就爱看小说 通过搜索各大小说站为您自动抓取各类小说的最快更新供您阅读!

(神经网络当然还有其他很多基础特点,这里仅仅讨论和“遗传算法退火算法”的主要区别,所以不多赘述了。否则能水几万字,大家还看不懂。)

当年“神经网络”的概念被提出时,就是为了探讨一种让电脑高效处理类似于“找到礼堂里到底有没有我认识的人”问题的新方法:如果可以有多个电脑,自然随机地分配任务,并行从多个点开始用就近算法寻找,那么自然可以在“单核CPU”性能比较弱的情况下,通过堆砌CPU数量加快问题的解决速度。

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。”

喜欢文娱救世主请大家收藏:(www.jakxs.com)文娱救世主就爱看小说更新速度全网最快。

就爱看小说推荐阅读: 重生之苍莽人生动力王朝都市透视小神医我的傻白甜老婆重生日本当厨神农民医生剥削好莱坞1980数攻神级农场我是全能大玩家我有老爸是土豪无良痞医都市全能系统烦死了!我老婆非要养我都市之天上掉下百万亿彪悍的人生少年药王重来1992都市天才医生校园花心高手超级都市法眼超级保安在都市霉运阴阳眼都市之神级读书系统完美人生都市最强打脸天王战地摄影师手札歌迷从当爷爷开始最强小神农镇国神瞳天医校园超级高手环球旅拍家我在天庭开浴室大胆!父皇为何造反!超级英雄都市强化系统全领域制霸重生之投资之王都市之最狂仙帝警花的近身高手修仙归来之都市至尊修仙高手混花都神豪无极限姚远的远方我真没想红啊全球修武我居然是富二代我的绝品美女重生之妖孽人生都市之无敌圣帝
就爱看小说搜藏榜: 神级透视我是大玩家农民医生神级农场怀旧:从四合院开始重回70年从放牧开始重生之苍莽人生修仙归来之都市至尊透视狂兵超级都市法眼超级保安在都市穿越香江之财富帝国重生1998:从收废品开始当大佬农家神植师功夫神医海上花月圆渣男自救指南会抽奖的科学家强人古玩行大掌柜强化医生喷神重生三十岁我的傲娇总裁老婆我的极品女老师龙王殿:神级赘婿从今天开始当富二代超级黄金瞳长生真的不好从吃草莓开始奋斗步步登顶他的白月光鉴宝神医:小医生的逆袭狂傲特工开创皇朝:香媚特行都市王牌霸主我真的没想当网红啊镇国龙尊香色倾城美女的透视神医校园极品狂少全能透视高手爱疯娱乐人生梦起香江强拆锁妖观,还让我拯救你们?天价彩礼:冰山女神爱上我歌圣都市大儒天神殿势利眼草根飞扬
就爱看小说最新小说: 地窟求生:开局食物增幅三十倍热搜第一:叫你捡漏你开挂啊带着爸妈去上班李氏四合院里的老中医汽车公司?不,是国货之光我的金融帝国我写的娱乐文被杨老板看到了百元求生:从潘家园捡漏开始放弃留学,我打造了世界第一名校娱乐:别联系了,真不熟浪在娱乐圈怪物食堂骑士荣耀之半岛风云硅谷大帝武侠之父重生之娱乐风暴都市种子王文娱:让你唱歌,你搁这作法?再启仙途星媒舵手从重生开始合租首富后才知是反派我的夫妻关系竟能数据化韩娱之kpopstar平行空间都市苍龙医道无双乾哥传奇我的美女上司总裁大人进错房火爆兵王大赌石超级特种兵护花神偷痞子术士贴身美女攻略校园纨绔特工超级帅哥我意花丛软玉温香纯情校医限量版男人老子是狂人十二生肖守护神美女老师爱上我倾城宝藏重生圣尊贴身妖孽极道特种兵