第88章 学界的偏爱（2/3）

所以对斯坦福谷歌双方来说，孟繁岐一边在谷歌打工研究，一边在斯坦福读这些个学位，大家一家人不用分得那么清楚。

这也是孟繁岐点名斯坦福的主要原因。

“那就说好了？”在孟繁岐的角度，李飞飞是一个很不错的选择。

首先，她是移民华裔，对华国人也相当照顾。比如后来成为阿狸vp的贾扬清，在斯坦福的时候虽然不是李飞飞的学生，但也被其多次督促学习。

虽然目前地位还没有那么高，但后来是美国三院院士，在斯坦福ai圈内算得上第一流导师。

其次，她跟《自然》《美国国家科学院院刊》等顶级杂志，以及视觉三大顶级会议等组织的关系很不错，她的iag赛事经常在顶会上举办。

与她合作，自己的成果发布起来会轻松不少。凭借自己的成果质量，基本上几个会议的奖项可以说是预订了。

最后，她在谷歌的影响力，会一定程度上使得自己的成果更容易推动，乃至具体分成和其他的谷歌内部事情都会更加顺利一些。

在会场直接谋求入学斯坦福是孟繁岐之前就想好了的事情，因此他早就备好了纸质的简历和研究计划书等内容，甚至还包括辛顿帮忙写的推荐信。

可以说是非常有备无患了，辛顿也只得扼腕叹息，为何自己所在的学校偏偏远在加拿大，果然还是近水楼台先得月。

此时，台上的韩辞手忙脚乱了一番之后，开始了自己的展示部分。

“到目前为止，ai相关的学科发展，已经彻底改变了人们过去对ai的认识。孟的残差思想在许多图像任务上取得了令人叹为观止的成就。

比如比人类更精确地识别图片，又或者直接凭空生成完全不存在的图像。而这些了不起的成就，主要是通过求解的方式来完成。

例如，对于任一图像问题，我们感兴趣的是从图片到具体意义的映射函数，比如图像到它的内容的类别。

目前惯常的训练做法是，基于一个有限的数据，给出目标函数的一个高效逼近。又或者是利用没有标签的有限样本，逼近采用背后的未知概率。”

“神经网络的基本组成部分即为线性变换与一维非线性变换。深度神经网络，一般就是上述结构的反复复合。

对于已经构建的网络，设计一个最优化问题，根据经验误差去拟合数据，有时加上一些正则化项，并求解该优化问题。”

韩辞的幻灯片上开始展示密密麻麻的一些公式，“由此，我们便可以把误差分解成