三十五章 、每个领域都有天下第一(2/4)
杰夫.辛顿有些尴尬，毕竟资格比他老20⛬🝢🌵年的学界泰斗史蒂芬.库克就坐在旁边🅋🄽🃃。顾诚这样直截了当地谈钱，实在有辱斯文。
“到企业去做事，我们从来是不反对的，学术应该跟产🞵😜业界结合。不过，就不知道一个明明只是做社交裹挟和游戏攀🉀🄑☚比的公司，能有什么课题让人拿出可以上ieee系列期刊的成果呢。”
库克教授直接就点出了顾诚的短板。
别的产业界大牛，无论微软还是谷歌，好歹有一水儿的顶级大学研究所支撑。顾诚虽然也是搞互💮联网的，但他🚻的技术含量是最低的那一型。
就像后世bat三巨头当中，腾云是技术🚆含量最低的一个。
“你提到了神经网络算法这个拟研究方向，但我看不出来这和你的产业有什么结合。🕴让我们多伦多大学的教授去做那种看不到学术前景的花里胡哨东西，有违本校的学风。”
库克教授也📆😩🄃不管自己只是个🂩👜所长，直接就盖棺定论了。
所谓“神经网络式算法”，库克教授十几年前就有涉猎，相比于80年代以来的其他“np穷尽理论”而言，其最大的特点是“没有运算👂核心”。
用人体来举例，人作为一个生物个体而言，是有中枢神经的绝大多数机体行动，都是大脑控制肢体，眼口耳鼻手足感知到了外部信号之后先要通过反射弧传递到大脑（部分最低级的反射，至少也要到延髓🎼🖞/脊髓处理）等大脑作出处理指令之后，手足才会作出反应。
但是如果把大脑单独作为一个独立个体解剖开来看，大脑内部上千亿个神经元是平等的。并不存在“某一小撮神经元高于其他周边神经元、从而在处理信息时先由这一撮神经🗭🞳😎元预处理、预处理完之后再交给下一撮☲🃗🗿神经元处理”这样的先后顺序。
（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📆😩🄃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。
“到企业去做事，我们从来是不反对的，学术应该跟产🞵😜业界结合。不过，就不知道一个明明只是做社交裹挟和游戏攀🉀🄑☚比的公司，能有什么课题让人拿出可以上ieee系列期刊的成果呢。”
库克教授直接就点出了顾诚的短板。
别的产业界大牛，无论微软还是谷歌，好歹有一水儿的顶级大学研究所支撑。顾诚虽然也是搞互💮联网的，但他🚻的技术含量是最低的那一型。
就像后世bat三巨头当中，腾云是技术🚆含量最低的一个。
“你提到了神经网络算法这个拟研究方向，但我看不出来这和你的产业有什么结合。🕴让我们多伦多大学的教授去做那种看不到学术前景的花里胡哨东西，有违本校的学风。”
库克教授也📆😩🄃不管自己只是个🂩👜所长，直接就盖棺定论了。
所谓“神经网络式算法”，库克教授十几年前就有涉猎，相比于80年代以来的其他“np穷尽理论”而言，其最大的特点是“没有运算👂核心”。
用人体来举例，人作为一个生物个体而言，是有中枢神经的绝大多数机体行动，都是大脑控制肢体，眼口耳鼻手足感知到了外部信号之后先要通过反射弧传递到大脑（部分最低级的反射，至少也要到延髓🎼🖞/脊髓处理）等大脑作出处理指令之后，手足才会作出反应。
但是如果把大脑单独作为一个独立个体解剖开来看，大脑内部上千亿个神经元是平等的。并不存在“某一小撮神经元高于其他周边神经元、从而在处理信息时先由这一撮神经🗭🞳😎元预处理、预处理完之后再交给下一撮☲🃗🗿神经元处理”这样的先后顺序。
（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📆😩🄃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。