第1927章 运气(2/2)
双方认识过后，伊尔亚端来三个纸杯，辛顿有些抱歉的道：“不好意思，我们这里只有速溶咖啡。”
“喝什么咖啡并不重要。”于凯笑道，“我们直接开始吧。”
阿莱克斯便道：“请由我先来介绍一下alexnet的开发情况……”
“我们都知道，早在上个世纪50年代，就有人提出了人工智能的概念，但由于技术的限制，始终没有获得突破性的进展。到了本世纪初，绝大部分研究人员都放弃了这个方向，而辛顿教授是少有坚持下来的人之一。”
一开场，阿莱克斯就小小的拍了一个马屁。
李睿顿时觉得，这小子有前途。
“情况到了2006年，人工智能的发展有了转机，这一年辛顿教授发表了论文《深度信念网络的一种快速学习算法》，认为可以利用gpu来加速训练速度，对每一层网络先进行预训练，然后再微调，这样一来网络的学习速度会大幅提高。”
“我在乌国出生，枫叶国长大，读硕士的时候，读到了辛顿教授的论文，觉得很有意思。硕士毕业后，我不想那么快就去当程序员，抱着尝试的态度给辛顿教授发了一封邮件，希望能够跟随他攻读计算机科学博士的课程，那个时候我也没想到，我们真的能搞成这件事。”阿莱克斯颇有些得意的道。
这些话听在别人耳中，并没有太大的反应，毕竟alexnet目前还只是一个比较初级的神经网络。
但落在李睿耳中，却感叹科技进步有的时候也要归功于运气，比如砸中牛顿的苹果，比如启迪瓦特的烧水壶，再比如不想去当程序员的阿莱克斯。
尽管没有苹果、烧水壶或者阿莱克斯，科技也会发展，迟早会有人发现万有引力，发明蒸汽机，也迟早会有人开发出真正的神经网络，但有了这些人和故事，才让人类的科技一往无前的进步下去。
阿莱克斯道：“起初我们的研究没什么突破，但后来我意识到一件事，其实我们只要借助两样东西就能让神经网络成功识别出图片中的物体：一是数据，也就是海量的图片；二是强大的计算处理能力。”
“计算处理能力方面，我们选择了gpu模型，它真的很适合卷积神经网络的计算，能够把它变得非常快，做出规模远超以前的训练。而在数据集方面，李飞飞博士和亚马逊共同开发的imagenet数据集帮了我们大忙！”
此时，于凯插了一句：“李飞飞教授是铧人的骄傲。”
李飞飞是铧裔女科学家，也是世界知名的人工智能专家，2009年的时候她在斯坦福大学担任助理教授，忽然萌生出一个在当时看来很疯狂的想法，她想要通过对大量图片进行人工标注来教会计算机识别各种各样的物体，突破以前只局限于汽车、飞机、豹子和人脸的局限。
打个比方就是，如果直接让计算机去识别物体，会非常的困难。
可如果由人类先给物品进行标注，再告诉计算机这是什么东西，从而让计算机获得识别物体的能力，这就简单多了，
但也只是看上去简单罢了，实际上这是一个非常庞大的工程，世界上的物品何止百千万，想要全都标注出来需要庞大的时间精力和金钱，而当时很多人都认为李飞飞的想法只是异想天开，并没有通过她的申请。
李飞飞却没有放弃她的想法，一度甚至想要开个洗衣店，用赚到的钱来支持她的想法。
皇天不负苦心人，亚马逊公司得知了李飞飞的想法之后，给予了资助，还帮助她在网络上以众包的方式找人标注头像，据说一共有一百多个国家几十万人参与了这个项目，只用了短短一年时间就完成了图片标注，这就是著名的imagenet项目，也是大数据和人工智能重要的里程碑事件！
正是因为有了imagenet数据集，才让辛顿教授三人有了研究的基础，并最终得到了结果。
“喝什么咖啡并不重要。”于凯笑道，“我们直接开始吧。”
阿莱克斯便道：“请由我先来介绍一下alexnet的开发情况……”
“我们都知道，早在上个世纪50年代，就有人提出了人工智能的概念，但由于技术的限制，始终没有获得突破性的进展。到了本世纪初，绝大部分研究人员都放弃了这个方向，而辛顿教授是少有坚持下来的人之一。”
一开场，阿莱克斯就小小的拍了一个马屁。
李睿顿时觉得，这小子有前途。
“情况到了2006年，人工智能的发展有了转机，这一年辛顿教授发表了论文《深度信念网络的一种快速学习算法》，认为可以利用gpu来加速训练速度，对每一层网络先进行预训练，然后再微调，这样一来网络的学习速度会大幅提高。”
“我在乌国出生，枫叶国长大，读硕士的时候，读到了辛顿教授的论文，觉得很有意思。硕士毕业后，我不想那么快就去当程序员，抱着尝试的态度给辛顿教授发了一封邮件，希望能够跟随他攻读计算机科学博士的课程，那个时候我也没想到，我们真的能搞成这件事。”阿莱克斯颇有些得意的道。
这些话听在别人耳中，并没有太大的反应，毕竟alexnet目前还只是一个比较初级的神经网络。
但落在李睿耳中，却感叹科技进步有的时候也要归功于运气，比如砸中牛顿的苹果，比如启迪瓦特的烧水壶，再比如不想去当程序员的阿莱克斯。
尽管没有苹果、烧水壶或者阿莱克斯，科技也会发展，迟早会有人发现万有引力，发明蒸汽机，也迟早会有人开发出真正的神经网络，但有了这些人和故事，才让人类的科技一往无前的进步下去。
阿莱克斯道：“起初我们的研究没什么突破，但后来我意识到一件事，其实我们只要借助两样东西就能让神经网络成功识别出图片中的物体：一是数据，也就是海量的图片；二是强大的计算处理能力。”
“计算处理能力方面，我们选择了gpu模型，它真的很适合卷积神经网络的计算，能够把它变得非常快，做出规模远超以前的训练。而在数据集方面，李飞飞博士和亚马逊共同开发的imagenet数据集帮了我们大忙！”
此时，于凯插了一句：“李飞飞教授是铧人的骄傲。”
李飞飞是铧裔女科学家，也是世界知名的人工智能专家，2009年的时候她在斯坦福大学担任助理教授，忽然萌生出一个在当时看来很疯狂的想法，她想要通过对大量图片进行人工标注来教会计算机识别各种各样的物体，突破以前只局限于汽车、飞机、豹子和人脸的局限。
打个比方就是，如果直接让计算机去识别物体，会非常的困难。
可如果由人类先给物品进行标注，再告诉计算机这是什么东西，从而让计算机获得识别物体的能力，这就简单多了，
但也只是看上去简单罢了，实际上这是一个非常庞大的工程，世界上的物品何止百千万，想要全都标注出来需要庞大的时间精力和金钱，而当时很多人都认为李飞飞的想法只是异想天开，并没有通过她的申请。
李飞飞却没有放弃她的想法，一度甚至想要开个洗衣店，用赚到的钱来支持她的想法。
皇天不负苦心人，亚马逊公司得知了李飞飞的想法之后，给予了资助，还帮助她在网络上以众包的方式找人标注头像，据说一共有一百多个国家几十万人参与了这个项目，只用了短短一年时间就完成了图片标注，这就是著名的imagenet项目，也是大数据和人工智能重要的里程碑事件！
正是因为有了imagenet数据集，才让辛顿教授三人有了研究的基础，并最终得到了结果。