科技之神

顾玩自然而然就先想到了这方面，但是拼命检索脑海之后，也没有收获。
不过，他也并不意外。
“看来，具体的商业工程应用技术，是不包含在当初跟我一起穿越来的数据库里的，因为这些技术都是用来赚钱的，不是用来搞基础科研的。”
“再找找看，有没有更基础一些的科学技术可以解锁了……点基础前置科技树，应该没问题了吧？深度学习算法人工智能、卷积神经网络……嗯，这些倒是有，不过貌似有点偏数学。虽然将来搞智能驾驶和无人x系列都有用，但跟我的本专业不符呀。”
“再找找看有没有可以作为我硕士研究生毕业课题的专业对口科技吧，就当是先应付毕业，顺便稍微再捞点名声和稿费。”
顾玩一个人宅在自己书房里，不知走神了多久，幸亏家里人都直到大科学家经常会走神，才不至于打扰他，更不会当他是精神病人。
()
搜狗





科技之神 第11章 开辟新战场
几天的国庆假期很快结束了，顾玩带着妹妹和女朋友回到学校，恢复到正常的学习生活中。
随着gps和ams项目都告一段落，顾玩手头的科研任务确实闲下来一些。
每天只要上上课，考考试，泡泡图书馆，连实验室都可以不去了。不过，他就像黑夜中的萤火虫，注定是不会让自己生蛆的。
所以没过几天，他就找到了丁院长。
“院长，我想发一些跨专业的论文，搞一些跨专业的课题，这事儿不违反学校纪律吧？”顾玩也不预约，当天中午径直走进院长办公室，直接就摊牌。
当时还有个副院长、以及院长的助理在旁边看着呢。丁院长都微微吓了一跳：“咋了？受委屈了？还是突然脑子犯抽，想换专业了？”旁边那个副院长出言打圆场：“院长您别多虑，说不定是小顾同学能者多劳，兴趣涉猎广泛而已。”顾玩还没接话，丁院长倒是跟副院长一问一答，自我脑补起来了：“原来你是想修二专业啊，以你现在的成绩，这当然是没问题的了。你可是科技部表彰过的人了，校长也会给你特批的。何况，我们学校本来就允许修二专业。”这事儿就这么决定了？
自己可没打算双修二专业啊，只是想跨圈稍微搞一搞深度学习人工智能的基础有木有！
但学校领导已经这么决定了，顾玩也就接受咯。一切手续很快搞定。上面标示学分什么的不重要，有空稍微多修几门数学课，就算二专业的标准达到了。
实在不想修，只要论文够，一样算过。得到这个承诺后，顾玩让麻依依也去试试双修，看能不能申请下来。
麻依依就没那么大面子了，毕竟没在科技部表彰大会上挂过号，所以一切还是要公事公办。
最终咨询的结果是双修可以，但学分不能打折没有优惠。面对困难，麻依依不禁要多问几句老公的打算：“你到底希望我修个啥？”顾玩回答得很直接：“修个心理学分支下的认知神经科学方向好了——这是一个心理学跟脑科学交集的专业。”麻依依一脸懵逼。
顾玩却知道，他选的这个方向，与地球上杰夫辛顿当年搞深度学习时的路径，几乎是如出一辙的。
凭心而论，杰夫辛顿的能力也不算多逆天的科学家，但他成功了。这里面努力和方向正确占八成，但还有至少两成是运气和环境。
深度学习型人工智能的成功，得益于其他地球人的固有技术偏见——在此之前，很少有人从
“挖掘人脑的深层学习机理究竟是怎样的”这个角度，来思考训练机器学习的问题。
所以，谁这么想了，而且第一个付诸实践了，就能捡到漏。当然了，这个漏也不是阿猫阿狗都能捡的，论证过程比较复杂。
通俗地说，你至少得是个世界名校的计算机和神经认知科学领域双博士，你才有资格在方向对的前提下，捡到这个漏。
连个盟校双博士都做不到的人，天大的机会白白送到他面前，他捡都捡不起来。
另外一方面，顾玩也深谙地球上人工智能发展的另一个重要契机——在深度学习和卷积神经网络发展起来之前，这条技术路线的认可度并不高，因为这条技术路线哪怕试水到04年，初步原理略微跑通了，学界也依然发现有问题：这个算法的缺点，是训练效率太低。
也就是说消耗的算力极大，而机器学习的进步速度其实很慢，还无法进行白盒逻辑解释，也就无法通过人工干预/
“教导”来让机器的学习速度加快。当时还有另外两三条技术路线，那些路线的优缺点正好与深度学习相反。
那些训练方法白盒化程度更高，也就是机器学习的决策过程的可解释性，人类更能理解，也就更容易干预，便于人类
“手把手教机器快速进步”。而这些算法的缺点，就是
“学习进化的上限比较低”（这里是笼统概括，实际科学原理比这个复杂得多。
但是写给外行人看，只能这样不太准确地类比一下了。）换句话说，要是人类继续被摩尔定律束缚、靠电脑cpu运算速度的技术提升，来满足训练算力的话，那么那些白盒度更高、更容易用少量算力就初步训练出成绩的人工智能学习路径，说不定就能在历史选择中胜出
“深度学习/卷积神经网络”这条技术路线了。但是，地球上偏偏在你2007~2009年，诞生了分布式架构算力设计。
这玩意儿，最初是出现在很多硅谷it公司，那些程序员嫌弃代码写好后、编译速度太慢，甚至觉得光靠专门的编译服务器都不够用，所以天马行空地创新出一个
“分布式编译架构”，让一家公司里所有同一局域网内的电脑，都可以加入这个架构，然后把编译任务拆分分配给所有电脑，让所有cpu共同分包编译。
分布式编译是从07年出现的，一两年之内，这玩意儿就成长成了
“云计算”。有了云计算之后，应用就很广泛，而云计算对人工智能训练的最大影响，就是某个智能在执行机器学习的时候，不用再受限于这个机器人本身那颗cpu的算力了——机器人自己的cpu不够快，可以接入云，用云上的几千几万台机器的cpu帮你一起算。
这时候，摩尔定律就不重要了。只要算力任务能高效拆分，单颗cpu弱一点就弱一点了，咱可以芯海战术堆数量嘛。
如此一来，其他那些
“算力效率更高、白盒可解释性更强、但训练上限和自动化程度更低的算法”，一下子就争不过深度学习了。
因为深度学习原先最大的瓶颈，就是黑盒，算力效率低下。但云计算的出现，让算力瞬间没那么值钱了，可以大水漫灌狂训你。
……这些道理，顾玩心知肚明，不过他没法全部告诉麻依依。他只能鼓励麻依依，让她往这个领域布局，夫妻俩暂时把外围科技先凑起来。
幸好，时间上也不是非常紧急。地球上杰夫辛顿让学界接受深度学习，就花了两年。
至于后来从学界承认到产业界承认，又花了四年——其中三年都是在等云计算的出现。
他的成绩06年在学界就初步被认可了，但09年云计算才正式出现，2010年杰夫辛顿才被谷歌高薪挖走。
后世的人工智能，用一句话概括运作原理，就是
“使用云计算的算力，用深度学习算法处理学习大数据”。算力，算法，大数据。
三要素里，从技术难度来说，最先有的是大数据，这是一种资源，有稀缺性，但却没有技术含量，所以是最早出现的。
算法，或者说深度学习的思路，是第二个出现的（06年）用这种算法处理这些数据的算力，是最后出现的（09年）三要素都齐了之后，第二年地球上谷歌就开始在这条路上狂奔了。
顾玩觉得，就算自己开了挂，也有1年多的时间，先把基础算法方面的架构性论文发完。
具体追求产业界应用的事儿，将来去留学开公司期间再说好了。而且，把算法渊薮阶段的论文，在中国念书的时候就发表，将来也好撇清跟老外的关系——咱可不是去斯坦索姆留学后，才琢磨出这些玩意儿来的，一开始在中央科大念书，就已经有这方面的建树了，功劳都是中国人的。
让麻依依认识清楚这一切节奏后，顾玩明确分配了任务：“你今年除了修学分之外，我就给你两个发论文的任务。第一，你在计算机本专业领域，琢磨一个分布式编译的活儿。把架构想出来，在你们数科院的项目公司也好，研究所也好，先试着干起来。确有提高效率，就可以把这篇实验性的论文发出去了。第二，在你双修的认知神经科学领域，我希望你发一些人脑神经学习效率方面的研究——跟计算机没关系，就是研究活人的学习效率，多做对照组，具体实验设计，我会帮你一起参详的。这些论文不会直接产生商业价值，但是会让你我有资格在相关领域的顶级期刊稍微混点脸熟，进入圈子。”顾玩原先也发表不少论文了，但可惜都是物理类的。
正所谓隔行如隔山，一旦他想进入数学/计算机算力架构/认知神经科学，重新刷脸刷声望，肯定是免不了的。
就跟你打魔兽，哪怕奥格瑞玛崇拜了，幽暗城还得重新刷不是。当然了，你奥格瑞玛崇拜，对于你幽暗城声望的刷速度肯定略有帮助，比你一个所有声望都没有的纯萌新，肯定要容易一些。
麻依依还是没太明白老公分配的具体任务，但她觉得这不妨碍她搞个人崇拜，盲目迷信跟着老公的思路走。
“我这学期还是先从分布式编译下手吧。我本来就是学计算机的，我觉得这个容易写，也容易发表。”麻依依读大学这一年多来，也是发过论文的，不过一共只发了两篇，还都是在本校的《中央科大学报》上。
这个成绩跟其他本科生，甚至是其他想当交流生的顶级优等生相比，已经很牛逼了。
但是跟她老公一比，那就简直是菜的不行。这次的分布式编译架构，她决定鼓捣出来后，发到外面的期刊上，最好还是外国的。
()搜狗




科技之神 第12章 一篇论文一学期
公允地说，顾玩给麻依依安排的那些任务里面，“分布式编译架构”是最容易琢磨出来的一个突破点。
这玩意儿所需的知识结构，很契合计算机专业的资优生。
另一方面，地球人当年关注分布式编译，其实是跟摩尔定律瓶颈临近，有莫大的关系——地球上，那条“cpu单位面积算力每过18个月就能提升一倍”的摩尔定律，其实早在2005~2006年前后，就逐步陷入瓶颈了。
当时，05年暑期档英特尔发布的最新款cpu，单位算力就根本达不到04年初版本的翻倍了，大约只有04年春版本的1.6~1.7倍。
到06年底/07年初的英特尔单核cpu版本推出时，距离05年暑期档版本又过去大约18个月，但是这一次，单位算力只有05年暑期档版本的1.5倍。
可见，算力倍增的速度，在逐步放缓。当时cpu的加工工艺大概还在四十个纳米的水平，瓶颈就已经凸显了。这不是英特尔喜欢挤牙膏，而是真的挤不动更快了。
但地球上的普通消费者，在05/06年那阵子，并没有感受到电脑性能的提升速度明显放缓——这是因为，英特尔提前知道自己挤牙膏挤不动了，所以在那阵子推出了个叫“双核”的技术。
cpu单位算力提升速度不够，那就搞新的算力分布架构，用核心数量来凑。又过了两年，到08年前后，双核也撑不住了，就上四核。
至于后来的分布式编译架构/云计算，有个最大的外部诱因，就是“增加cpu核心”这条思路，也渐渐变得不划算了。
不可能无限堆砌32/128/512核，既然如此，不如直接搞分布式，把算力任务充分并行拆解的底层架构问题，给解决了。从此，咱也别纠结单台cpu的算力了，直接芯海战术堆规模。
蓝洞星上，基础科研落后于地球，商业模式创新领先于地球。
至于芯片工业，因为这玩意儿虽然受制于基础科研，但本身也属于能够赚钱养活研发的产业，所以两相抵消，差不多跟地球上发展还算同步。
因此，在99年的蓝洞星上，还要再过上三四年，才能感受到“摩尔定律即将失效”的危机。
既然如此，蓝洞星人目前对于“分布式编译”和其他算力分布架构的关注度，也就很低。
即使这玩意儿你真走心研究研究，发现并没有那么难，但偏偏就是没人去走这个心。
大家都觉得自己的努力，会因为英特尔的强大，而变得没那么大意义，就懒得琢磨了。
一个优美的漏，就这么摆在那里，等着一个只要有盟校计算机专业研究生水平的人，想捡就能捡走。
……
99年10月份，刚刚大二上学期才开始不久的时候，那个时间点的麻依依，当然是没有“盟校计算机系研究生”的水平的。
但是，在针对性的刻苦钻研之下，在顾玩的调教指导之下，孤注一掷挖掘，到了期末的时候，麻依依也差不多把这个问题琢磨得融会贯通了。
说到底，还是捡漏机会难得，天赐之便。
12月在自家学校实验室鼓捣架构成功、试跑了半个月，确认编译效率提升，数据搜集充分，她就开始写论文。
这篇论文，顾玩也不打算挂名，就让老婆一个人写了。毕竟后续能让麻依依自己独立完成的课题不多了，只会越来越难。让她的出道之作能独立完成，对她将来一辈子的名声也好听。
否则全程靠老公，还不被人说成是硬饭软吃。
另外，顾玩也不是什么喜欢送妹成果的人。他很有分寸，哪怕是自己合法的老婆，他也不会无原则地给成果。
首先得确保对方的能力真的做得出来，将来别人问起来也能聊得头头是道，这样才能把论文转化为学术威望。如果驾驭不住学术威望的话，那就适得其反了。
另外，顾玩考虑到的是他自己这辈子不会亲自经营企业。
他是个纯理科生，只能当大科学家、绝对控股东和精神领袖。
如果老婆能帮他当ceo，管好成果向金钱转化的环节，那就最好不过了。所以他也需要让麻依依逐步建立起将来驾驭住其他科研人员的威望。
不然那些科学家觉得顾玩任人唯亲、听信女人，从此离心离德，可就不妙了。
因此，不用担心顾玩不是“绝对精致的利己主义者”。他在为科学捞信仰的路上，是绝对利己的，给工具人的好处迟早是有用的。
“分布式编译架构”的论文，撰写、修改、磨合，前后两个月，退稿一次、要求小修一次。到了寒假的时候，总算是靠麻依依自己的实力过稿了。
拿到回函的当天，麻依依非常激动，第一时间拿给老公看。
“是ieee的期刊哦，《transaction-on-computers》，总算是国际顶级期刊了。我们院长还在全院公开表扬我了呢。”
顾玩倒是习惯了，并没有过多嘉奖，谁让他是刚写直男呢：
“ieee名下的期刊？也对，你这次的文章，还是偏向架构应用，不够纯理论纯算法，能上ieee的顶级期刊也不错了。下一次，争取跟我当第二作者，上一次acm的期刊。”
ieee就是“电气与电子工程师协会”，而acm则是“国际计算机学会”。这几个学会名下都有世界顶级的计算机/算法领域期刊。
不过acm架子端得比较高，人家很偏向于算法/思想。其名下最有名的期刊jacm（这里的j是journal，意译就是acm学报），几乎不肯登载任何带有应用技术的论文，觉得商业应用太捞太没逼格了。
一言以蔽之，就是学术界的“理论歧视”。
其实不光计算机界有，数学界物理界也都有，搞理论论证猜想的人，都看不起做实验的，做实验的看不起做应用落地、产学研一体转化的。
所以综合来看，麻依依这次投的《toc》，严格来说论逼格只能勉强排进计算机领域学术期刊前5名。前面还有三四个纯理论的、清高无比的不食人间烟火期刊镇着呢。
但是没关系，谁让“分布式编译架构”确实有应用元素呢。
下次等顾玩和麻依依从这个架构里高屋建瓴、把云算力的纯算法论文拿出来，那么再不食人间烟火的清高期刊也不敢不用了。
ieee只是个工具协会，当跳板用完就可以扔了。
虽然这块跳板，放到数科院其他硕士、博士学长们眼里，是那么的值钱。中央科大任意一位计算机专业的在读博士，只要发一篇ieee旗下的《toc》，就能直接毕业了，导师想奴役你多当几年廉价劳动力，都没借口留。
人比人气死人呐。
麻依依本来也料到老公是见多了大风大浪的，不会太惊讶，也不会夸奖她，所以都习惯了。她只是公事公办地问：“那么下一步我们该干什么？是不是能涉及你说的那个、机器学习训练的课题了？”
顾玩：“这个确实要弄，但你一个人没这个实力，还是给我当第二作者吧。我这学期一直有在做准备。至于你么，下学期我倒是想了一篇论文，可以作为你双修心理学分支下面那个‘认知神经科学’专业的毕业论文，你有空写一下吧。”
麻依依好奇道：“那是一个什么玩意儿？”
顾玩：“这个论文，对于未来的人工智能非常重要，但是其验证，并不需要借助人工智能，哪怕光靠人类肉体实验都能验证出来。
只不过对照组设计很复杂，因为每个活生生的人都是不一样的，很难把人标准化成机器、然后排除一切干扰衡量活人的学习速度/学习效果快慢的干扰项。
但是，只要做出来，那就能够因为论文的趣味性、以及通俗易懂性，而被大众广泛接受。我相信，以这篇论文的长远国际影响力，后世你的头衔上，说不定会多出一个‘心理学家’或者‘认知神经学家’的名头呢。”
麻依依不由有些激动，连忙追问细节：“能不能说具体点，到底要研究啥？”
顾玩：“我要你研究的是，当人类学习的时候，懂的和不懂的东西、做对和做错的东西，究竟是怎么样一个比例时，学习效率才是最高的、学习速度才是最快的。
这个数据如果研究出来，而且是那种直击人脑运作机理底层的研究，那么，结论也是可以将来应用在人工智能上的。这是一个让机器的学习和人类的学习打通的、宇宙通用的变量。
具体的试验方法，我可以给你一点建议。你先这么设计……”
顾玩无耻地剽窃了后世深度学习人工智能专家多年摸索出来的实验方法，直接报答案了。
麻依依听得瞳孔逐渐放大，又缩放了几次，心中充满了震惊。
特么的这还是人类大脑能想出来的东西么？太特么天马行空了吧？
——
以上已经三千多字，所以下面不算钱稍微说几句。
可能有点对不起大家，完本速度还得加速。
但我尽量保证剧情完整性，所以后续大家经常会看到一两章就过去书里时间一个学期的推进速度。
《科技之神》这个题材越写到后面，就越发现如果读者不爱看学术成果装逼，觉得这些内容虚伪的话，就很难写。
因为我写的是严肃科研，不是那种自称科幻、实际上却是玄幻的系统流。这就注定每一个大科研工程的成果落地，动辄几年。因此如果不写生活不写学术论文这些，中间就没东西写了。
严肃的科研，尤其是系统性大工程的科研，根本不适合短平快装逼。要节奏快，只能跳时间线，做好实验设计后，几个月研发经过直接略过，然后出成果、受景仰。
新书我想了想，还是要在11月份开，所以目前这本连11月底都写不到了，可能也就到11月中吧。我大概书中时间一年三四章的速度，能把几个大科研成果写出来，后续就流水账一点。
因为如果12月初再开书，有个最大的问题是上架的时候会赶上过年或者是学生期末考试，那样首订成绩肯定会很噩梦的。
如果能赶上元旦档前后上架，下本书可能命运会好一点。为了避开过年和期末考试上架，我只能11月中开新书。
很对不起喜欢这本书的朋友，大家千万别再打赏了，我受之有愧。
()
搜狗




科技之神 第13章 如果你一辈子只能喝一口鸡汤
后世很多对理工科和工程技术没什么兴趣的人，都觉得人工智能只是一个工具，一个应用。
哪怕人工智能有可能夺走你的工作，大家也就怕一怕，或者咒骂一下，咒骂完之后该干啥干啥，这事儿就算完了。
不过，顾玩却知道有一条后世被无数人懊悔没有早知道的人工智能铁律：这条铁律很容易听懂，只要你不对技术的东西心存成见和抵触，那么哪怕你是个纯文科生，你也能很轻松理解这条铁律，并且从中受益。
说句不夸张的话，哪怕你把它当成是鸡汤那么，只要你脑子里有一个系统，系统给你下了一个任务，告诉你，整个人类21世纪里生产出来的鸡汤，你只能喝一碗，剩下的都要倒掉，如果多喝一碗，系统就把你抹杀。
那么，那一刻你该怎么选择？
你应该把全人类生产的其他鸡汤全部倒掉，只喝这一碗。