第(3/3)页

    “说吧，遇到什么技术难题了？还是对未来的研究方向有疑惑？”

    夏冬双手捧着纸杯，感受着纸杯传来的温度，表情十分认真。

    “郭老师，刚才课上你提到了现在主流的几种机器学习算法，特别是支持向量机。”

    郭长征点点头：“对，这是目前学术界研究最热的方向，数学理论非常完备。”

    夏冬话锋一转：“但是我感觉，这种依靠人工提取特征，然后再丢给分类器的方法，是不是存在上限？”

    郭长征拿着水杯的手微微一顿，有些错愕地看着夏冬。

    他本以为夏冬是要问某道课后题怎么解，或者某个公式怎么推导。

    没想到夏冬一开口，直接跳过了基础应用，直奔算法路线的底层逻辑。

    这种问题，通常是带研究生开组会时才会讨论的议题。

    “你详细说说你的看法。”郭长征放下水杯，语气变得郑重起来。

    夏冬在脑海里快速整理了一下语言。

    重生前，他只是一个业务程序员，对于人工智能这种前沿领域的底层逻辑和发展路线，他其实了解的不多。

    但在这一年里，他经常都会花大量时间用手机和豆包进行深度对话。

    从底层硬件架构，到上层算法演进，他把未来十几年科技发展的脉络梳理得清清楚楚。

    他知道未来的赢家是谁，也知道哪些技术路线最终被证明是死胡同。

    现在的夏冬，如果让他马上手搓一段复杂的底层驱动代码，他可能做不到。

    但如果谈论技术的发展方向和宏观架构，放眼整个2009年，没有人比他更清晰。

    他现在就是以一个未来技术架构师的视角，在审视当下的学术界。

    夏冬开口说道：“老师，我是这么想的。人工提取特征，非常依赖专家的经验。”

    “如果我们要识别一张图片里是不是猫，我们就得让人先定义猫的特征。”

    “比如耳朵是尖的，有胡须，有尾巴。”夏冬举了一个非常直白的例子。

    “但是猫的姿态千变万化，可能会卷成一个球，可能会被挡住一半。”

    “光靠人去写规则，写条件判断，根本写不完所有的可能性。”

    夏冬看着郭长征，抛出了核心问题：“这种专家系统或者传统机器学习，在面对复杂的现实世界时，其实非常脆弱，对吗？”

    　　


    第(3/3)页