407章 畢業典禮！（1/2）

畢業典禮結束後，羅素教授也是找到了白冰跟楊傑。

「白冰，我是希望像你這樣的優秀的人才能夠留在伯克利這邊擔任助教教授的，你真的不考慮一下？」羅素教授一臉惋惜地看著白冰說道。

「老師，我們國家缺少這方面的人才，我回到國內也是想帶出這方面更多的人才出來。」白冰說道。

「真是可惜了，像你這樣在人工智慧算法上有著卓絕天賦的天才太稀少了，如果之前我沒有去過華夏國的話，我是建議你留在美國發展的，不過你的這位男朋友既然這麼支持人工智慧，我還是尊重你個人的意見。」

羅素教授點頭道。

白冰在伯克利大學這邊就讀的期間，在頂級的期刊上發表了幾篇重要的論文，被引用的次數非常多，都是關於概率程序語言跟編譯器方面，現在的她已經成為了概率程序語言方面的頂尖人才。

其實後世人工智慧三個流派已經出現了，羅素教授主攻的方向就是概率程序語言這一流派，在羅素教授的幫助下，白冰他們提出了一種圖靈完備的概率程式語言，是一個用於快速實驗和研究概率模型的測試平台，其涵蓋的模型範圍從包括了很多小數據集上的經典層次模型。

這個概率語言卻是讓伯克利大學之前機器學習的效率提升了十五倍！

也正是如此，這種概率程序語言在機器學習研究人員中變得無比風靡起來，從而也讓從很早就開始的邏輯算法的人工智慧變得黯淡起來。

基於邏輯的人工智慧遮掩了感知問題，而了解感知的原理是解開智能之謎的金鑰匙——感知是屬於那類對於人很容易而機器很難掌握的東西。

邏輯是純粹的，傳統的象棋機器人也是純粹算法化的，但現實世界卻是充滿了不確定性。

這也意味著很早就變成主流的基於邏輯的人工智慧註定變得前途黯淡。

而此時的深度學習的泰斗級人物YannLeCun前年的時候發表了開創性的論文《基於梯度學習的文檔識別方法》，他此時也是折騰出了深度學習模型。

這位傢伙為了證明自己的示例在論文裡面做出了以下聲明——

要在GPU上運行這個示例，首先得有個性能良好的GPU。GPU內存至少要1GB。如果顯示器連著GPU，可能需要更多內存。當GPU和顯示器相連時，每次GPU函數調用都有幾秒鐘的時限。這麼做是必不可少的，因為目前的GPU在進行運算時無法繼續為顯示器服務。如果沒有這個限制，顯示器將會凍結太久，計算機看上去像是死機了。若用中等質量的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。

楊傑前世的時候也是看過這篇論文，也看過這位大神通過Facebook說自己在深度網絡方面的工作工作可以追溯到1989年，當時他就在一台SUN4機器上花了大約個星期訓練USPS數據集，其中有8000個訓練樣本，這也是他在貝爾實驗室的成果。

現階段來說，人工智慧的三個流派都是在美國誕生的，這些年也是培養出來了大量的人才，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慧方面起步從八十年代就開始了，這也歸功於已經年逾古稀的吳文俊這位人工智慧的泰斗級人物。

這位七十年代才接觸計算機的老者大數學家當時已經六十歲了，他當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學的發展。

在這位老者的自學編程的過程中他也是產生了一個初等幾何定理的機械化證明思想。

本章未完，點選下一頁繼續閱讀。