第93节（2 / 2）

些成功的模型都可以被理解成是表示学习的特例……”

当有了个开头以后，大量的知识涌入到脑海里，再结合自己对算法的理解以及想法，王浩顿时有了信心，继续道，“用概率建模隐变量和观测变量联合分布的隐变量模型，以及端到端学习层次化表示的深度模型，都是表示学习的一种。”

“现在已经是大数据时代，表示学习的研究主要难点，是对于超大数据量的分析。”

“不管是随机算法的噪声，近似优化算法的不稳定性，高时间复杂度等都影响了表示学习算法的效率……”

他说着进入到了正题，干脆走到了旁边小白板前，花了个简单的模型图，才继续说道，“我们来看这个图，其实不管在表示学习方向，做什么样的研究，都离不开这个图。要么是分析简化算法，要么是从构造入手，最容易、也最容易出成果的，应该是简化构造，某个方向上，形成直接通路。”

“我们从a点走到b点，再走到c点，肯定比不上在a和c之间修一条通路。”

“那么，怎么去做研究，怎么去修通路呢？”

“我认为可以有两种方法，一种是采用新的构架，另一种是采用新的分析方法……”

“哇啦哇啦……”

王浩一口气讲了近三十分钟，有个有眼力见的博士生，还倒了杯水递过来。

然后，继续。

终于在四十分钟左右，他才结束了话头。

看着陷入思考、认真理解的实验室众人，顿时满意的点点头说道，“我就是有点粗浅的理解，有说的不对的地方忘见谅。”

“对人工智能，我就是个外行。”

一众博士生，也包括孟芊，顿时投过来崇拜的眼神，他们听了一大堆的讲解，都感觉有了很大收获，想到自己的研究思路都清晰了。

孙光远和陈庆华则同时用力扯扯嘴角。

这叫外行？

‘外行’这个词，是不是重新定义一下？

这很有意思！让我们一起吧！

在孟芊和其他博士生崇拜的眼神中，王浩离开了计算机实验室，他是以‘还有工作要忙’为借口离开的，因为感觉再不离开就要‘露馅’了。

对人工智能方向的内容，他确实了解的很少。

即便是人工智能相关的算法，包括神经网络、深度学习等领域，也没有真正深入去了解过。

刚才就只是结合教学反馈的内容以及自己对算法的理解，说一些可能的研发方向而已。

当然了，对找不到研发方向的博士生来说还是有帮助的。

在简化‘表示学习’的研究领域，最好的办法就是从构造上入手，因为真正涉及的知识内容比较多，只把握大方向远远不够，还需要非常耐心的研究。

王浩出了实验楼以后，发现自己的收获不小。