手机浏览器扫描二维码访问
第1471章（第2页）
方卓这种看法的表达还是赢来了不少掌声与直播间的好评。
对于许多人来说，这场热闹也就看到这里了，但对从业者、研发人员来说，真正的部分才刚刚开始，不论易科还是谷歌都在深度学习DL领域有很深的研究，这种围棋对弈只是展露出的表象，内里的运转与思考才是更让人重视的。
吴恩达作为易科“Venus”项目的负责人之一，与谷歌旗下公司的席尔瓦就DL的模型逻辑进行了交流。
不管太白还是阿尔法，它们都是基于卷积神经网络的发展而来，这一基础是类似的，而它的突破源于2012年Alex、Ilya和Hinton合作发表的关于AlexNet深度卷积神经网络的论文，也正是在这之后，相关的研究出现了爆炸式的增长。
吴恩达与席尔瓦谈的是在AlexNet之后的架构创新，是将传统的搜索算法与深度学习模型的有效整合，以及，整个团队在局部感受野、参数共享与稀疏连接、平移不变性这些方面做出的努力。
这种易科与谷歌以及场下嘉宾的交流极其愉快，也让方卓颇为满意，他虽然不懂，但瞧着这样的场面就觉得知识被塞进了脑子里。
只是，等到第二天，当吴恩达提出团队在研发上的困惑时，激烈的辩论到来了。
易科是有“Siri”这样的语音助手作为人工智能的实践，而吴恩达的团队不仅在做卷积神经网络CNN的研究，也在做循环神经网络RNN的研究，他们认为后者更适合与语音助手相结合，但效果并不算很好，完全达不到想要的成绩。
问题出在哪里？
吴恩达表述了困惑，也谈了谈易科内部的解决方向。
参会的一部分人赞同易科的解题思路，但谷歌方面却出现了不同的声音。
“为什么非要使用循环神经网络？”谷歌的乌思克尔特本来正在休假，但因为对DL的交流感兴趣便报名过来，“为什么不试试自注意力Self-attention？我认为它对NLP领域将会有更优秀的改变。”
“Self-attention可以进行更好的并行计算能力，而不是像RNN那样进行顺序处理，它还能直接比较序列中任意两个位置的向量表示，这样就能更有效的捕捉和利用长距离依赖关系，但RNN不行！”
“RNN虽然理论上也能捕捉长距离依赖，但实际上往往因梯度消失或爆炸问题而难以实现！”
乌思克尔特研究的是谷歌的机器翻译改进方法，他的父亲就是计算语言学的教授，尽管刚开始进入谷歌时对语言翻译的工作很不喜欢，但最终还是专注于这一领域的研究，而他近期正在琢磨的便是“自注意力Self-attention”在相关领域的改善。
吴恩达很快明白这位谷歌研究员的意思，也在几经思索后给予反驳：“自注意力没有显式地编码位置信息，这就意味着如果以它为核心的模型无法区分序列中相同词语在不同位置的意义差异，而在自然语言的处理中，词语的语义又与位置紧密相关。”
“而且，自注意力模型必然因为序列中每对元素计算的注意力权重而有巨大的参数量，这极可能导致过拟合。”
他这边刚说话，谷歌自家DL的席尔瓦也反驳了乌思克尔特提出的新路线，其中一个重要原因在于RNN的循环结构太符合大家对序列数据处理的理解，即当前状态依赖于过去的信息，而自注意力的全局依赖一看就不如RNN直观。
易科与谷歌的两大领导者都批评了自注意力Self-attention，但乌思克尔特并不服气，他直接登台阐述自己更多的想法。
而且，针对吴恩达与席尔瓦抨击的缺点也给出一些解决思路，比如，引入位置编码，比如，进行多头注意力的研究。
有人觉得眼前一亮，有人觉得异想天开，还有人现场进行快速的分析和演算。
第一排的方卓极其茫然，他扭头询问旁边沉思的英伟达掌门人黄仁勋：“他们在讨论什么？”
“乌思克尔特说，GPU是最适合深度学习技术的硬件。”黄仁勋给出一句总结。
方卓：“？？？”
他纳闷道：“我怎么完全没听到类似的表述？”
“因为自注意力Self-Attention更加强调并行处理，这是GPU更擅长的。”黄仁勋笑道，“至于其他的，不重要，我们只要提取对我们有利的就好。”
方卓观察着现场的气氛，这已经不是知识的交流，更像是知识的火拼了。
他默默的收起自己在这种场合本就不多的存在感。
只是，等到晚上，方卓还是当面询问了这次参与辩论的吴恩达，想知道这场面红耳赤的讨论都有些什么东西。
吴恩达真的很难和方总解释发生了什么。
“方总，等我们想一想再写一份报告吧。”他思考许久之后由衷地说道，“这样的交流或许应该多来几次，他那个自注意力，我现在想想，缺点也不是不能解决。”
方卓耐心的询问：“那我们应该做些什么？”
吴恩达回味今天的整场辩论，思考着不同人提出的不同想法，喃喃道：“或许，我们需要先试试一种新型软件，让它可以和计算机对话。”
名门掠婚：顾少，你够了 寻情仙使 楚剑秋柳天瑶混沌天帝诀完结篇 骇档案：死亡循环 贵妃 灵魂引渡人 举案齐眉，终是意难平（快穿） 随身英雄杀 被渣男分手后，我靠美食暴富了 静春 从监狱中走出的绝代仙帝 世家的天下：魏晋豪门与皇帝的争权之路 魔法高材生 我全家都是灭世BOSS 草根石布衣 诡墓密码 服软 当明星从跑龙套开始 暗恋听见了/骄软 万人嫌神探凭亿近人
玩游戏能变强
玩游戏能变强，你听过没有？玩这样的游戏要付出什么代价？很简单，在游戏中死亡，你就真的死了。当王远遇上一款能让他在现实世界中变强的游戏时，他以为自己的开挂人生就要开始了。然而，灵气复苏。他赫然发现，这个世界并不像表面上那么简单，一些古老而强大的存在正逐渐浮出水面。灵气复苏世界的游戏高手，吊打全世界。新书开张，觉得字数少可以先在作者的老书末世之宠物为王，已完本，绝对精彩。如果您喜欢玩游戏能变强，别忘记分享给朋友...
重生都市之狂神
李长生，曾于渡劫期纵横诸天睥睨万界的绝世修仙者，兜转却重回蓝星。但这不过是命运的小小玩笑，根本无法撼动他的狂傲与自信！他对世间陈规陋习不屑一顾，心中的霸图之志犹如汹涌澎湃的海啸，对星辰大海的渴望炽热而疯狂。他自命旷古烁今无人可及，将万物皆视作蝼蚁般渺小，张狂扬言要让整个宇宙在他脚下匍匐颤栗。初始于蓝星时看似平淡...
只愿不负你深情
只愿不负你深情简介emspemsp被丈夫背叛，被妹妹开车撞流产，被继母和父亲赶出家门 而这时，一个神秘男人突然出现，他给了我两个选项，一是让他们身败名裂，二是让他们破产。 我选择全都要！emspemspemsp海棠书屋（po18yuvip）提供...
封门秘事
为了生活，我做起了户外探险主播。为了满足粉丝们的猎奇心理，得到更多的打赏。我在深夜孤坟的坟头上跳起了迪斯科。从那一天起，怪事接踵而来如果您喜欢封门秘事，别忘记分享给朋友...
诸天之最强主宰
我与辰南诛过天，也与叶凡平过乱我见证过盘古开天，也目睹过女娲造人亲手封印过齐天圣，也助他成了道见证过诛仙生死恋，也见证过末世的人心之恶。我是林夕，穿梭于诸天万界的行者。群号833803069（血衣殿）如果您喜欢诸天之最强主宰，别忘记分享给朋友...
厉少狂宠不腻
厉少狂宠不腻简介emspemsp关于厉少狂宠不腻被渣男抛弃，她随便找了一个男人，没想到竟是权势滔天的厉少！从此以后成为了让人羡慕的厉太太。传闻厉少不近女色，对女人过敏！乔落狠狠的翻了个白眼，一脸的愤恨，谁说厉少不近女色，对女人过敏的。特么，这人明明就是一匹喂不饱的狼，将她从头到脚啃得渣都不剩...