此时,费根鲍姆才发现门口有人在等候自己,一个陌生的亚裔男子,脑中根本没有此人的印象,于是疑惑的问道,“你是……?”
“杰克.姜,来自中国的杰克。”
姜斌在起英文名字的时候,考虑了半天,最后选了个最简单的,他觉着这个名字与钱“有缘”。
“哦,你是亲爱的姜………”说着,费根鲍姆来了个大大的拥抱,“我早已期待你的到来,见到你真是太高兴了。”
这个不高的波兰裔美国人,给了姜斌一个非常好的初见印象,作为未来的图灵奖得主,姜斌生怕他也会像图灵一样的孤僻,且难以相处。
“非常荣幸,能有机会到您这儿读书,您的著作我多有拜读……”无论到哪儿,寒暄是少不了的,而且并不是之国人只爱听赞美之词,美国人也喜欢。
“走,我们去咖啡馆细聊”,费根鲍姆一边说着,一边拿上了衣架上的外套,就要带着姜斌外出。
咖啡的美味,姜斌两辈子也没有品出来,但是到了美国之后,也不得不硬着头皮融入这种文化。
在费根鲍姆的带领下,七拐八绕之后,终于到了一个精致的小咖啡馆,不大的几张桌子,已经被三三两两教授模样的人占据了。
姜斌本还想记住来时的路线,可是太过复杂,终究抛出了脑后,还是专心应对初次见面的谈话吧。
美国人很现实,他能来这儿读书也是因为肚子里有货,才吸引了费根鲍姆的关注。不过,之前的了解,都是从论文中得来的,真正的水平还得当面测试,能带来帮助的学生,才是好学生。
姜斌非常了解这一点,他也知道自己的定位在哪儿。
两人落座,一阵关于天气的寒暄之后,呷了一口咖啡的费根鲍姆,转入了正题,“我看过你的论文,特别是你关于概率的阐述,非常的感兴趣,不知你是怎么想到的?”
姜斌在论文中阐述的想法,正是这个时代缺乏的。人工智能处理不确定性问题的方法很多,但都有一个共同的缺陷:他们模拟专家,而不是模拟世界,因此往往产生意外的结果。
姜斌的方法倒也简单,平平无奇却又激进:将概率作为常识的守护者,仅仅修复计算缺陷,而不是创造新的理论。更具体地地说,不像以前一样,以一张巨大地表格来表示概率,而是用松散耦合地变量网络来表示。
方法简单,但却有可操作性和开创性,因此姜斌倒也没谦虚,“谢谢,我的想法来自于大卫.鲁梅哈特。”
“鲁梅哈特?神经网络?”作为计算机界的大拿,对于重量级专家的文章都是耳熟能详的。因此,姜斌稍稍提起,费根鲍姆就想到了出处。
“是的,就是鲁梅哈特。我在阅读他文章的时候,确信任何人工智能必须建模在我们所知道的人类神经信息处
请收藏:https://m.22bqg.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)