“來我這里讀怎么樣？讓你直接從本科最后一年開始，畢業(yè)了直博，給你全獎?！?br/>
李飛飛坐在韓辭的位置上，開始和孟繁岐搭話。
“哈哈哈，全獎倒不是關(guān)鍵，我主要擔(dān)心后面幾年我可能沒多少時間在學(xué)校?！泵戏贬Φ溃固垢５膶W(xué)費不便宜，一年大約五六萬美金，算上生活住宿費用，一年得要七八萬美金。
對于普通學(xué)生來說，這是一筆天價費用，不少美國學(xué)生都需要借助學(xué)貸款，直到工作數(shù)年之后還有大量額度沒有還清。
但幾十萬美金對孟繁岐來說，已經(jīng)是可以忽略不計的數(shù)字了。
光是這幾天白度股票漲幅帶來的收益，就已經(jīng)差不多超過五十萬美金。
說起這部分股票，孟繁岐準備過幾天就開始緩步分批出掉這些股份，在美股尋找一些有潛力的公司投資。
并且他已經(jīng)與柳秘書聯(lián)絡(luò)過，把李彥弘那里預(yù)支的第二筆，共計一千八百萬元打在了國內(nèi)的賬戶上。
因為他突然想起，在目前這個時間點，似乎在國內(nèi)還有筆錢可以白撿，而且是最后的窗口期。
那就是米忽悠，這個后來價值千億的公司目前似乎還沒有看到曙光。
“這個月中先去尚海走一趟吧?！泵戏贬⒉挥浀脦讉€非AI公司的情況，重生前很少關(guān)注這方面。
但米忽悠的經(jīng)歷著實還是比較離奇的，值得他走之前專門跑一趟尚海。
“不在學(xué)校也不要緊，哪里做研究不是做研究？”先不說李飛飛本身也跟谷歌聯(lián)系甚密，如果學(xué)生自己能產(chǎn)出這樣質(zhì)量的學(xué)術(shù)成果，做導(dǎo)師的哪里還管那么多？
“這么好？”孟繁岐其實也就是象征性讀一個學(xué)位出來，沒太把這件事放在心上。
這么多論文反正都要發(fā)，成果都要做，何不順帶拿個學(xué)位？
只要導(dǎo)師管的少就行，不指望導(dǎo)師提供多少指導(dǎo)和資源。
拋開他本身的獨特優(yōu)勢，他此時也已經(jīng)有了辛頓的指引和谷歌的資源，在這方面的條件基本上封頂了。
李飛飛顯然也很清楚這一點，主打的就是一個寬松自由加優(yōu)惠，“你直接來讀本科最后一年，先把學(xué)分修了。畢業(yè)之后直接來我這里掛著讀，文章就和谷歌合作直接出好了?！?br/>
不僅李飛飛本人和谷歌聯(lián)系千絲萬縷，17年更是直接正式擔(dān)任過谷歌的副總裁，主要負責(zé)AI研究和與云系列產(chǎn)品的融合。
就連谷歌的兩位主要創(chuàng)始人，謝爾蓋·布林和拉里·佩奇，均為斯坦福的計算機科學(xué)博士生。
所以對斯坦福谷歌雙方來說，孟繁岐一邊在谷歌打工研究，一邊在斯坦福讀這些個學(xué)位，大家一家人不用分得那么清楚。
這也是孟繁岐點名斯坦福的主要原因。
“那就說好了？”在孟繁岐的角度，李飛飛是一個很不錯的選擇。
首先，她是移民華裔，對華國人也相當照顧。比如后來成為阿貍VP的賈揚清，在斯坦福的時候雖然不是李飛飛的學(xué)生，但也被其多次督促學(xué)習(xí)。
雖然目前地位還沒有那么高，但后來是美國三院院士，在斯坦福AI圈內(nèi)算得上第一流導(dǎo)師。
其次，她跟《自然》《美國國家科學(xué)院院刊》等頂級雜志，以及視覺三大頂級會議等組織的關(guān)系很不錯，她的IMAGENET賽事經(jīng)常在頂會上舉辦。
與她合作，自己的成果發(fā)布起來會輕松不少。憑借自己的成果質(zhì)量，基本上幾個會議的獎項可以說是預(yù)訂了。
最后，她在谷歌的影響力，會一定程度上使得自己的成果更容易推動，乃至具體分成和其他的谷歌內(nèi)部事情都會更加順利一些。
在會場直接謀求入學(xué)斯坦福是孟繁岐之前就想好了的事情，因此他早就備好了紙質(zhì)的簡歷和研究計劃書等內(nèi)容，甚至還包括辛頓幫忙寫的推薦信。
可以說是非常有備無患了，辛頓也只得扼腕嘆息，為何自己所在的學(xué)校偏偏遠在加拿大，果然還是近水樓臺先得月。
此時，臺上的韓辭手忙腳亂了一番之后，開始了自己的展示部分。
“到目前為止，AI相關(guān)的學(xué)科發(fā)展，已經(jīng)徹底改變了人們過去對AI的認識。孟的殘差思想在許多圖像任務(wù)上取得了令人嘆為觀止的成就。
比如比人類更精確地識別圖片，又或者直接憑空生成完全不存在的圖像。而這些了不起的成就，主要是通過求解的方式來完成。
例如，對于任一圖像問題，我們感興趣的是從圖片到具體意義的映射函數(shù)，比如圖像到它的內(nèi)容的類別。
目前慣常的訓(xùn)練做法是，基于一個有限的數(shù)據(jù)，給出目標函數(shù)的一個高效逼近。又或者是利用沒有標簽的有限樣本，逼近采用背后的未知概率?！?br/>
“神經(jīng)網(wǎng)絡(luò)的基本組成部分即為：線性變換與一維非線性變換。深度神經(jīng)網(wǎng)絡(luò)，一般就是上述結(jié)構(gòu)的反復(fù)復(fù)合。
對于已經(jīng)構(gòu)建的網(wǎng)絡(luò)，設(shè)計一個最優(yōu)化問題，根據(jù)經(jīng)驗誤差去擬合數(shù)據(jù)，有時加上一些正則化項，并求解該優(yōu)化問題?！?br/>
韓辭的幻燈片上開始展示密密麻麻的一些公式，“由此，我們便可以把誤差分解成三部分，逼近誤差完全由假設(shè)空間的選取所決定，估計誤差由數(shù)據(jù)集的大小和質(zhì)量而帶來的額外誤差，以及優(yōu)化誤差，這是由優(yōu)化，或者說訓(xùn)練帶來的額外誤差?！?br/>
雖然之前已經(jīng)大概了解了韓辭在這方面的想法，但在如此正式的場合，看到她有些緊張卻仍舊十分自信的展示這些專業(yè)高深的內(nèi)容。
孟繁岐還是相當敬佩的。
這里面的不少結(jié)論都是后來世人熟知的，不過大都是通過大量的實驗觀察，總結(jié)歸納出的一些經(jīng)驗性結(jié)論。
雖然今生，孟繁岐將會在諸多AI應(yīng)用領(lǐng)域開天辟地，可內(nèi)在的數(shù)理證明，終將是他兩輩子都無法越過的鴻溝。
對那些可以做到這些事情的人，人們難免會另眼相待。
而此時此刻，會場當中，看好韓辭的并不只是懵懵懂懂覺得厲害的孟繁岐。
以辛頓為首的學(xué)院派，比如牛津團隊的幾位老教授，眼中滿是贊許的目光。
這個待遇是連孟繁岐剛剛也沒有的。
“可能這就是老學(xué)究們對于理論的偏愛吧?！泵戏贬χ鴵u了搖頭，自己這個做AI應(yīng)用技術(shù)的，可能永遠沒有辦法獲得這幾個怪老頭的如此偏愛。
，