传播里的「认出了猫」是简化，论文本身有分寸。研究者还做了对照实验：把猫脸图案替换成随机噪声，响应随之下降；相关现象在此前更小规模的先行实验里已有雏形，大规模集群把信号放大到了可公开报告的程度。

规模化的伏笔

这个实验被记住，主要不在结果本身，而在它验证的那件事：数据与模型一起放大，网络能自己学出有意义的结构，不依赖人工标注。这与同期算力路线的进展互为印证，GPU 进入 AI 的经过见GPU 进 AI一篇；几年后规模效应被系统总结，见Scaling Law一篇；而「从海量无标注数据里预训练」的思路，此后在 BERT 与 GPT 系列里成为标准动作，无监督到自监督这条线的完整展开另有专篇记录。

猫脸实验节点速查

• 2012-06：ICML 论文公开，一千台机器、约一万六千 CPU 核心
• 输入：约一千万张 YouTube 视频截图，全部未标注
• 模型：约十亿参数（公开口径）
• 结果：出现对猫脸、人脸敏感的神经元（论文口径）
• 同期：监督路线在 ImageNet 竞赛同年突破

信号在今天的位置

往后看十年，这个实验的判断大体兑现：今天的大模型吃的几乎全部是无标注数据，预训练之后再用少量标注对齐。你在豆包里问一个没人给它标注过的问题它也能答，用 DeepSeek 读一份没人教过它的文档，靠的就是「从原始数据自己学结构」这条路，猫脸实验是这条路上早期的一块路标。想亲手感受两种学习方式的差别，让 Kimi 总结一份长文档再让它做一组选择题——前者接近自监督式的理解，后者更像考试。实验年代一千万张图已是豪举，今天模型的训练数据以万亿 token 计，规模与参数的账怎么算见参数量一篇。

猫脸实验快问快答

• 谷歌的机器真的「认出」了猫吗？：按论文口径，是网络中出现对猫脸图案响应强烈的神经元，属于统计意义上的敏感结构；「认出」是媒体简化，论文里没有这个表述。
• 为什么用 CPU 集群而不用 GPU？：公开材料显示实验依托谷歌已有的 CPU 集群与分布式系统做扩展，同期 GPU 路线在其他团队展开，两条路线的背景见 GPU 一篇。
• 这个实验的直接后续是什么？：同一批人随后在谷歌内部推进更大规模的训练系统，「无标注数据自己学」的思想被吸收进后来的预训练脉络，具体项目以谷歌官方发布为准。