“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。”

    李飛飛坐在韓辭的位置上，開始和孟繁岐搭話。

    “哈哈哈，全獎倒不是關鍵，我主要擔心后面幾年我可能沒多少時間在學校。”孟繁岐笑道，斯坦福的學費不便宜，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。

    對于普通學生來說，這是一筆天價費用，不少美國學生都需要借助學貸款，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。

    并且他已經與柳秘書聯(lián)絡過，把李彥弘那里預支的第二筆，共計一千八百萬元打在了國內的賬戶上。

    因為他突然想起，在目前這個時間點，似乎在國內還有筆錢可以白撿，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，重生前很少關注這方面。

    但米忽悠的經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，如果學生自己能產出這樣質量的學術成果，做導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，何不順帶拿個學位？

    只要導師管的少就行，不指望導師提供多少指導和資源。

    拋開他本身的獨特優(yōu)勢，他此時也已經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年更是直接正式擔任過谷歌的副總裁，主要負責AI研究和與云系列產品的融合。

    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生，但也被其多次督促學習。

    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圈內算得上第一流導師。

    其次，她跟《自然》《美國國家科學院院刊》等頂級雜志，以及視覺三大頂級會議等組織的關系很不錯，她的IMAGENET賽事經常在頂會上舉辦。

    與她合作，自己的成果發(fā)布起來會輕松不少。憑借自己的成果質量，基本上幾個會議的獎項可以說是預訂了。

    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部事情都會更加順利一些。

    在會場直接謀求入學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的簡歷和研究計劃書等內容，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相關的學科發(fā)展，已經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)，比如圖像到它的內容的類別。

    目前慣常的訓練做法是，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/>
    “神經網絡的基本組成部分即為：線性變換與一維非線性變換。深度神經網絡，一般就是上述結構的反復復合。

    對于已經構建的網絡，設計一個最優(yōu)化問題，根據(jù)經驗誤差去擬合數(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空間的選取所決定，估計誤差由數(shù)據(jù)集的大小和質量而帶來的額外誤差，以及優(yōu)化誤差，這是由優(yōu)化，或者說訓練帶來的額外誤差。”

    雖然之前已經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)高深的內容。

    孟繁岐還是相當敬佩的。

    這里面的不少結論都是后來世人熟知的，不過大都是通過大量的實驗觀察，總結歸納出的一些經驗性結論。

    雖然今生，孟繁岐將會在諸多AI應用領域開天辟地，可內在的數(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。

    “可能這就是老學究們對于理論的偏愛吧。”孟繁岐笑著搖了搖頭，自己這個做AI應用技術的，可能永遠沒有辦法獲得這幾個怪老頭的如此偏愛。

    ，