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!