第608章 AI走入死胡同？
郭長征聽完，沒有立刻回答，而是深深地看了一眼夏冬。
他心裡非常驚訝，一個大一剛結束的本科生，居然能一針見血地指出當前人工智慧的瓶頸。
現在的學術界，絕大多數人都在瘋狂地優化那些複雜的數學公式。
大家都在比拼誰能設計出更精妙的人工特徵提取方法。
很少有人去反思，這條路本身是不是從一開始就選錯了。
郭長征嘆了口氣，靠在椅背上。
「夏冬，你觀察得很敏銳。你說的這個問題，確實是現在學術界的一大痛點。」
「我們現在的主流路線，其實走入了一個過度追求數學完美的誤區。」
郭長征開始講解：「大家覺得一個模型好不好，首先看它的數學證明漂不漂亮。」
「支持向量機為什麼火？因為它背後有一套嚴密的統計學習理論支撐。」
「你可以用公式清清楚楚地證明它為什麼能工作，它的誤差上界在哪裡。」
夏冬適時地接話：「但是現實世界的數據是不講數學邏輯的，它們充滿了噪聲和不確定性。」
郭長徵用力地點頭，聲音提高了幾分：「完全正確！」
「所以我一直認為，基於規則和人工特徵的路線，走不遠。」郭長征表達了自己的立場。
夏冬順勢問道：「那郭老師覺得，未來的出路在哪裡？」
郭長征沉默了片刻，似乎在斟酌用詞。
「你應該聽說過人工神經網絡吧？」郭長征問道。
夏冬點點頭，裝作只了解皮毛的樣子：「之前聽過，剛剛在課堂上，老師你也講了。但好像現在不太受歡迎？」
郭長征苦笑了一下：「不是不太受歡迎，是被主流學術界打入冷宮了。」
「上個世紀八十年代，神經網絡火過一陣子，但很快就遭遇了寒冬。」
「原因很簡單，它解釋不清楚。」郭長征解釋道。
「你把數據丟進去，它經過幾層神經元的計算，給你一個結果。」
「但是中間到底發生了什麼？那些權重參數代表什麼物理意義？沒人知道。」
郭長徵用手指敲了敲桌面：「這在講究嚴謹的學術界是致命的。大家叫它『黑盒』。」
「發論文的時候，評審專家會問你，為什麼你的網絡結構是這樣設計的？為什麼要有三層而不是四層？」
「你回答不上來，你就發不了頂會。」
夏冬靜靜地聽著，他知道郭長征說的是事實。
在深度學習全面爆發之前，神經網絡確實經歷了漫長且壓抑的低谷期。
郭長征繼續說道：「但我一直覺得，我們不需要去解釋它。」
這句話引起了夏冬的極大興趣，這和後來那些科技巨頭們的做法不謀而合。
郭長征語氣變得有些興奮：「你想想人類是怎麼學習的？」
「一個小孩子認識貓，是因為他父母給他列出了貓的數學方程嗎？」
夏冬配合地搖頭：「不是，是因為父母指著很多隻貓告訴他，這是貓。」
「對！」郭長征拍了一下大腿。
「小孩子看了幾百隻、幾千隻貓之後，他的大腦里自動就形成了貓的認知。」
「他不需要知道貓耳朵的幾何角度，他只要看一眼就能認出來。」
郭長征做了一個總結：「學習的過程，本來就是一種經驗的積累，而不是邏輯的推演。」
夏冬在心裡給郭長征默默點了個贊。
在2009年，能有這種認知的人，絕對是具有戰略眼光的技術先驅。
郭長征接著拋出了他的核心理念：「所以我信奉一個詞：大力出奇蹟。」
他看著夏冬，一字一句地說：「不要去搞那些花里胡哨的人工規則。」
「只要我們有足夠大的數據量，把成百上千萬張圖片餵給神經網絡。」
「讓網絡自己去調整權重，自己去尋找特徵。」
「只要數據夠多，網絡層數夠深，它最終的效果，絕對會碾壓那些人工設計的算法。」
這段話，完全命中了未來深度學習爆發的核心本質。
夏冬知道，再過一段時間，當ImageNet數據集發布，當AlexNet在圖像識別大賽上以壓倒性優勢奪冠時，整個世界都會明白這個道理。
大數據加上深度神經網絡，這就是未來十幾年人工智慧唯一的正解。
而郭長征，在這個時間節點，已經極其精準地看透了這一切。
「老師，你的想法非常超前。」夏冬由衷地說道。
他沒有用任何誇張的詞彙，只是陳述了一個客觀事實。
郭長征聽到這句認可，臉上的興奮卻迅速退去，取而代之的是深深的無奈。
他重新靠回椅背上，端起紙杯喝了一大口水。
「超前有什麼用？這只是一種理論上的推想。」郭長征語氣低落。
夏冬明知故問：「既然方向是對的，為什麼不去實踐呢？」
郭長征苦笑連連：「實踐？拿什麼實踐？」
他豎起一根手指：「第一，數據。你去哪裡找上百萬張標註好的圖片？」
「現在的網際網路數據雖然多，但都是雜亂無章的，沒有經過清洗和分類，根本沒法用來訓練模型。」
夏冬沒有說話，他知道這是實情。構建高質量的大型數據集，需要耗費極大的人力和財力。
郭長征豎起第二根手指，加重了語氣：「第二，算力。這也是最致命的一點。」
「要訓練你剛才說的那種能夠自己提取特徵的深度神經網絡，計算量是極其恐怖的。」
「涉及到海量的矩陣乘法運算。」
郭長征指了指辦公桌上的電腦：「就靠現在這些CPU？你跑一個最基礎的多層網絡，數據量一上來，可能都要跑上幾天。」
「等幾天出一個結果，如果發現參數設置錯了，又要重頭再來。」
「這種試錯成本，哪個實驗室承擔得起？」
夏冬順著郭長征的思路問道：「難道就沒有更適合做矩陣運算的硬體嗎？」
郭長征點點頭：「有，顯卡。也就是GPU，它的架構天生適合併發運算。」
「其實我知道英偉達搞的那個CUDA架構，這算是一條路。」郭長征眉頭微皺。
「前陣子英偉達的工作人員還專門聯繫過我，說可以提供免費的顯卡給我做科研。」
「能白嫖設備，我當然去試了。但我花時間研究了一段時間CUDA後，發現根本行不通。」
郭長征擺了擺手，表情顯得有些頭疼。
「那玩意兒現在沒有現成的庫可以調用，開發起來極其麻煩。」
「我要把構想的深度算法硬生生跑在CUDA上面，技術難度比較高，簡直是純純的折磨自己。」
「不過嘛……」郭長征話鋒一轉，語氣裡帶了幾分興致。
「最近盛夏科技，搞出了一個叫TensorFlow的框架，這東西倒是挺好的。」
夏冬心裡暗自發笑，表面上卻不動聲色地聽著。
「我最近也一直在學習這個TensorFlow。」郭長征如實說道。
「只是我要做的神經網絡比較複雜，目前還在琢磨怎麼利用好這個TensorFlow。」
【四章奉上！小說的兩個短劇要上了，可以小說右下角，進「更多改編」預約，也可以到紅果app搜書名，預約短劇。因為短劇播放量高，作者也有錢分哈哈】
他心裡非常驚訝，一個大一剛結束的本科生，居然能一針見血地指出當前人工智慧的瓶頸。
現在的學術界，絕大多數人都在瘋狂地優化那些複雜的數學公式。
大家都在比拼誰能設計出更精妙的人工特徵提取方法。
很少有人去反思，這條路本身是不是從一開始就選錯了。
郭長征嘆了口氣，靠在椅背上。
「夏冬，你觀察得很敏銳。你說的這個問題，確實是現在學術界的一大痛點。」
「我們現在的主流路線，其實走入了一個過度追求數學完美的誤區。」
郭長征開始講解：「大家覺得一個模型好不好，首先看它的數學證明漂不漂亮。」
「支持向量機為什麼火？因為它背後有一套嚴密的統計學習理論支撐。」
「你可以用公式清清楚楚地證明它為什麼能工作，它的誤差上界在哪裡。」
夏冬適時地接話：「但是現實世界的數據是不講數學邏輯的，它們充滿了噪聲和不確定性。」
郭長徵用力地點頭，聲音提高了幾分：「完全正確！」
「所以我一直認為，基於規則和人工特徵的路線，走不遠。」郭長征表達了自己的立場。
夏冬順勢問道：「那郭老師覺得，未來的出路在哪裡？」
郭長征沉默了片刻，似乎在斟酌用詞。
「你應該聽說過人工神經網絡吧？」郭長征問道。
夏冬點點頭，裝作只了解皮毛的樣子：「之前聽過，剛剛在課堂上，老師你也講了。但好像現在不太受歡迎？」
郭長征苦笑了一下：「不是不太受歡迎，是被主流學術界打入冷宮了。」
「上個世紀八十年代，神經網絡火過一陣子，但很快就遭遇了寒冬。」
「原因很簡單，它解釋不清楚。」郭長征解釋道。
「你把數據丟進去，它經過幾層神經元的計算，給你一個結果。」
「但是中間到底發生了什麼？那些權重參數代表什麼物理意義？沒人知道。」
郭長徵用手指敲了敲桌面：「這在講究嚴謹的學術界是致命的。大家叫它『黑盒』。」
「發論文的時候，評審專家會問你，為什麼你的網絡結構是這樣設計的？為什麼要有三層而不是四層？」
「你回答不上來，你就發不了頂會。」
夏冬靜靜地聽著，他知道郭長征說的是事實。
在深度學習全面爆發之前，神經網絡確實經歷了漫長且壓抑的低谷期。
郭長征繼續說道：「但我一直覺得，我們不需要去解釋它。」
這句話引起了夏冬的極大興趣，這和後來那些科技巨頭們的做法不謀而合。
郭長征語氣變得有些興奮：「你想想人類是怎麼學習的？」
「一個小孩子認識貓，是因為他父母給他列出了貓的數學方程嗎？」
夏冬配合地搖頭：「不是，是因為父母指著很多隻貓告訴他，這是貓。」
「對！」郭長征拍了一下大腿。
「小孩子看了幾百隻、幾千隻貓之後，他的大腦里自動就形成了貓的認知。」
「他不需要知道貓耳朵的幾何角度，他只要看一眼就能認出來。」
郭長征做了一個總結：「學習的過程，本來就是一種經驗的積累，而不是邏輯的推演。」
夏冬在心裡給郭長征默默點了個贊。
在2009年，能有這種認知的人，絕對是具有戰略眼光的技術先驅。
郭長征接著拋出了他的核心理念：「所以我信奉一個詞：大力出奇蹟。」
他看著夏冬，一字一句地說：「不要去搞那些花里胡哨的人工規則。」
「只要我們有足夠大的數據量，把成百上千萬張圖片餵給神經網絡。」
「讓網絡自己去調整權重，自己去尋找特徵。」
「只要數據夠多，網絡層數夠深，它最終的效果，絕對會碾壓那些人工設計的算法。」
這段話，完全命中了未來深度學習爆發的核心本質。
夏冬知道，再過一段時間，當ImageNet數據集發布，當AlexNet在圖像識別大賽上以壓倒性優勢奪冠時，整個世界都會明白這個道理。
大數據加上深度神經網絡，這就是未來十幾年人工智慧唯一的正解。
而郭長征，在這個時間節點，已經極其精準地看透了這一切。
「老師，你的想法非常超前。」夏冬由衷地說道。
他沒有用任何誇張的詞彙，只是陳述了一個客觀事實。
郭長征聽到這句認可，臉上的興奮卻迅速退去，取而代之的是深深的無奈。
他重新靠回椅背上，端起紙杯喝了一大口水。
「超前有什麼用？這只是一種理論上的推想。」郭長征語氣低落。
夏冬明知故問：「既然方向是對的，為什麼不去實踐呢？」
郭長征苦笑連連：「實踐？拿什麼實踐？」
他豎起一根手指：「第一，數據。你去哪裡找上百萬張標註好的圖片？」
「現在的網際網路數據雖然多，但都是雜亂無章的，沒有經過清洗和分類，根本沒法用來訓練模型。」
夏冬沒有說話，他知道這是實情。構建高質量的大型數據集，需要耗費極大的人力和財力。
郭長征豎起第二根手指，加重了語氣：「第二，算力。這也是最致命的一點。」
「要訓練你剛才說的那種能夠自己提取特徵的深度神經網絡，計算量是極其恐怖的。」
「涉及到海量的矩陣乘法運算。」
郭長征指了指辦公桌上的電腦：「就靠現在這些CPU？你跑一個最基礎的多層網絡，數據量一上來，可能都要跑上幾天。」
「等幾天出一個結果，如果發現參數設置錯了，又要重頭再來。」
「這種試錯成本，哪個實驗室承擔得起？」
夏冬順著郭長征的思路問道：「難道就沒有更適合做矩陣運算的硬體嗎？」
郭長征點點頭：「有，顯卡。也就是GPU，它的架構天生適合併發運算。」
「其實我知道英偉達搞的那個CUDA架構，這算是一條路。」郭長征眉頭微皺。
「前陣子英偉達的工作人員還專門聯繫過我，說可以提供免費的顯卡給我做科研。」
「能白嫖設備，我當然去試了。但我花時間研究了一段時間CUDA後，發現根本行不通。」
郭長征擺了擺手，表情顯得有些頭疼。
「那玩意兒現在沒有現成的庫可以調用，開發起來極其麻煩。」
「我要把構想的深度算法硬生生跑在CUDA上面，技術難度比較高，簡直是純純的折磨自己。」
「不過嘛……」郭長征話鋒一轉，語氣裡帶了幾分興致。
「最近盛夏科技，搞出了一個叫TensorFlow的框架，這東西倒是挺好的。」
夏冬心裡暗自發笑，表面上卻不動聲色地聽著。
「我最近也一直在學習這個TensorFlow。」郭長征如實說道。
「只是我要做的神經網絡比較複雜，目前還在琢磨怎麼利用好這個TensorFlow。」
【四章奉上！小說的兩個短劇要上了，可以小說右下角，進「更多改編」預約，也可以到紅果app搜書名，預約短劇。因為短劇播放量高，作者也有錢分哈哈】