第(1/3)页

    郭长征听完，没有立刻回答，而是深深地看了一眼夏冬。

    他心里非常惊讶，一个大一刚结束的本科生，居然能一针见血地指出当前人工智能的瓶颈。

    现在的学术界，绝大多数人都在疯狂地优化那些复杂的数学公式。

    大家都在比拼谁能设计出更精妙的人工特征提取方法。

    很少有人去反思，这条路本身是不是从一开始就选错了。

    郭长征叹了口气，靠在椅背上。

    “夏冬，你观察得很敏锐。你说的这个问题，确实是现在学术界的一大痛点。”

    “我们现在的主流路线，其实走入了一个过度追求数学完美的误区。”

    郭长征开始讲解：“大家觉得一个模型好不好，首先看它的数学证明漂不漂亮。”

    “支持向量机为什么火？因为它背后有一套严密的统计学习理论支撑。”

    “你可以用公式清清楚楚地证明它为什么能工作，它的误差上界在哪里。”

    夏冬适时地接话：“但是现实世界的数据是不讲数学逻辑的，它们充满了噪声和不确定性。”

    郭长征用力地点头，声音提高了几分：“完全正确！”

    “所以我一直认为，基于规则和人工特征的路线，走不远。”郭长征表达了自己的立场。

    夏冬顺势问道：“那郭老师觉得，未来的出路在哪里？”

    郭长征沉默了片刻，似乎在斟酌用词。

    “你应该听说过人工神经网络吧？”郭长征问道。

    夏冬点点头，装作只了解皮毛的样子：“之前听过，刚刚在课堂上，老师你也讲了。但好像现在不太受欢迎？”

    郭长征苦笑了一下：“不是不太受欢迎，是被主流学术界打入冷宫了。”

    “上个世纪八十年代，神经网络火过一阵子，但很快就遭遇了寒冬。”

    “原因很简单，它解释不清楚。”郭长征解释道。

    “你把数据丢进去，它经过几层神经元的计算，给你一个结果。”

    “但是中间到底发生了什么？那些权重参数代表什么物理意义？没人知道。”

    郭长征用手指敲了敲桌面：“这在讲究严谨的学术界是致命的。大家叫它‘黑盒’。”

    “发论文的时候，评审专家会问你，为什么你的网络结构是这样设计的？为什么要有三层而不是四层？”

    “你回答不上来，你就发不了顶会。”

    夏冬静静地听着，他知道郭长征说的是事实。
    第(1/3)页