手机浏览器扫描二维码访问
但这个概念并没有“节约计算资源”,因为理论上它只是把“1台电脑10小时工作量”变成了“10台电脑1小时的工作量”而已。而且这种最原始的“神经网络”也依然没法解决那些“似是而非”的模糊问题——他们只能回答“有我认识的人没有我认识的人”这种非此即彼的问题。
库克点名了在这个领域让顾诚对其应用模型说出个子丑寅卯来,顾诚自然不能避战。
“我拜读过辛顿教授对于神经网络的最新模型假说,卷积神经网络,以及与之配套的学习型算法。我认为这个东西可以和互联网的自动识别索引工具相结合。至于具体的应用场景么……那就属于商业机密了,恕我无可奉告。”
“卷积神经网络的新用法?”
史蒂芬.库克教授一愣,但很快冷静下来,他可不是一个概念就能忽悠住的。
“看来,顾先生要论述的重点,就在于‘卷积’上面了?”
“没错,如果没有‘卷积’,仅有‘神经网络’,我们依然没法讨论近似于人脑判断的模糊问题。”顾诚一副成竹在胸的样子,似乎对对方的反应早有预判。
他打开电脑,接上投影仪,屏幕上出现了一张猫的图片。
“我用图上这只猫举例子——尽管这只猫一只耳朵竖着一只耳朵折了,眼珠瞳孔也有点不正常,尾巴还特别短,毛色肮脏还和照片的背景色非常接近,但我作为一个人类,还是一眼就认出了这确实是一只猫。
现在,我用我根据辛顿教授的阀值思想编写的自学程序,用机器对这只猫是否是猫进行初次预判。在这个算法里,我们预构了30个组合特征量,比如‘猫眼’、‘猫耳’‘猫毛’、‘猫尾’……然后用三十个神经元单位的处理资源,分别针对每一个组合特征量进行预判,然后分别给出结果。
在这三十个神经元单位内部,我们再根据‘本图猫眼与本神经元见过的猫眼’之间的像素相似度作出判断,给出一个积值,从而得到‘这有85%概率是一只猫眼’或者‘有70%概率是一只猫耳’之类的参考量。最后,把这30个组合特征量按照默认1:1的权重进行组合,最终平均分高于60分就判定‘这是一只猫’。”
“那成功率肯定很可怜。”库克教授耸耸肩,一脸的悲悯。
“当然很可怜,因为我的实验才开始呢——做到这一步,并不是要让机器判断正确,而是在机器判断完之后,让人眼再复查一遍。如果机器和人的判断结果一致,那么就给目前的特征量分组方式和每个特征量的权重比例数组加1分。
然后,再判断下一次。如果还对,再加一分。直到判断错了,然后就自动对现有权重比例数组作出调整:比如,此前判断正确的两次‘平均分60分’的结果中,‘猫眼’得分分别是75和80分,而‘猫耳’得分是45和40分。而判断错误的那一次‘平均分60分’的结果中,‘猫眼’是50分‘猫耳’是70分。那么,我们就可以得出一个结论:决定猫是否长得像猫的所有特征变量中,‘猫眼’是比‘猫耳’更关键的变量,在计算综合分的时候应该提升其权重。
最后,按照这个逻辑让这套算法看一百张猫图,一千张,一万张……算法自然会总结出一套‘即使不全对,但正确概率越来越高的判断权重’。”
人类的小孩儿,在3岁的时候学习认各种东西,其实大脑里就是这么算的。没什么非坚持不可的特征,看个几百只猫,自然而然就调整各个特征权重,知道什么是猫了。
没有任何一个变量,拥有“一票否决”的权力。充其量,只是其在卷积神经网络中的“积分量”比较高而已。正是因为如此,人类才可以在看到一只双眼彻底被挖掉的猫时,依然认出这是一只猫。
……
顾诚的整体论述,自然是非常冗长的,难以一一赘述。
其中很多关窍,说透了之后也完全通俗易懂,根本没什么逼格。
但是顾诚至少为“如果做不到全对,就没有商业价值”的卷积神经网络,提供了一种“就算现在做得还不太好,也能在一两年内就取得阶段性商业变现可能性”的路径。
史蒂芬.库克教授与之交谈良久,最后默然不知如何应对。
“神圣的神经网络算法研究,居然用这种毫不严谨毫不科学的推论、假设、模拟来解释。这些想法和推论根本没法形成论文和成果体系。”库克教授本能地抨击了几句,但是冷静下来之后,一咬牙,不得不承认,“但是,很有启发。”
对于库克教授的指责,顾诚不以为意:“就像中医,不科学,但是有时候它确实可以治好病。只是要碰运气,而且解释不通其治好病的必然道理而已——但我只要疗效,不在乎科不科学。您有兴趣证明,完善学术体系,我很尊重您的想法。但我不太会为这些证明掏钱。我这次来,只想投资一些哪怕不科学也能用上的东西。”
库克教授无奈地摇摇头:“真是可惜,有那么好的脑子,却不以投身科学为荣。”
“没办法,我是产业界的人士,我在乎的是实用主义。”
顾诚不再理会那个理想主义的老学阀,只是重新提出了自己的邀请。
“库克教授,我今天言尽于此。我希望你不会用你的学术权威,去劝阻其他人投身产业界。我也非常欢迎您给我介绍人才,介绍从各种角度‘碰运气’的人才。”
03年的东海岸,盘根错节的混逼格学者还是挺多的,成果和产业界的结合,普遍还停留在那些既能刷脸也能刷钱的成果。
要到杰夫辛顿这一票人普遍想通之后,东海岸学界以钱衡量成功的氛围才会浓重起来。任何事情,都是一步步来的。
“你们谁想去的,就去吧。我不会阻拦。至于第二个建议,我会考虑。”
无所谓 重生末世之重获新生 美漫之时间掠夺者 我的闪婚女总裁凌宇 我儿子有九个爸爸 铁马踏江山 虫族之婚后生活 弱小无助又可怜(快穿) 杨家有女宜室宜家 洪荒神帝 香蜜之携手同舟 九阳医仙 我在冥界当王妃 积分榜上的杠把子[快穿] 婚途漫漫:阮少的替嫁新妻 再嫁农夫 一只吸血鬼的职业生涯 山主总是不吃药 前夫靠边站 末世重生之归来
关于余生相望不相思十五年后,英国归来,她原是让那些害过她的人,好好忏悔,却不成想,坏了他的好事儿。他是北方十六省最尊贵的公子哥,督军府的大公子。他搂着她的腰,在她耳边吐气如兰坏了我的好事儿...
一觉醒来,王凯发现他居然穿越到了斗罗大陆!叮,无限武魂系统绑定成功,你获得抽取神级武魂机会一次!叮,你获得了神级武魂修罗皇!叮,你获得新手任务突破魂师!凭借着穿越时获得的无限武魂系...
关于DOTA牛人纵横异界萧易曾是游戏中的王者,霸主级别的存在,穿越异界以后,拥有综合使用所有DOTA英雄技能装备的力量,展开了属于他的超神之旅。遇到了小蓝胖以及潮汐猎人的萧易,而后有了对于DOTA英雄的...
一个江湖第一门派的少主,会武术,懂医术,来到都市见女网友,没想到女网友居然是美女老师,与此同时,清纯校花,纯情护士,冷艳警花,火辣的女邻居相继和她有着千丝万缕的联系,同时他还要寻找一件超级宝贝...
王羽穿越异世界,不但开局取下了弟弟的麒麟珠,还被天道判定为入侵者,施加了诅咒。BUFF1天道诅咒!天下天选之人,将本能对你产生恶念,发自内心的厌恶你,击杀你,将得到天道的奖励。BUFF2好运无缘!你被天道所厌弃,你的气运化为零,奇遇,机缘与将与你没有任何关系。BUFF3天道平衡!天道本公,万物平衡,有失必有得,基于前两个BUFF,你挫败天选之人,可掠夺其一定比例的气运,你击杀天选之人,将获得其十分之一的本源之力。没有金手指,没有主角光环的反派,就一定打不过主角吗?王羽表示他想试试废材流,重生流,无敌流,花式虐主,各种反套路,这是一个不一样的故事。...
乔南和梁非城的爱情角逐就是我爱你的时候,你想杀了我,我不爱你的时候,你偏偏缠着我。三年前,乔南被迫顶罪,留在梁非城身边赎罪。她被夺去自由,囚禁在梁公馆成为最下等的佣人。乔南以为能争取到自由的那一天,可转身就是梁非城将她送进疯人院。铺天盖地是他要和别的女人订婚的消息。大雨倾盆,乔南抱着死去的亲人,心死如灰...