第(2/4)节 上台，以专业人士的身份对这盘棋进行点评，他面对镜头十分茫然，好一会之后才说道：“ai在围棋上可能已经完全超出人类想象了，上个月我好像在ai的棋里看到了古力、李昌镐、吴清源他们的影子，又、又好像看到了我自己的影子。”

    柯洁神色中带着挣扎和痛苦，伸手捂脸：“今天，我看不到了，完全看不到了，我好像不懂，不懂围棋到底该是什么样了……”

    主持人眼看柯洁已经有些失态，赶紧把这位人类顶尖棋手请下台，并且打了打圆场，但这个场面无疑让观看直播的人印象深刻。

    ai对弈的开胃菜结束，方卓拿到话筒进行了简单的发言。

    “围棋是人类智慧的杰作，但ai也是如此。”

    “我对于ai的期待就是它能够极大的解放人类的双手，这一天大概很远，但就像今天的‘太白’相较于上个月的它，已经又有进步。”

    “ai会以一种让人惊叹的迭代速度进化，我们今天汇聚在这里也是为了寻找正确的发展方向。”

    “ai是在围棋领域赢了人类，但这不是人类智慧的终结，反而是人类智慧的延伸，是科技的又一次进步，也是对未来的又一次探索。”

    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alex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alex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
第(2/4)节