第261章 黎明将至（求订阅求月票）（1 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
安克雷奇，德纳里会议中心。
巨大的落地玻璃窗外，是连绵起伏的楚加奇山脉和尚未消融的冰川。
而窗内，却是另一番热火朝天的景象。
数千名来自世界各地的计算机科学家、数学家和工程师汇聚于此。
空气中弥漫着咖啡的香气和高密度的智力火花。
在这个经济危机的寒冬，各大科技巨头的预算都砍到了大动脉。
即使谷歌和微软的展台，此刻显得格外朴素，只有几张海报和几个无精打采的实习生。
但以太动力的展台却是个异类。
方雪若穿着一身剪裁利落的香奈儿白色职业装，踩着高跟鞋，指挥着两个工人把一只巨大的展示箱摆在以太动力（AetherDyaics）的展台上。
在那只防弹玻璃柜里，并不是什么炫酷的机器人，也不是滚动的宣传片。
数十张NVIDIATesC870显卡整齐排列，散热风扇在LED灯带的照耀下泛着冷冽的金属光泽，充满了暴力的工业美感。
旁边竖着一块极其嚣张的标语牌——
“WEHAVEPUTINGPOWER.DOYOU?”（我们有算力，你有吗？）
在金融危机阴云笼罩的背景，这种赤裸裸的“炫富”行为立刻引来了无数侧目。
“那个穿白西装的女人是谁？”几个挂着微软工牌的工程师窃窃私语。
“听说是以太动力的CFO。”
“以太动力？没听说过。”
“这你都没听说过？它的老板是林允宁！新闻看没看？”
“就是那个搞出暗流体理论的林允宁？他不是物理学家么？来凑什么热闹？”
“你真是啥也不懂。”其中一人推了推眼镜，语气里带着几分不屑，“最近特别火的线型注意力机制知道吧，就是他在ICML提出来的……听说以太动力靠着这个算法，不止买了好多钱，还研究出了小分子药物筛选的方法。”
“那又怎么样？隔行如隔山，图像识别可不是解微分方程。”
……
而在展台的另一侧，方佩妮正被一群穿着格子衬衫的年轻博士生们围着。
作为以太动力的首席架构师，她今天被迫营业。
“这位女士，请问你们的CUDA核心利用率……”
一个麻省理工的博士生问道。
方佩妮低着头，手指紧紧攥着数据单，指关节发白。
她没有像方雪若那样长袖善舞，而是像一台被按下了播放键的复读机，语速飞快且毫无起伏：
“单精度浮点性能518GFLOPS，显存带宽76.8GB/s，我们重写了BLAS库，矩阵乘法效率比官方库提升了40%……”
“酷……”
几个年轻男生眼睛都直了。
强劲的算力猛兽，加上难得一见的亚裔美女，在极客眼中简直性感得要命。
这不就是现实版的“美女与野兽”么？
……
上午十点，主会场。
原本只能容纳两千人的大厅被挤得水泄不通，连过道上都坐满了人。
当林允宁走上讲台时，原本还有些嘈杂的会场瞬间安静了下来。
无论这帮搞计算机的人多么心高气傲，面对一个刚刚在《Sciece》上发表了诺奖级理论，被物理学界视为“明日之星”的人物，基本的敬畏还是有的。
林允宁今天没有穿正装，依然是那件标志性的深灰色连帽衫，显得随意而松弛。
他身后的屏幕上，PPT极其简洁。
标题：《DeepResidualLearigfeRegitio》（用于图像识别的深度残差学习）。
“大家早上好。”
林允宁没有寒暄，直接按下翻页笔。
屏幕上出现了一张对比图。左边是目前主流的Alex（8层），右边是一根细长的、密密麻麻的柱状图。
“这是我们构建的深层神经网络——Res-101。”
林允宁指着右边的图，声音平稳，“它有101层。”
“轰——”
台下瞬间炸了锅。
“101层？他疯了吧？”
“简直荒谬！这么多层数，梯度早就消失了！根本训练不起来！”
“这就是物理学家的傲慢吗？以为层数越多越好？”
一位坐在前排、头发花白的老教授站了起来。
他是来自MIT计算机实验室的权威，坚定的SVM（支持向量机）拥护者。
“林先生，”
老教授也不管是不是提问环节，直接抓过麦克风，“你的理论很漂亮。但众所周知，神经网络一旦超过20层，就会面临严重的退化问题（DegradatioProble）。训练误差不降反升。你这101层，是在做数学游戏，还是在堆积木玩？”
台下响起一阵低笑。
深层神经网络是个漂亮的学术陷阱，这是在场所有人的共识。
加深网络层数，只会得到一堆无法收敛的垃圾参数。
林允宁并没有辩解。
他笑了笑，按下了下一页PPT。
那是Res的核心结构——一个简单的跳跃连接（SkipCoectio）。
H(x)=F(x)+x
“教授，您说得对。深层网络很难训练，就像让一个人传话给第100个人，信息肯定会失真。”
林允宁指着那条连接线，“但如果我们给信息修一条‘高速公路’呢？
“我们不再让网络去学习完整的输出，而是让它只学习‘残差’（Residual）。如果这一层什么都不做，它就是恒等映射（IdetityMappig），信息可以无损地流向下一层。
“这不仅仅是数学游戏。为了训练这个模型，以太动力的算力中心满负荷运转了整整两周。
“数学不会骗人，但直觉会。至于它到底是不是浪费电费……”
林允宁看了一眼台下神色各异的众人，关掉了PPT：
“下午的Iage挑战赛，结果会说明一切。”
……
下午三点，IageWorkshop现场。
这里的气氛比上午还要紧张。
李飞飞教授站在台侧，手心里全是汗。
这是Iage的第一战，如果大家都跑不出好成绩，那这个巨大的数据集就会沦为业界的笑柄。
大屏幕上，实时的排行榜（Leaderboard）正在滚动。
比赛已经开始半小时了。
排在第一的是微软亚洲研究院的团队，Top-5错误率：26.2%。
紧随其后的是牛津大学的VGG组：26.8%。
谷歌团队：27.1%。
数字在小数点后一位艰难地跳动着。
每一次刷新，如果有队伍能降低0.1%，都会引来一阵小小的欢呼。
↑返回顶部↑