日活破百万的庆功狂欢刚刚过去，FaceClass的技术部，就迎来了一位特殊的“客人”。
吴军，男，四十岁左右，前谷歌AI研究院资深科学家，现任淡马-锡全球科技投资的首席技术顾问。
他穿着一件简单的Polo衫和牛仔裤，脸上带着硅谷精英特有的、温和而疏离的微笑。
他不像一个顾问，更像一个来参观的大学教授。
然而，当他走进FaceClass那间略显拥挤的技术办公室时，空气中，却弥漫开一种无形的、微妙的质疑与抗拒。
王辉，这位FaceClass的首席技术官，虽然按照林晨的要求，礼貌地接待了吴军，但内心深处，却充满了技术人员特有的骄傲与戒备。
他和他的团队，刚刚用实力打赢了与百度技术部门的“封神之战”，正是士气最高昂的时候。
此刻，一个由资方派来的“空降兵”，一个对中国K12教育场景毫无理解的“外行”，要来对他们的核心算法指手画脚？
这在任何一个有血性的技术团队看来，都是一种冒犯。
“吴老师，您好。”
王辉推了推眼镜，语气客气却带着一丝距离感，“这是我们目前的AI推荐算法V3.5版本的核心架构图。”
他将一张画满了复杂逻辑框图的白板，推到了吴军面前，言下之意很明显——
“我倒要看看，你这个外来的和尚，能念出什么经来。”
吴军没有立刻去看那张复杂的架构图。
他只是微笑着，在办公室里踱了几步，然后，问了一个看似与技术毫不相干的问题。
“王辉，在你看来，FaceClass的AI算法，它的‘灵魂’，是什么？”
王辉愣了一下，随即，带着一丝骄傲回答道：
“是‘关联’。我们通过分析学生做错的题目，为他找到关联的知识点，再推荐关联的相似题型。我们构建了一个庞大的、基于‘知识点图谱’的关联网络。”
“很好。”
吴军点了点头，“这是一个非常优秀的、基于‘统计学’和‘专家系统’的推荐模型。谷歌在五年前，也是这么做的。”
“五年前？”
王-辉的眉头，微微皱起。
“是的。”
吴军走到白板前，拿起笔，却并没有在王辉那张复杂的架构图上修改分毫。
他只是在旁边，画了一个极其简单的模型。
一个输入层，几个隐藏层，一个输出层。
然后，他在这几个简单的层次之间，画上了无数条密密麻麻的、代表着“连接权重”的线条。
“王辉，你有没有想过，”吴军的声音，平静却带着一种足以颠覆世界观的力量，“我们，能不能让机器，不再依赖于你们事先为它定义好的‘知识点’和‘关联规则’？”
“我们，能不能只把最原始的‘题目’和‘答案’喂给它，然后，让它自己，去发现那些我们人类专家，可能永远也发现不了的、隐藏在数据海洋深处的……深层规律？”
他用笔，重重地点了点白板上那个由无数线条构成的、如同神经网络般的模型，缓缓地吐出了一个在2010年末的中国，还如同“天外之音”般陌生的词汇：
“我把它，以及它背后的一整套思想，称为——‘深度学习’（Deep Learning）。”
深度学习！
这个词，像一道创世的闪电，狠狠地劈在了王辉和在场所有技术人员的天灵盖上！
他们看着白板上那个看似简单、却又蕴含着无穷奥秘的模型，大脑一片空白。
他们引以为傲的、基于“知识点图谱”的推荐算法，在吴军提出的这个“让机器自己学习”的、更高维度的思想面前，瞬间，显得……如此的原始，如此的……笨拙！
这不是优化，不是迭代。
这是一种彻头彻尾的、来自更高认知维度的——降维打击！
“这……这怎么可能？”
一个年轻的算法工程师，喃喃自语，他的眼神里，充满了被彻底颠覆世界观后的震撼，“没有了知识点标签，机器怎么知道一道题是考‘牛顿第二定律’还是‘动能定理’？”
“它不需要知道。”
吴军微笑着回答，“它只需要知道，做错了这道题的学生，通常也会做错另外哪一类型的、在我们人类看来可能毫无关联的题目。它看到的，是数据背后，那张比我们构建的‘知识点图谱’，复杂亿万倍的……‘用户认知概率图谱’。”
“我举个例子。”
吴军说道，“我们的模型可能会发现一个规律：一个在‘古诗词默写’上频繁出错的学生，他在解答数学‘立体几何’问题时，正确率也普遍偏低。你们能告诉我，这是为什么吗？”
办公室里，一片死寂。
“我们可能永远也找不到原因。”
吴军给出了答案，“但‘深度学习’模型，不需要原因。它只需要知道这个‘强相关性’的存在，然后，当它发现一个学生背不会李白的诗时，就会默默地、为他推送一道关于‘三棱锥体积’的练习题。”
小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！