30章 、毕业典礼！(1/2)
毕业典礼结束后，罗素教授也是找到了白冰跟杨杰。🃙😏
“白冰，我是希望像你这样的优秀的人才能够留在伯🃙😏克利这边担任助教教授的📁🗼，你真🈴🂢的不考虑一下？”罗素教授一脸惋惜地看着白冰说道。
“老师，我们国家缺少这方面的人才，👿🎫🔂我回到国内也是想带出这方面更多的人才出来。”白冰说道。
“真是可惜了，像你这样在人工智能算法上有着卓绝天赋的天🙿🐊才太稀少了🂋，如果之前我没有去过HX国的话，我是建议你留在MI国发展的，不过你的这位男朋友既然这么支持🏢🛰☟人工智能，我还是尊重你个人的意见。”
罗素教授点头道。
白冰在伯克利大学这边就读的期间，在顶级的期刊上发表了几篇重要的论文，📁🗼被引用的次数非常多，都是关于概率程序语言跟编译器方面，现在的她已经成为了概率程序语言方面的顶尖人才。
其实后世人工智能三个流派已经🔍⛁出现了，罗素教授主攻的方向就是概率程序语言这一流派，在罗素教授🔍⛂🗥的帮助下，白冰他们提出了一种图灵完备的概率编程语言，是一个用于快速实验和研究概率模型的测试平台，其涵盖的模型范围从包括了很多小数据集上的经典层次模型。
这个概率语言却是让伯克🃑利🎯大学之前机器学习的效率提升了十🙿🐊五倍！
也正是如此，这种🂬👷概率程序语言在机器学习研究人员中变得无比风靡起来，从而也让从很早就开始的逻辑算法的人工智能🐱🃦🙿变得黯淡起来。
基于逻辑的人工智能遮掩了感知问题，而了解感知的原理♿是解开智能之谜的金钥匙——🞒📢🜣感知是属于那类对于人很容易而机器很难掌握的东西。
逻辑是纯粹的，传统的象🃑棋机器人也是纯🕤粹算法化的，但现实世界☴🃫🚲却是充满了不确定性。
这也意味着很早就变成主流的基于逻辑的🕤人工🖀智能注🃙😏定变得前途黯淡。
而此时的深度学习的泰斗级人物YannLe🖀前年的时候发表了开创性的论文《基于梯度🚓📀学习👾🎜的文档识别方法》，他此时也是折腾出了深度学习模型。
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MI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MI国，而HX国这方面的顶尖人才非常稀少，虽然HX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HX国在逻辑人工智能的地位提到了非常高的地位。
不过HX国在概率程序语言和深度学习方面却是远远地落后于MI国，在后世的记忆中，国内这方面的人才都是有过从MI国留学归国的，在这两个流派都😳是跟在MI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。
“白冰，我是希望像你这样的优秀的人才能够留在伯🃙😏克利这边担任助教教授的📁🗼，你真🈴🂢的不考虑一下？”罗素教授一脸惋惜地看着白冰说道。
“老师，我们国家缺少这方面的人才，👿🎫🔂我回到国内也是想带出这方面更多的人才出来。”白冰说道。
“真是可惜了，像你这样在人工智能算法上有着卓绝天赋的天🙿🐊才太稀少了🂋，如果之前我没有去过HX国的话，我是建议你留在MI国发展的，不过你的这位男朋友既然这么支持🏢🛰☟人工智能，我还是尊重你个人的意见。”
罗素教授点头道。
白冰在伯克利大学这边就读的期间，在顶级的期刊上发表了几篇重要的论文，📁🗼被引用的次数非常多，都是关于概率程序语言跟编译器方面，现在的她已经成为了概率程序语言方面的顶尖人才。
其实后世人工智能三个流派已经🔍⛁出现了，罗素教授主攻的方向就是概率程序语言这一流派，在罗素教授🔍⛂🗥的帮助下，白冰他们提出了一种图灵完备的概率编程语言，是一个用于快速实验和研究概率模型的测试平台，其涵盖的模型范围从包括了很多小数据集上的经典层次模型。
这个概率语言却是让伯克🃑利🎯大学之前机器学习的效率提升了十🙿🐊五倍！
也正是如此，这种🂬👷概率程序语言在机器学习研究人员中变得无比风靡起来，从而也让从很早就开始的逻辑算法的人工智能🐱🃦🙿变得黯淡起来。
基于逻辑的人工智能遮掩了感知问题，而了解感知的原理♿是解开智能之谜的金钥匙——🞒📢🜣感知是属于那类对于人很容易而机器很难掌握的东西。
逻辑是纯粹的，传统的象🃑棋机器人也是纯🕤粹算法化的，但现实世界☴🃫🚲却是充满了不确定性。
这也意味着很早就变成主流的基于逻辑的🕤人工🖀智能注🃙😏定变得前途黯淡。
而此时的深度学习的泰斗级人物YannLe🖀前年的时候发表了开创性的论文《基于梯度🚓📀学习👾🎜的文档识别方法》，他此时也是折腾出了深度学习模型。
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MI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MI国，而HX国这方面的顶尖人才非常稀少，虽然HX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HX国在逻辑人工智能的地位提到了非常高的地位。
不过HX国在概率程序语言和深度学习方面却是远远地落后于MI国，在后世的记忆中，国内这方面的人才都是有过从MI国留学归国的，在这两个流派都😳是跟在MI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。