新笔趣阁(biquge3456.com)更新快，无弹窗！
第608章AI走入死胡同？(第1/2页)
郭长征听完，没有立刻回答，而是深深地看了一眼夏冬。
他心里非常惊讶，一个大一刚结束的本科生，居然能一针见血地指出当前人工智能的瓶颈。
现在的学术界，绝大多数人都在疯狂地优化那些复杂的数学公式。
大家都在比拼谁能设计出更精妙的人工特征提取方法。
很少有人去反思，这条路本身是不是从一开始就选错了。
郭长征叹了口气，靠在椅背上。
“夏冬，你观察得很敏锐。你说的这个问题，确实是现在学术界的一大痛点。”
“我们现在的主流路线，其实走入了一个过度追求数学完美的误区。”
郭长征开始讲解：“大家觉得一个模型好不好，首先看它的数学证明漂不漂亮。”
“支持向量机为什么火？因为它背后有一套严密的统计学习理论支撑。”
“你可以用公式清清楚楚地证明它为什么能工作，它的误差上界在哪里。”
夏冬适时地接话：“但是现实世界的数据是不讲数学逻辑的，它们充满了噪声和不确定性。”
郭长征用力地点头，声音提高了几分：“完全正确！”
“所以我一直认为，基于规则和人工特征的路线，走不远。”郭长征表达了自己的立场。
夏冬顺势问道：“那郭老师觉得，未来的出路在哪里？”
郭长征沉默了片刻，似乎在斟酌用词。
“你应该听说过人工神经网络吧？”郭长征问道。
夏冬点点头，装作只了解皮毛的样子：“之前听过，刚刚在课堂上，老师你也讲了。但好像现在不太受欢迎？”
郭长征苦笑了一下：“不是不太受欢迎，是被主流学术界打入冷宫了。”
“上个世纪八十年代，神经网络火过一阵子，但很快就遭遇了寒冬。”
“原因很简单，它解释不清楚。”郭长征解释道。
“你把数据丢进去，它经过几层神经元的计算，给你一个结果。”
“但是中间到底发生了什么？那些权重参数代表什么物理意义？没人知道。”
郭长征用手指敲了敲桌面：“这在讲究严谨的学术界是致命的。大家叫它‘黑盒’。”
“发论文的时候，评审专家会问你，为什么你的网络结构是这样设计的？为什么要有三层而不是四层？”
“你回答不上来，你就发不了顶会。”
夏冬静静地听着，他知道郭长征说的是事实。
在深度学习全面爆发之前，神经网络确实经历了漫长且压抑的低谷期。
郭长征继续说道：“但我一直觉得，我们不需要去解释它。”
这句话引起了夏冬的极大兴趣，这和后来那些科技巨头们的做法不谋而合。
郭长征语气变得有些兴奋：“你想想人类是怎么学习的？”
“一个小孩子认识猫，是因为他父母给他列出了猫的数学方程吗？”
夏冬配合地摇头：“不是，是因为父母指着很多只猫告诉他，这是猫。”
“对！”郭长征拍了一下大腿。
“小孩子看了几百只、几千只猫之后，他的大脑里自动就形成了猫的认知。”
“他不需要知道猫耳朵的几何角度，他只要看一眼就能认出来。”
郭长征做了一个总结：“学习的过程，本来就是一种经验的积累，而不是逻辑的推演。”
夏冬在心里给郭长征默默点了个赞。
在2009年，能有这种认知的人，绝对是具有战略眼光的技术先驱。
郭长征接着抛出了他的核心理念：“所以我信奉一个词：大力出奇迹。”
他看着夏冬，一字一句地说：“不要去搞那些花里胡哨的人工规则。”
（本章未完，请点击下一页继续阅读）第608章AI走入死胡同？(第2/2页)
“只要我们有足够大的数据量，把成百上千万张图片喂给神经网络。”
“让网络自己去调整权重，自己去寻找特征。”
“只要数据够多，网络层数够深，它最终的效果，绝对会碾压那些人工设计的算法。”
这段话，完全命中了未来深度学习爆发的核心本质。
夏冬知道，再过一段时间，当ImageNet数据集发布，当AleXNet在图像识别大赛上以压倒性优势夺冠时，整个世界都会明白这个道理。
大数据加上深度神经网络，这就是未来十几年人工智能唯一的正解。
而郭长征，在这个时间节点，已经极其精准地看透了这一切。
“老师，你的想法非常超前。”夏冬由衷地说道。
他没有用任何夸张的词汇，只是陈述了一个客观事实。
郭长征听到这句认可，脸上的兴奋却迅速