时间过得飞快。

一眨眼，时间来到了2012年。

这一年，在全球的科技圈里，有一件不大不小的事情正在发生。

那就是ImageNet图像识别大赛。

这比赛听着名字挺高级，其实规则特别简单。

就是大赛官方拿出一百多万张各种各样的图片。

里面有猫、有狗、有汽车、有轮船，总共分了一千个类别。

然后让全世界搞人工智能的团队，拿着自己的软件程序来认这些图片。

谁认得准，谁认错的概率低，谁就是冠军。

这比赛就相当于是AI界里的奥运会。

可是。

现在的全球AI学术界，气氛其实挺奇怪的。

那些顶尖名校里的老教授、大专家，现在全都在搞一个叫“支持向量机”的东西。

英文缩写叫SVm。

这玩意儿说白了，就是靠人脑子去总结规律，然后写成代码教给电脑。

比如你要认一辆汽车。

程序员就得手敲代码，告诉电脑：“你先找四个圆圈，那叫轮子；再找几块玻璃，那叫车窗。”

就这么一条规则一条规则地硬写！

大家管这叫提取特征。

名校里的教授们，特别喜欢搞这个。

为什么？

因为这东西能写出满黑板的复杂数学公式啊！

看着多优雅！

多有学问！

拿着这些公式去写论文，多容易混到终身教授的头衔！

那有没有别的方法？

有。

就是神经网络，也就是后来说的深度学习。

但是，在2012年这个时间点。

神经网络在学术界，那就是过街老鼠，谁看都觉得嫌弃。

老教授们端着红酒杯，只要一提起神经网络，全都翻大白眼。

“那玩意儿就是上世纪八十年代淘汰下来的垃圾！”

“完全是个黑盒！

连个像样的数学推导公式都写不出来！”

“电脑在里面瞎算一通，最后给个结果，你连它为什么认出那是一只猫都不知道！”

“这种没有数学美感的东西，只有傻子才会去玩！”

整个学术界，被这种传统的骄傲统治着。

大家都觉得，搞AI，就得是一门优雅的数学艺术。

而在加拿大。

多伦多大学的一间破旧实验室里。
本章未完，请翻下一页继续阅读.........