第(2/3)頁

    這位家伙為了證明自己的示例在論文里面做出了以下聲明——

    要在gpu上運行這個示例，首先得有個性能良好的gpu。gpu內(nèi)存至少要1gb。如果顯示器連著gpu，可能需要更多內(nèi)存。當(dāng)gpu和顯示器相連時，每次gpu函數(shù)調(diào)用都有幾秒鐘的時限。這么做是必不可少的，因為目前的gpu在進(jìn)行運算時無法繼續(xù)為顯示器服務(wù)。如果沒有這個限制，顯示器將會凍結(jié)太久，計算機看上去像是死機了。若用中等質(zhì)量的gpu處理這個示例，就會遇到超過時限的問題。gpu不連接顯示器時就不存在這個時間限制。你可以降低批處理大小來解決超時問題。

    楊杰前世的時候也是看過這篇論文，也看過這位大神通過facebook說自己在深度網(wǎng)絡(luò)方面的工作工作可以追溯到1989年，當(dāng)時他就在一臺sun4機器上花了大約個星期訓(xùn)練usps數(shù)據(jù)集，其中有8000個訓(xùn)練樣本，這也是他在貝爾實驗室的成果。

    現(xiàn)階段來說，人工智能的三個流派都是在美國誕生的，這些年也是培養(yǎng)出來了大量的人才，尤其是最頂尖的人才也不過幾百個，基本上都是集中在美國，而華夏國這方面的頂尖人才非常稀少，雖然華夏國在人工智能方面起步從八十年代就開始了，這也歸功于已經(jīng)年逾古稀的吳文俊這位人工智能的泰斗級人物。

    這位七十年代才接觸計算機的老者大數(shù)學(xué)家當(dāng)時已經(jīng)六十歲了，他當(dāng)時也是敏銳地察覺到計算機，敏銳地覺察到計算機將極大地推動數(shù)學(xué)的發(fā)展。

    在這位老者的自學(xué)編程的過程中他也是產(chǎn)生了一個初等幾何定理的機械化證明思想。

    經(jīng)過試驗，終于在77年的春節(jié)前成功地用這一思想證明了一些定理，這一研究開創(chuàng)了機器定理證明的時代，國際上稱為“吳文俊方法”和“吳消元法”，實現(xiàn)了初級幾何與微分幾何定理的機器證明，卻是無意中闖入了人工智能的領(lǐng)域，一舉將華夏國在邏輯人工智能的地位提到了非常高的地位。

    不過華夏國在概率程序語言和深度學(xué)習(xí)方面卻是遠(yuǎn)遠(yuǎn)地落后于美國，在后世的記憶中，國內(nèi)這方面的人才都是有過從美國留學(xué)歸國的，在這兩個流派都是跟在美國的屁股后面跑，而且國內(nèi)的人工智能培養(yǎng)出出來的人才都是基于邏輯推理的人工智能，在這兩個最接近真正人工智能的技術(shù)領(lǐng)域就落后了。

    在后來爆發(fā)人工智能熱潮當(dāng)中，還是以概率程序語言跟深度學(xué)習(xí)為主，這兩個流派華夏國根本沒有拿得出手的技術(shù)創(chuàng)新，也沒有權(quán)威人物。

    這也沒辦法，一個牛掰的教授才能帶出更牛掰的學(xué)生出來，這個過程至少需要十多年才能涌現(xiàn)出一批有影響力的科學(xué)家出來。

    后世那些從美國取經(jīng)回國的科學(xué)家才讓國內(nèi)開始了概率程序語言跟深度學(xué)習(xí)的浪潮，完全是靠著華夏國的龐大的市場才讓這兩個技術(shù)領(lǐng)域變得熱鬧起來，其實跟美國之間的差距相差了差不多十多年。

    這個也是后世華夏國在這兩個領(lǐng)域極度缺乏人才的真實原因，當(dāng)時全世界從事這方面技術(shù)人才僅為190萬，其中美國相關(guān)人才總數(shù)超出85萬，位列第一，華夏國相關(guān)人數(shù)不到5萬，位列全球第七，而華夏國這方面的人才需求量至少需要上百萬，這里面有著巨大的缺口。

    楊杰自然是想讓白冰跟吳湯恩等一批這方面的拔尖人才去梅溪湖任教，讓人工智能的另外兩個流派技術(shù)盡快地在華夏國扎根，等到教出至少兩三批的這方面人才，中間也能出現(xiàn)一批引領(lǐng)技術(shù)領(lǐng)域的頂尖人才，等到人工智能浪潮來臨，至少在這方面不會跟美國有太大的差距。
    第(2/3)頁