讓我把完整的到底過程串起來 ：

1. 采集麵部數據 ：手機用攝像頭和傳感器采集你的麵部信息，它照樣能解鎖 。聪明从手這些小點叫像素——你把手機照片放大再放大，机人比如，脸识AlexNet 將錯誤率從同年第二名的别说 26.2% 直接降到了 15.3%（這裏的"錯誤率"叫 top-5 錯誤率——給電腦 5 次機會猜圖片內容，

   

   每個像素都有一個顏色 ，動輒幾十層、聪明从手而是机人從海量數據中找到了反複出現的模式——比如"眼睛區域的像素通常呈現這樣的數字組合" 。完全不需要知道什麽是脸识"臉"、
   有的别说變成了顏色變化檢測器。動用了來自 167 個國家的到底近 5 萬名標注工人 ，

   這就是聪明从手電腦"看"圖片的第一步
   ：找到所有顏色突變的位置。結果是机人 0（沒有邊緣）

2. 如果右邊比左邊亮——正數那邊貢獻更大，從左到右顏色在變亮。脸识而顏色在電腦裏是别说用數字表示的。

   仔細看這個檢測器的結構
   ：左邊一列全是負數 ，能識別的東西就越複雜。

   那些檢測器裏的數字，沒有人花這麽大力氣去收集和標注這麽多圖片 。右邊一列全是正數，比如 Google 在 2015 年發表的 FaceNet，GPU 訓練神經網絡比 CPU 快約 70 倍。發表於 Nature

3. ImageNet: A Large-Scale Hierarchical Image Database - Deng, Dong, Socher, Li, Li, Fei-Fei (2009) — ImageNet 數據集論文 ，就是邊緣 。結果是正數（有一條從暗到亮的邊緣）
4. 如果左邊比右邊亮——負數那邊貢獻更大 ，等於什麽？

   參考資料

   1. Sobel operator - Wikipedia — Sobel 算子由 Irwin Sobel 和 Gary Feldman 於 1968 年在斯坦福人工智能實驗室提出
   2. A logical calculus of the ideas immanent in nervous activity - McCulloch & Pitts (1943) — 第一個神經元數學模型，這樣就能得到一張新的"邊緣地圖"——原圖中每個位置的數字，中間一列全是 0 。為了建成 ImageNet
       ，讓下次更可能猜對

   怎麽調整？不是隨機亂調 ，就能檢測出圖片裏有沒有某種特征。所以這幾層叫"卷積層"）。鼻梁這些區域的數字模式沒變，

   實際使用時，這個檢測器也是 9 個數字：

   -1  0  1-2  0  2-1  0  1

   這個檢測器有個名字 ，數字大的地方
    ，

   

   GPU 原本是用來生成（渲染）遊戲畫麵的 。你能看出來這是一個十字形嗎？——中間一橫一豎的數字是 200（亮），5 次都猜錯才算錯）——領先超過 10 個百分點。李飛飛團隊通過亞馬遜的眾包平台（一種把任務拆成小塊、是從幾百萬張人臉照片中"學"出來的。右下角是淺色（數字 200
   ，以及一種防止網絡"死記硬背"訓練數據的方法（叫 Dropout——隨機"關掉"一部分檢測器 ，

   重複這個過程幾百萬次 。神經網絡研究的先驅 Geoffrey Hinton 的學生 Alex Krizhevsky 用這種"多層疊加"的方法做了一個圖像識別程序
    ，

   

   每天早上 ，你從來沒想過這件事有什麽特別的。

   為什麽這個檢測器能工作？

   你可能會好奇：-1, 0, 1, -2, 0, 2, -1, 0, 1這幾個數字是怎麽來的？為什麽這樣排列就能檢測邊緣？

   讓我解釋一下它的邏輯。"這是狗"
   、

   一個邊緣檢測器隻能告訴你"這裏有一條線"，結果的數字越大（不管是正還是負），三角形 、

   神奇的事情發生了 ：那些原本隨機的數字，接近黑色），貓臉 、就能看到一個個小方塊，什麽是"眼睛"。把兩個結果綜合起來，

   那次突破有多震撼 ？在 ImageNet 圖像識別比賽中，越大越亮。幾千萬個參數反複做計算 。叫"參數" 。但邊緣隻是一堆線條 。

   讓我一步一步算給你看 ：

   圖片:          檢測器:10  10  10     -1  0  110  10 200     -2  0  210 200 200     -1  0  1對應位置相乘	，實際上在做這件事：
   右邊像素的亮度 × 正數（加分）
   左邊像素的亮度 × 負數（減分）
   中間像素 × 0（不影響結果）
   所以最終的結果	，這就形成了一條邊緣
   ，
   一個人的臉可以有無數種表情
   、
   這個類比最早來自 1943 年 McCulloch 和 Pitts 的論文	，豎線、鼻子（一個三角形輪廓）、到達一個"很少出錯"的狀態
   。49000 名標注工人來自 167 個國家
   Large-scale Deep Unsupervised Learning using Graphics Processors - Raina, Madhavan, Ng (2009) — GPU 訓練神經網絡比 CPU 快約 70 倍
   NVIDIA GeForce GTX 580 - VideoCardz — GTX 580 於 2010 年 11 月發布
   ，
   讓我用一個簡化的例子來說明
   。嘴巴（兩條曲線）
   第四層檢測器
   ：把部件組合成整體——人臉、有一個名字，其餘全是 0（暗）。隻是方向變了：它比較的是"下麵的亮度 - 上麵的亮度"。
   整個網絡包含 6000 萬個可調整的數字	。純白是 255	，也就是你臉的輪廓。我們先用一個更簡單的任務來說明這個過程——區分貓和狗
   	。
   電腦眼中的照片
   要理解手機怎麽"人臉識別"
   ，就能找到圖片裏顏色變化的地方。訓練出了 AlexNet。從互聯網上收集的真實場景人臉照片，
   比如下麵這個 5×5 的小圖
   ：
   在電腦裏，然後比較兩組數字有多接近。後續文章也會持續更新
   。後 3 層負責把前麵提取到的所有信息匯總起來做最終判斷（叫"全連接層"——你可以把它想象成"匯總投票"，
   這就是"學習"的本質：不是有人教了它規則，然後全部加起來
   。每張都貼好標簽——"這是貓"
   、
   不過你可能注意過一個奇怪的事	：在幾年前，表情——這些讓一張臉變得獨特的要素
   。瞳孔是深色的，一個三角形在中間	，怎麽可能認出一張臉	？
   第一個線索：邊緣
   什麽是邊緣？就是照片裏顏色突然變化的地方
   
   。但對所有數字同時做這種微調，沒有邊緣的區域呢？
   圖片:          檢測器:100 100 100    -1  0  1100 100 100    -2  0  2100 100 100    -1  0  1計算：(100×-1) + (100×0) + (100×1) +(100×-2) + (100×0) + (100×2) +(100×-1) + (100×0) + (100×1)= -100 + 0 + 100 +  -200 + 0 + 200 +  -100 + 0 + 100= 0
   結果是 0。五官、我們得先搞清楚一個更基本的問題
   ：手機到底是怎麽"人臉識別"的？
   答案要從一個讓人意外的事實說起——
   你的手機看到的不是一張臉，都是黑色線框" loading="lazy">
   比如你的臉和背景之間——皮膚是淺色的，那些數字就會逐漸穩定下來
   	，隻用加減乘除
   
   	，才有了 2012 年的突破
   
   。綜合判斷最終結果）
   。不是圖像	，錯了多少？差了很多——它說 60% 是貓，是數字
   。我們來聊這個問題	。弧線
   第三層檢測器
   ：把形狀組合成部件——眼睛（兩條弧線圍成的橢圓）
   、我一直很好奇 AI 到底是怎麽工作的	，
   有的變成了紋理檢測器	。LFW 準確率 99.63%
   Labeled Faces in the Wild — LFW 人臉識別測試集官方頁麵
   Learning representations by back-propagating errors - Rumelhart, Hinton, Williams (1986) — 反向傳播算法的奠基論文，它怎麽找到邊緣？
   答案讓我很驚訝：隻用簡單的加減乘除就能做到。現在一些新手機即使戴口罩也能解鎖——那是因為廠商後來專門用大量戴口罩的照片重新訓練了模型，
   它錯了
   。但疊加四五層之後，遊戲畫麵需要同時計算屏幕上幾百萬個像素的顏色
   	，它輸出"60% 可能是貓"，
   最簡單的情況是黑白照片：純黑是 0	，
   2009 年，歡迎分享+關注
   
   。找到了邊緣	，
   所以當你拿手機對著自己的臉，數字越小越暗
   ，
   就像考試之後對答案：
   最終結果錯了
   是因為最後一步的某個數字偏了
   那個數字偏了
   ，檢測更複雜的東西
   。側臉怎麽辦？戴帽子怎麽辦？隻露出半張臉怎麽辦？
   你怎麽可能把所有情況都寫成規則	？
   規則越寫越多，對應位置的數字相乘，檢測器關注的主要是五官區域的特征——發型變了，把那個數字調大一點
   如果變大——反過來，包含 5749 個人的 13000 多張照片）上達到了 99.63% 的準確率
   。不能告訴你"這是一隻眼睛"。我後麵會專門講
   。想分享給你
   。也就無法調整那些數字
   。把邊緣變成形狀	，訓練這樣一個模型，你拿起手機，GPU 算力、
   這是 「AI是怎麽回事」係列的第 1篇
   。在 AI 領域有一個專門的名稱，它就是這樣一張表格：
   0   0  200   0   0  0   0  200   0   0200 200  200 200 200  0   0  200   0   0  0   0  200   0   0
   0 是黑色，這樣就不會被一張照片騙過去	。層層疊加
   提取特征
   
   ：最後一層輸出一組數字——你可以把它理解為你這張臉的"數字指紋"（專業術語叫"特征向量"，"神經網絡"名稱的起源
   ImageNet Classification with Deep Convolutional Neural Networks - Krizhevsky, Sutskever, Hinton (2012) — AlexNet 論文，它"看到"的是什麽？不是一個水果的畫麵，之所以叫這個名字	，你很快就會明白
   。人臉識別的學習過程完全一樣
   。讓檢測器學會了隻靠眼睛和眉毛區域的特征來識別你。為什麽這幾個數字能檢測邊緣
   ？先看看它怎麽用，這個檢測器會在整張圖片上一格一格地滑動，擅長一件一件地處理複雜任務）	，但換了個發型，中間有一條從左上到右下的分界線——這就是一條邊緣。而是把它們變成"空的"——可以填入任何數值
   ：
   ?  ?  ??  ?  ??  ?  ?
   一開始，
   但電腦隻看到數字啊
   ，第一層隻能看到線條，
   電腦用隨機檢測器算出一個結果，會自己變成有意義的檢測器。需要對幾百萬張圖片
   、本質上就是：右邊的亮度 - 左邊的亮度
   。結果肯定是亂七八糟的
   。而是一堆數字。是因為它的工作方式有點像人腦中的神經元——每個神經元接收信號、神經網絡的概念在 1940 年代就有了，
   這就是 AI 的"聰明"：不是真的理解
   ，
   一個新的問題
   理解了 AI 怎麽"認人"之後，即可訂閱	。
   電腦沒有被告知"要檢測邊緣"。
   在此之前，涵蓋 2 萬多個類別
   。然後全部相加：(10×-1) + (10×0) + (10×1) +(10×-2) + (10×0) + (200×2) +(10×-1) + (200×0) + (200×1)= -10 + 0 + 10 +  -20 + 0 + 400 +  -10 + 0 + 200= 570

   結果是 570
   ，

   反向傳播做的事情是 ：從最後的錯誤出發 ，證明在特定任務上，

   

   • 如果左右兩邊顏色一樣——正數和負數互相抵消，都不是人類設計的，

     而關鍵是：每一層的檢測器裏的數字，背景可能是深色的，下巴這些區域的麵部特征被口罩擋住了，第三層找五官部件 ，但應該是 0%。

     回到手機人臉識別

     

     現在你知道手機是怎麽認出你的了。一層一層往回追溯  ，AlexNet 的 6000 萬個參數震驚了整個計算機視覺領域 。

     整個過程不到一秒。所以 GPU 特別擅長"同時做很多簡單的計算" 。

     如果我們換一塊顏色完全相同、算出每一個數字對這個錯誤的"貢獻"有多大。手機往往就不認識你了 。第二層找形狀
     ，就是一組數字組成的小模板——把它疊到圖片上，自己找到了有用的規律 。再傳給下一個。對應位置相乘再相加（這個操作的專業名稱叫"卷積"，也會同時在左右和上下兩個方向上產生亮度差 ，

     這種"很多層檢測器疊加"的結構，就是一串能代表你長相特征的數字）

   • 比較：把這個數字指紋和你第一次錄入時存下的數字指紋做比較
   • 判斷 ：如果兩組數字足夠接近——解鎖

   整個過程沒有任何"理解" 。

   2. 算力

   訓練一個模型，一堆線條還不能告訴我們"這是一張臉"。參數量更是以億計。

   至於中間那列的係數（-2, 0, 2）比兩側的（-1, 0, 1）更大，

   疊加 ：從線條到人臉

   但一層檢測器還不夠。說明邊緣越明顯。手機"看到"的是這樣的東西：

   142  98  87 134 156 178 ... 78  45  52  89 123 145 ...134 167 189 201 178 156 ...... (幾百萬個數字)

   手機要做的事情是：看這幾百萬個數字，層數很多的神經網絡，而是有一套精巧的方法能算出每個數字該往大了調還是往小了調 。

   但文字呢？

   當你對 ChatGPT 說"蘋果"，"這是汽車"。讓電腦自己學。無數種角度
   、戴上口罩，但也很簡單——本質就是"比較左右兩邊的亮度差" 。什麽是"鼻子"
   。下麵一行全是正數 ，每一張都要把所有參數調整一遍。但核心識別原理——把采集到的數據變成數字、它通過層層檢測器從數字中提取特征 。最終這個數據集包含了超過 1400 萬張標注好的圖片 ，不過你不需要把這個類比想得太深——它隻是一種"層層傳遞、一個很大的正數。歡迎關注我，覺得不錯的話，

   

   這可能要算好幾個月甚至幾年
    。兩個檢測器都會給出非零結果 。

   怎麽用呢 ？把檢測器疊放到圖片上，分別表示紅色、建議零售價 $499

訂閱

如果覺得有意思，叫神經網絡。它隻是在做加減乘除 ：把像素變成邊緣，AI 為什麽能通過律師考試卻會一本正經地撒謊。至今已經用了半個多世紀
。識別簡單形狀——圓形、它不知道什麽是"臉"、

你看，這些"正確答案"是電腦學習的前提——沒有答案
，同步更新在個人博客和微信公眾號

微信搜索"我沒有三顆心髒"或者掃描二維碼
，為什麽沒有更早實現？

事實上，

Alex Krizhevsky 正是用兩塊遊戲顯卡（NVIDIA GTX 580，圖形處理器）來算
。一張 1000×1000 的照片
 ，算法改進——同時到位，

• 如果上下顏色一樣——結果是 0（沒有水平邊緣）
• 如果下麵比上麵亮——結果是正數（有一條水平邊緣）

兩個檢測器配合使用——一個管左右 ，沒有人告訴電腦"要檢測眼睛" ，用普通電腦的 CPU（中央處理器，

從邊緣到形狀：AI 卡了幾十年

找到邊緣之後呢 ？

1968 年的 Sobel 算子能找到邊緣，判斷"這是不是主人的臉"
。在人臉識別領域常用的測試集 LFW（Labeled Faces in the Wild，結果是負數（有一條從亮到暗的邊緣）

差異越大
，但原理完全一樣——歸根到底還是數字。而發型屬於臉的外圍
 ，就無法判斷對錯，打個比方：所有人都在 74 分左右競爭，現在你隻需要知道
：電腦有辦法算出調整的方向和幅度 。處理一下 、

但如果讓電腦自己來選呢
？

假設我們不再指定這 9 個數字 ，重複幾百萬次之後 ，所以還能匹配上 。就叫"深度神經網絡"，比如：

0.1  -0.3   0.50.2   0.1  -0.40.3   0.2   0.1

用這個隨機檢測器去掃描圖片，但眼睛  、它自己發現了"檢測邊緣有助於區分貓和狗"。其中前 5 層做的就是我們前麵演示的操作——用檢測器在圖片上滑動 、那就是像素。叫做反向傳播——1986 年由 Rumelhart、

"標注好"的意思是：每張圖片都有人告訴你"這是貓"、

-1  0  1-2  0  2-1  0  1

當它掃描圖片的一個區域時，

現在可以回答文章開頭的那個問題了 ：為什麽戴口罩手機就不認識你
，要理解這件事 ，

3. 算法

AlexNet 還用了幾個關鍵的技術改進。把所有檢測器發現的信息都匯集在一起，

科學家們嚐試了很多方法 ：

• 有人試著寫規則："如果有兩個圓形在上麵 ，就能得到每個位置的"邊緣強度"和"邊緣方向"。人類知道"要檢測垂直邊緣 ，top-5 錯誤率 15.3%
• AlexNet - Wikipedia — AlexNet 架構細節與參數量
• FaceNet: A Unified Embedding for Face Recognition and Clustering - Schroff, Kalenichenko, Philbin (2015) — Google 的人臉識別模型
  ，解鎖。這個方法叫"反向傳播" ，超過 1400 萬張標注圖片
• The data that transformed AI research — and possibly the world - Quartz — ImageNet 的建設過程
  ，

  三個條件——海量數據、一個管上下——就能找到圖片中任意方向的邊緣。突然有人考了 85 分。用它來學習的方法，數字越大
  ，把形狀變成部件，

  這需要大量的計算
   。中間一行全是 0
  。

  2012 年的突破用了一個聰明的辦法 ：用遊戲顯卡（GPU ，

  而訓練神經網絡恰好也是這種活——對幾百萬個數字做大量簡單的乘法和加法。層層加工"的計算結構。

  但你可能已經發現了一個問題 ：這個檢測器隻能找到垂直方向的邊緣（左右亮度差）。變成了"這個位置有沒有邊緣"的數字
  。

  這個設計很聰明 ，原理完全一樣 ，

  一堆數字，

  這個數字的意思是
  ：這裏有一條明顯的邊緣，藍色的強度（也是 0 到 255） 。綠色、旗艦模型超過 1 億個參數 ，

  這就是"訓練" 。

  彩色照片稍微複雜一點：每個像素需要三個數字 
  ，對每個位置都做一次這樣的計算。Hinton 和 Williams 發表在《Nature》（全球最權威的科學期刊之一）上的一篇論文奠定了這個方法的基礎。它專門用來檢測垂直方向的邊緣。而今天的大型模型，這些可調整的數字，Graphics Processing Unit
  ，所謂檢測器，

  

  這就是 AI 在"看"這件事上卡住了幾十年的地方 。變成幾百萬個數字（說明一下 ：現代手機的人臉解鎖不隻靠普通攝像頭——比如 iPhone 的 Face ID 會用紅外線在你臉上投射上萬個不可見的小點，沒有邊緣。他們第一次用數學來描述神經元的工作方式
  。斜線、是為了讓檢測器更關注正中間一行的變化，曲線

• 第二層檢測器 ：把第一層找到的邊緣組合起來 ，經過層層計算 ，但換發型還能認出來？

  因為口罩遮住了臉的下半部分——嘴巴 、哪怕是一條 45° 的斜線，但永遠覆蓋不了真實世界的複雜性。你會看到一個讓我非常震撼的例子："國王"減去"男人"，檢測的東西連人類都說不清楚——但它們確實對區分貓和狗有用。直到一個想法改變了一切
  ：

  不要人類來設計檢測器，下麵有一條橫線 ，讓檢測結果更穩定。看一眼屏幕，當時售價 499 美元）
  ，別擔心 ，分給大量網上工人完成的平台），最終的錯誤會變大還是變小？

  • 如果變小——好 ，
    還有一些，8 層網絡 ，

    給電腦看 1000 張貓的照片和 1000 張狗的照片，

    不過你可能發現了，

    有的變成了邊緣檢測器（類似 Sobel 算子——電腦自己"發明"了類似的東西）
    。發現了很多有意思的東西 ，上百層 ，斯坦福大學的李飛飛教授團隊發布了 ImageNet 數據集。汽車

  像素 → 邊緣 → 形狀 → 部件 → 整體

  

  每一層都是在上一層的基礎上
  ，把部件變成一組代表你這張臉的數字 ，於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你，

  訓練：電腦怎麽知道該往哪調？

  你可能還記得前麵留下的那個問題：猜錯的時候 ，得先回答一個基本問題：電腦看到的"照片"長什麽樣？

  一張照片是由很多個小點組成的，那可能是一張臉"

• 有人試著提取更複雜的特征 ："檢測眼睛的形狀"、是因為裏麵的某個數字該大一點

電腦會計算：如果某個檢測器裏的某個數字稍微變大一點
，什麽是鼻子。你就找到了輪廓、為什麽
？

先別急著回答。

順便說一下這個檢測器的來曆 ：Sobel 算子是 1968 年由 Irwin Sobel 和 Gary Feldman 在斯坦福人工智能實驗室的一次演講中提出的
，

想象這樣一個過程：

• 第一層檢測器：從原始像素中找到各種邊緣——橫線、電腦的"大腦"，就是"深度學習"。

  這就是電腦"看到"的東西 。電腦怎麽知道該把那些數字往大了調還是往小了調？

  這是整個係統最精巧的部分 
  ，ChatGPT 回答你的那三秒鍾裏究竟在算什麽，所以選擇了這樣的數字組合 。而是它從大量的對錯反饋中
   ，我產生了一個新的疑問 ：

  AI 能"看"了——圖片在它眼裏是數字矩陣，

  2012 年，

  手機不知道什麽是眼睛、它自己在反複的"猜對了/猜錯了"中發現了某些數字組合對區分不同人臉特別有用
  。這個係列就是我的探索筆記，

  一個現代的人臉識別模型可能有幾百萬到上億個參數。

  為什麽 2012 年才成功？

  你可能會好奇
  ：如果"讓電腦自己學"這個想法這麽好，

  現在我用一個"檢測器"來掃描它 。6000 萬參數，無數種光線。和正確答案對比 ：

  • 如果猜對了——不錯 ，隨機填一組數字 ，叫 Sobel 算子（"算子"就是"計算工具"的意思）。

    邊緣勾勒出了圖片裏"有東西"的地方。接近白色）。

    假設電腦要判斷一張圖是貓還是狗。

    一道簡單的數學題

    假設我們有一小塊圖片 ，

    但如果我們告訴電腦"正確答案"呢
    ？

    就像老師批改作業一樣 。逼網絡學到更通用的規律
    ，是電腦自己從數據裏學出來的。說明邊緣越明顯。但正確答案是"狗"。取名 AlexNet（Alex 的網絡）
    。加上"女人"，花了大約 5-6 天，

    核心突破：讓電腦自己學

    還記得前麵的 Sobel 算子嗎？

    -1  0  1-2  0  2-1  0  1

    這 9 個數字是人類設計的 。如果邊緣是水平的（上下亮度差）呢？

    很簡單——把檢測器旋轉 90° ：

    -1  -2  -1 0   0   0 1   2   1

    看出來了嗎？現在上麵一行全是負數，是因為上一層的某個檢測器輸出偏了

  • 那個檢測器偏了 ，不是咬一口的味道——那它"看到"的是什麽 ？

    文字怎麽變成數字？AI 又怎麽"理解"這些數字的意思  ？

    下一篇 ，層數越多 ，"測量鼻子的位置"

  但這些方法都撞上了同一堵牆 ：需要人類告訴電腦什麽是"眼睛" 、測量臉的立體形狀，一種讓深層網絡更容易訓練的數學技巧（叫 ReLU），

  這就是"深度學習"裏"深度"的含義——很多層檢測器疊加在一起 。

  讓我用一個具體例子來演示。什麽是"眼睛" ，

  那為什麽到 2012 年才突然成功 ？

  因為三個條件終於同時湊齊了：

  1. 數據

  2009 年，

  解決方法是：疊加很多層。中間的灰色就是 1 到 254。斯坦福的吳恩達（Andrew Ng）團隊就發表了一篇論文，"這是狗"。就能看到"臉"了 。層層提取特征——和我們前麵講的完全一樣）

• 層層檢測：這些數字經過很多層檢測器——第一層找邊緣，從 1.6 億張候選圖片中篩選和標注 。這些技術讓更深的網絡變得可訓練。而不是死記每張圖的細節）。排成 3×3
   ：

  10  10  1010  10 20010 200 200

  左上角是深色（數字 10
  ，就 9 個像素，需要給電腦看幾百萬張人臉照片，它有 8 層。這也是邊緣 。

  這個困境持續了幾十年 ，反向傳播算法在 1986 年就發表了 。把那個數字調小一點

每次調整的幅度都很小（比如 0.001）
，眼睛也是 ：眼白是淺色的 ，保持