第一十二章 每个领域都有天下第一(1/3)
库克教授🂋的主💇🏮要研究方向“🙸🏌计算复杂性理论”，这种专业术语大多数人肯定听不懂，
用两句人话翻译一下，大致就是这样的：
首先，用一台电脑来假设人脑面对问🍷题时的处理模型。比如，当一个人走进一个满是人群的礼堂时，想知道“礼堂里有没有我认识的人”这个问题的答案，那🏵🞜么他就得一步步搜寻，从头到尾一个个认，如果全部人看完都没有一个认识的人，才能得出“礼堂里没有我认识的人”。而只要找到一个认识的人，就能下“这里有我认识的人”的判断。
所以，常识一般认为，“从科学严谨的角度而言，证明一件事情比证伪一🚠件事情要耗费更多的判断/计算资源，因为证伪只需要找到一个反例就可以结束论证、不再继续往下耗费计算资源。而证明需要推⚲🕘翻所有反例”。
可是实际情况下，人脑在“不刻意追求绝对科学严谨”的前提下，做很多大致粗略的判断时，要比电🟘脑快得多。🟔
比如让人看一张照片，判断照片上的东西是不是“猫”，人一眼就判断出了，而不需要去验证“图片上这个疑似猫的生物是否有xxxxx等生物学上的🍝🉁特征”。
换句话说，人类🗓懂🌡🀧得如🂺📳何抓大放小、用“模糊算法”尽快得到一个勉强可用、但不太严谨的结论。
而1980年代以前，人类根本就不知道如何🏺🟌让计算🐙⛽机“不严谨”。
所以计算机在求解一💂🏃🗙切问题时都是用严谨到爆的暴力算法硬扛的，导致很多因为分支可能性多到天量级别而无法穷尽的问题，计算机🐭🃈就没法解决。
比如围棋。因为哪怕以2010年代的计算机硬件🍼运算速度，如果要暴力算法🟣🟀🚅“科学严谨”地穷究一切可能性，全世界的计算机加起来分布式运算都算不动。所以在那种思想指导下，人类只能满足于“用暴力算法攻克国际象棋之类穷尽运算量也不大的脑力运动”。而平行时空的“阿尔法狗”干掉那么多高手，就绝对不能靠近乎低能儿蛮干的暴力算法。
斯👐蒂芬.库克的毕生研究，就是在解决“如何让计算机在资源不允许其彻底严谨的前提下、学会像人脑一样抓大放小、用有限的计算资源得到一个相对准确的大概结果”。
顾诚觉得，或许多伦多大学计算机系里，在库克麾下，藏着更多从不同角度试探这一领域的人才。而杰夫辛顿有可能只是因为历史的选择而恰好最早在人🍝🉁工智能领域出头引起了重视。
但这绝不代表这一体系内🈥🀛，其他分支的人⛳🞟🕘才就没有🍼价值了。
如果可以折服史蒂芬.库克教授，对于顾诚的全盘、系统挖人大计，显然是很🟣🟀🚅有帮助的。
……
下午3🌋♌点，密西沙加校区，🙸🏌神经网络实验室。
顾诚见到了早已收拾妥当、一脸局促的杰夫.🏺🟌辛顿教授☽🄵。
还有成名天下垂🗓20载、刚刚从圣乔治主校区风尘仆仆赶来的史蒂芬.库克教授。
一番简单的客💇🏮套之后，顾诚说出了此行的主要来意，首先向杰夫辛顿发出了延揽的邀约，而且出价不菲。
“辛顿教授，我可以为你成立一个基于‘深度学习算法’的研究所，你个人可以得到200万美元的年薪，以及每年1000万美元的研究经费，合同期至少5年。你的助手和带的研究生，我也可以给予最优厚的条件。唯一的问题是，你可能会终生失去在学术界的地位。你的论⚶🕵文只有很少一部🀲⛾分有发表的潜力，而且还得签保密协议。你自己看着办吧。”
杰夫.辛🂋顿有些尴尬，毕竟资格比他老20年的学界泰斗史蒂芬.库克就坐在旁边。顾诚这样直截了当地谈钱，实在有辱斯文。
“到企业去做事，我们从来是不反对的，学术应该跟产业界结合。不过，就不知道一个明明只是做社交裹挟🐃☯和游戏攀比的公司，能有什么课题📏🙸🏆让人拿出可以上ieee系列期刊的成果呢。”
库克教授直接就点出了顾诚的短板。
别的产业界大牛，无论微软还是谷🚈👜歌，好歹🏃🗝有一♹水儿的顶级大学研究所支撑。顾诚虽然也是搞互联网的，但他的技术含量是最低的那一型。
就像后世ba💇🏮t三巨💂🏃🗙头当中，腾云是技术⛳🞟🕘含量最低的一个。
用两句人话翻译一下，大致就是这样的：
首先，用一台电脑来假设人脑面对问🍷题时的处理模型。比如，当一个人走进一个满是人群的礼堂时，想知道“礼堂里有没有我认识的人”这个问题的答案，那🏵🞜么他就得一步步搜寻，从头到尾一个个认，如果全部人看完都没有一个认识的人，才能得出“礼堂里没有我认识的人”。而只要找到一个认识的人，就能下“这里有我认识的人”的判断。
所以，常识一般认为，“从科学严谨的角度而言，证明一件事情比证伪一🚠件事情要耗费更多的判断/计算资源，因为证伪只需要找到一个反例就可以结束论证、不再继续往下耗费计算资源。而证明需要推⚲🕘翻所有反例”。
可是实际情况下，人脑在“不刻意追求绝对科学严谨”的前提下，做很多大致粗略的判断时，要比电🟘脑快得多。🟔
比如让人看一张照片，判断照片上的东西是不是“猫”，人一眼就判断出了，而不需要去验证“图片上这个疑似猫的生物是否有xxxxx等生物学上的🍝🉁特征”。
换句话说，人类🗓懂🌡🀧得如🂺📳何抓大放小、用“模糊算法”尽快得到一个勉强可用、但不太严谨的结论。
而1980年代以前，人类根本就不知道如何🏺🟌让计算🐙⛽机“不严谨”。
所以计算机在求解一💂🏃🗙切问题时都是用严谨到爆的暴力算法硬扛的，导致很多因为分支可能性多到天量级别而无法穷尽的问题，计算机🐭🃈就没法解决。
比如围棋。因为哪怕以2010年代的计算机硬件🍼运算速度，如果要暴力算法🟣🟀🚅“科学严谨”地穷究一切可能性，全世界的计算机加起来分布式运算都算不动。所以在那种思想指导下，人类只能满足于“用暴力算法攻克国际象棋之类穷尽运算量也不大的脑力运动”。而平行时空的“阿尔法狗”干掉那么多高手，就绝对不能靠近乎低能儿蛮干的暴力算法。
斯👐蒂芬.库克的毕生研究，就是在解决“如何让计算机在资源不允许其彻底严谨的前提下、学会像人脑一样抓大放小、用有限的计算资源得到一个相对准确的大概结果”。
顾诚觉得，或许多伦多大学计算机系里，在库克麾下，藏着更多从不同角度试探这一领域的人才。而杰夫辛顿有可能只是因为历史的选择而恰好最早在人🍝🉁工智能领域出头引起了重视。
但这绝不代表这一体系内🈥🀛，其他分支的人⛳🞟🕘才就没有🍼价值了。
如果可以折服史蒂芬.库克教授，对于顾诚的全盘、系统挖人大计，显然是很🟣🟀🚅有帮助的。
……
下午3🌋♌点，密西沙加校区，🙸🏌神经网络实验室。
顾诚见到了早已收拾妥当、一脸局促的杰夫.🏺🟌辛顿教授☽🄵。
还有成名天下垂🗓20载、刚刚从圣乔治主校区风尘仆仆赶来的史蒂芬.库克教授。
一番简单的客💇🏮套之后，顾诚说出了此行的主要来意，首先向杰夫辛顿发出了延揽的邀约，而且出价不菲。
“辛顿教授，我可以为你成立一个基于‘深度学习算法’的研究所，你个人可以得到200万美元的年薪，以及每年1000万美元的研究经费，合同期至少5年。你的助手和带的研究生，我也可以给予最优厚的条件。唯一的问题是，你可能会终生失去在学术界的地位。你的论⚶🕵文只有很少一部🀲⛾分有发表的潜力，而且还得签保密协议。你自己看着办吧。”
杰夫.辛🂋顿有些尴尬，毕竟资格比他老20年的学界泰斗史蒂芬.库克就坐在旁边。顾诚这样直截了当地谈钱，实在有辱斯文。
“到企业去做事，我们从来是不反对的，学术应该跟产业界结合。不过，就不知道一个明明只是做社交裹挟🐃☯和游戏攀比的公司，能有什么课题📏🙸🏆让人拿出可以上ieee系列期刊的成果呢。”
库克教授直接就点出了顾诚的短板。
别的产业界大牛，无论微软还是谷🚈👜歌，好歹🏃🗝有一♹水儿的顶级大学研究所支撑。顾诚虽然也是搞互联网的，但他的技术含量是最低的那一型。
就像后世ba💇🏮t三巨💂🏃🗙头当中，腾云是技术⛳🞟🕘含量最低的一个。