第(2/3)页

    这位家伙为了证明自己的示例在论文里面做出了以下声明——

    要在gpu上运行这个示例，首先得有个性能良好的gpu。gpu内存至少要1gb。如果显示器连着gpu，可能需要更多内存。当gpu和显示器相连时，每次gpu函数调用都有几秒钟的时限。这么做是必不可少的，因为目前的gpu在进行运算时无法继续为显示器服务。如果没有这个限制，显示器将会冻结太久，计算机看上去像是死机了。若用中等质量的gpu处理这个示例，就会遇到超过时限的问题。gpu不连接显示器时就不存在这个时间限制。你可以降低批处理大小来解决超时问题。

    杨杰前世的时候也是看过这篇论文，也看过这位大神通过facebook说自己在深度网络方面的工作工作可以追溯到1989年，当时他就在一台sun4机器上花了大约个星期训练usps数据集，其中有8000个训练样本，这也是他在贝尔实验室的成果。

    现阶段来说，人工智能的三个流派都是在美国诞生的，这些年也是培养出来了大量的人才，尤其是最顶尖的人才也不过几百个，基本上都是集中在美国，而华夏国这方面的顶尖人才非常稀少，虽然华夏国在人工智能方面起步从八十年代就开始了，这也归功于已经年逾古稀的吴文俊这位人工智能的泰斗级人物。

    这位七十年代才接触计算机的老者大数学家当时已经六十岁了，他当时也是敏锐地察觉到计算机，敏锐地觉察到计算机将极大地推动数学的发展。

    在这位老者的自学编程的过程中他也是产生了一个初等几何定理的机械化证明思想。

    经过试验，终于在77年的春节前成功地用这一思想证明了一些定理，这一研究开创了机器定理证明的时代，国际上称为“吴文俊方法”和“吴消元法”，实现了初级几何与微分几何定理的机器证明，却是无意中闯入了人工智能的领域，一举将华夏国在逻辑人工智能的地位提到了非常高的地位。

    不过华夏国在概率程序语言和深度学习方面却是远远地落后于美国，在后世的记忆中，国内这方面的人才都是有过从美国留学归国的，在这两个流派都是跟在美国的屁股后面跑，而且国内的人工智能培养出出来的人才都是基于逻辑推理的人工智能，在这两个最接近真正人工智能的技术领域就落后了。

    在后来爆发人工智能热潮当中，还是以概率程序语言跟深度学习为主，这两个流派华夏国根本没有拿得出手的技术创新，也没有权威人物。

    这也没办法，一个牛掰的教授才能带出更牛掰的学生出来，这个过程至少需要十多年才能涌现出一批有影响力的科学家出来。

    后世那些从美国取经回国的科学家才让国内开始了概率程序语言跟深度学习的浪潮，完全是靠着华夏国的庞大的市场才让这两个技术领域变得热闹起来，其实跟美国之间的差距相差了差不多十多年。

    这个也是后世华夏国在这两个领域极度缺乏人才的真实原因，当时全世界从事这方面技术人才仅为190万，其中美国相关人才总数超出85万，位列第一，华夏国相关人数不到5万，位列全球第七，而华夏国这方面的人才需求量至少需要上百万，这里面有着巨大的缺口。

    杨杰自然是想让白冰跟吴汤恩等一批这方面的拔尖人才去梅溪湖任教，让人工智能的另外两个流派技术尽快地在华夏国扎根，等到教出至少两三批的这方面人才，中间也能出现一批引领技术领域的顶尖人才，等到人工智能浪潮来临，至少在这方面不会跟美国有太大的差距。
    第(2/3)页