第784章 計算機學習

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

周不器的個人賬戶中，有8000萬。其中有5000萬是爹媽給的，是溫知夏生孩子的獎勵。

這次溫老師去魔都工作，肯定要自己買房置業。

已經看好了地段，是石婧琳家裡推薦的，在陸家嘴的豪宅區，450平的大平層豪宅，距外灘不遠，在城隍廟附近，售價1500萬。

一開始說到買房，周不器下意識的就說湯臣一品啊！

多有名！

第一豪宅嘛！

結果被石婧琳給嘲笑了，說他老土冒。

湯臣一品的房子售價4000多萬，價格最高，可當地頂流富豪，根本就不過去。這是中次級豪宅，唯一的優勢就是靠近江邊，地段好。主要客群是那些急於貼上豪富標籤、進入上流社會的新富，以及娛樂圈明星。

真正的頂級豪宅，都是低調為不外露的，都是不對外公開宣傳的，圈裡交流一下，客源就夠了。還有更重要的一點，就是不賣給明星，有錢都不行。

周不器被埋汰了一通，實在無力辯駁。

跟魔都的富豪家庭比起來，首都這邊還真就是一群暴發戶、土老帽。

第二天，周不器給寧雅嫻安排了任務，讓她幫忙轉一張500萬的卡。自己則是帶著四秘王瑤瑾，一起去見了前微軟研究院的院長沈向陽。

此前，許亮傑、王海洋和賀陽先後出面，又有王建博士做牽線，雙方已經談妥了。

沈向陽會加盟紫微星。

M7級，擔任技術長，併兼任紫微星研究院的第一任院長，負責搭建起研究院的體系和框架。

這個招聘過程中，周不器甚至都沒有出面。

這讓他不太好意思，打算在對方正式入職前，主動過去找他談一談，算是表達一個禮賢下士的姿態。

沈院長的履歷，堪稱驚人。

是天才中的天才，許亮傑、王小船、周峰、郭鵬飛等人就算是少年天才了，十幾歲就天賦爆表。可是跟沈向陽比起來，還是差了點。

沈向陽的初中只讀了2年，高中讀了1年，13歲就考入了南大。20歲就拿到了港大的碩士學位，然後去了卡內基·梅隆大學讀博士。

博士的研究方向，就是人工智慧！

要知道，那可是1996年。

20年後的人工智慧是大熱的行業，可是1996年的人工智慧，是冷門中的冷門，一切都是從零開始。

他是人工智慧領域開創先河的那一批人，他研究出的很多理論，都是人工智慧基礎理論。

還有更重要的一點，他沒有變更國籍。

在微軟研究院，他的管理出了大問題，先後被百度和紫微星成建制的挖走了兩個研發團隊。微軟總部很不高興，想要撤掉他。

怎麼撤？

是給了他一個更高的職位，微軟資深副總裁。而在微軟內部，有一個鐵律，那就是所有副總裁以上的職位，只能是美國人。

沈向陽不同意更改國籍，微軟甘願為他破例。

因為哪怕在美國、在矽谷，沈向陽都是人工智慧領域的首席科學家。

如果沒有紫微星，他卸任微軟研究院的職務，就要去美國工作了。微軟誠意太足，而國內的人工智慧還是一片荒漠，一點機會都沒有。

可是紫微星的出現，讓他看到了機會！

到了沈向陽這個層次，工作的目的早就不是賺錢了。他在微軟工作十多年，個人獲得的股票也積累了幾千萬美元。

他要是不想工作，一輩子吃喝玩樂，錢都花不完。

工作的目的，就是想做一點事，展現個人價值、實現個人抱負。

在半導體、生物工程、材料科學、基礎理論等領域，想要有更高的學術成就，只能去國外。國內在這些領域太落後了，存在著幾個代差。留在國內，只能是一個大學生帶著一群小學生做實驗，做一些教書育人的工作，跟世界科技前沿徹底脫鉤。

可是網際網路不一樣，分享屬性很強。

在國內做網際網路，依舊能夠閱讀到最頂級的文獻材料，掌握到最前沿的技術動向，有很多志同道合的人可以交流觀點和想法，依舊可以成為引領整個行業的那個人。

既能引領整個行業，又能實現個人價值，還能有學術成就，同時還能報效國家……何樂而不為？

“國內這幾年，湧現出了一批人工智慧領域的專家，後來我才發現，這些人都是你帶出來的。”

在清華科技園的咖啡廳裡，周不器半開玩笑的說。

沈向陽自謙的擺擺手。

卻沒有反對。

因為這就是事實，國內目前從事該領域的1000多位比較有能力的人中，90%都有過在微軟研究院工作的經歷，都是沈院長帶出來的。

頓了一下，沈向陽很奇怪的問：“你不是計算機專業的，為什麼會對人工智慧這麼感興趣？”

“我知道這是未來。”

“好答案。”

沈向陽忍俊不禁。

周不器緩緩的道：“不知道許亮傑跟你說沒說過，紫微星目前有兩個內部專案，也屬於人工智慧的範疇。”

沈向陽道：“他沒跟我談業務的事。”

周不器點了點頭，“嗯，這算是公司機密。我跟你說說。其中有一個專案，是個性化的內容分發，根本不同的使用者資訊，來透過資訊流的方式分發相應的廣告和內容。”

“朋友網的廣告？”

“對，主要是今日頭條，這是我們內部的一個專案，9月份會上線，會有內容的分發。”

周不器就簡單的說了一下今日頭條內容分發的理念。

沈向陽略作思考，沉吟道：“如果是這種模式，簡單的個性化分發是不夠的，這不夠精確。必須要有更復雜的演算法支援，這需要使用到深度的計算機學習。”

“什麼說？”

“嗯……”

沈向陽有些頭疼，他最煩跟外行探討深度的技術問題，可對方是老闆，又不能不解釋，想了一下，說道：“這樣，你問我5+5等於幾。然後我模擬計算機，給你解釋一下。如果我說錯了，你要給出正確的答案，然後多問幾遍。”

周不器覺得挺有趣，笑道：“行，那我問啦。咳咳，5+5等於多少？”

沈向陽道：“88。”

周不器微微一愣，明白了他的意思，幫他改正，“不對，是10。5+5等於多少？”

沈向陽道：“24。”

“不對，是10。5+5等於多少？”

“17。”

“不對，是10。5+5等於多少？”

“12。”

“不對，是10。是5+5等於多少？”

“10。”

“對了。5+5等於多少？”

“10。”

“5+5等於多少？”

“10。”

沈向陽做出了這個解答，然後接結束了這個問題，“這就是機器學習的邏輯。當然不是算術了，而是計算使用者對廣告或者內容的喜好度。其實針對廣告的個性化投放，不能根據廣告本身，而是根據內容。朋友網的個性化廣告我看了，主要就是根據使用者的個人資訊，這略顯粗糙，準確率也不高。”

“那應該怎麼做？”

“透過機器學習，把廣告和內容捆綁。比如閱讀內容A的使用者，都喜歡廣告A，兩者就可以對接了。這個比較簡單。更復雜的是內容投放，要結合統計學習和神經網路，透過機器學習，讓計算機學習使用者的閱讀習慣。就像剛才的算術題一樣，一開始，錯誤率比較大，越是學習，錯誤率就越小，就越貼近正確答案，即使用者的閱讀習慣。”

周不器不太服氣，透露了點小秘密，“朋友網的個性化廣告分發演算法，是Facebook做出來的呢！嗯，我們是合作伙伴。”

“這樣啊……”沈向陽笑了笑，“Facebook的技術也不怎麼樣。”

“呃……”

口氣真大！

好吧，這哥們的確夠資格諷刺Facebook技術差。

周不器接著說：“還有一個專案，我們都做了半年了，一點頭緒都沒有，我們派出了一個很厲害的技術大牛，叫徐銘，他也沒辦法。他本來是搜尋事業群的技術總監，不過專案沒進展，接下來就把他調進研究院，你來帶吧。”

“什麼專案？”

“智慧搜尋，個性化搜尋，千人千頁。”

其實就跟個性化內容推薦差不多，不同的是，這次是針對搜尋結果的個性化推薦。

沈向陽臉色就凝重起來，“這可難多了！比那個朋友網的個性化廣告，今日頭條的個性化內容都難。”

“是嗎？不都是個性化推薦嗎？”

“級別不一樣。”

“嗯？”

沈向陽解釋道：“技術難題往往是兩點，一類是複雜度，一類是規模量。比如Photoshop、MATLAB這種工程軟體，就是太複雜了，我們國內做不出來。規模量指的是資料多少。一個演算法，處理小資料時可能很奏效。可是涉及到大規模資料，演算法就失效了。就像手工製作和機械化批次生產一樣，沒有可比性。”

周不器點了點頭，“嗯，大資料。”

沈向陽道：“大資料演算法是一套，個性化演算法是一套，大資料下的個性化演算法，又是另外一套。這並不是簡單的1+1=2的關係，需要從演算法框架方面有更最佳化的設計。智慧搜尋這個概念前兩年就提過了，可是做不到。”

現在，全世界連大資料都沒搞明白呢，對大資料下的衍生演算法，更是想都別想。

這麼一看，還是老沈技術更高、視野更廣、認知更清楚啊！

智慧搜尋這個專案，是許亮傑、程秉皓、王小船和徐銘共同決定的，覺得這個方向大有可為。可沈向陽卻給否了，說做不到。

嗯，一家公司，肯定是技術最好的人當技術長。

老沈實至名歸啊！