刚改邪归正，重生成悟性学霸了 第238节

　　许青山心中思绪万千。

　　其实吧。

　　他也是看过《庆余年》的，提篮桥也算是与时俱进，平日里学习教育完以后，也会给大家一起看看电视剧什么的。

　　许青山觉得自己现在的状态就有点不错。

　　“邦奇，给我来瓶威士忌！”

　　许青山正讲到一半，看到有些学者虽然还是在点头，但是明显兴致不是特别高了。

　　他突然朝著旁边的光头佬喊了一声。

　　这还是今天知道的，邦奇是斯拉夫人，身上要么带伏特加，要么带威士忌，反正必定有小瓶酒。

　　“这里。”

　　邦奇有些意外，但是还是顺从地从怀里掏出来了自己的酒瓶子，丢给许青山。

　　此时小厅行廊外的这一幕。

　　看起来很像是什么邪教传教场景。

　　一位成功学大师站在由桌子拼凑起来的临时高台上，在黑板上写写画画，振臂高呼，大声宣讲。

　　旁边还有看起来不是很面善的光头佬助手。

　　台下则是坐姿、站姿、蹲姿各异的教徒。

　　有在旁边好奇地学者出来看到这一幕，吓得把伸出来的头都缩了回去。

　　还有人则是从不同角度拍下了这一幕。

　　有人则是随身带著手持录像机，本来是打算过来做会议记录的，结果现在派上用场了。

　　这注定会成为一个经典场面。

　　哪怕是许青山没有在学术上再发挥点什么的话。

　　但问题是。

　　许青山开始发挥了，这就会升级成名场面。

　　“诸位！”

　　许青山接过了邦奇的酒壶，直接掰开狠狠地灌了一口，台下的学者们起哄地笑著欢呼著。

　　看乐子嘛，人类天性。

　　“咳咳咳。”

　　喝得太猛，许青山还是咳嗽了几声。

　　“你们都知道，我来自华夏！”

　　许青山张开双臂，大声地说道。

　　“在我的祖国，在1300多年前，也就是法兰克王国扩张，罗马梵蒂冈脱离君士坦丁堡的时候。”

　　许青山用了一个他认为比较容易被西方人理解的开场。

　　“在我的祖国，当时叫做大唐，有一位诗人，叫李白，他在宴会上，喝著酒，找到无数的灵感，一场宴席上就做出了上百篇诗文，后来我们称呼他为诗仙。”

　　“所以今天，我斗胆在这里当著诸位的面，喝下这口酒，把我们的课题继续往下走。”

　　“我们要怎么更好地发展机器学习？”

　　许青山觉得这口酒的味道是真的很冲脑，还没到后面呢，后劲就先上来了。

　　“咳咳。”

　　许青山一边咳嗽，一边大声地阐述著自己的观点和想法。

　　原本对于马尔可夫逻辑网络不是特别感兴趣的学者，此时也都提起了精神。

　　因为时不时许青山就会提到他们在做的课题和他们希望研究的方向。

　　如果只是提到，那其实大家倒也没有那么在意。

　　但是此时许青山竟然时不时的会说到每个课题和方向的核心难点，并且提出自己的看法。

　　“隐马尔可夫模型的希尔伯特空间嵌入，我很看好这个课题，隐马尔可夫模型是一个双重嵌入的随机过程，其潜在的随机过程是不可观察的.而希尔伯特空间，基于代数几何与拓扑，在一个不完备的内积空间，可以通过完备化形成一个Hilbert空间”

　　许青山的话被实时地记录了下来。

　　他并不需要担心自己的思路成果被夺取。

　　因为这里是ICML，这是国际A类顶级会议，他在这里公开发表的任何观点、论点，都拥有署名权。

　　这些想要用他的观点和方向去研究探索的学者们，在写论文的时候，势必会来咨询许青山，并且共享论文成果。

　　因为他们不来找，也会有别人来找，甚至许青山自己都会写。

　　那又有谁能写得比一个理论提出者、算法创建者、观念开发者本身更快呢？

　　他们就连理解许青山的思路都需要花上不少的时间！

　　“许先生，我们正在做隐马尔可夫模型研究，我对你的思路非常认可且很感兴趣，如果你愿意的话，我想和伱一起！”

　　台下有位学者大声地喊道。

　　但此时许青山酒劲有点上头，看不太清，就一口答应了下来。

　　倒是台下不少人一阵哗然。

　　因为那学者来自卡内基梅隆大学，也是行业内的知名学者。

　　“刚刚你的提议，当然没问题，教授，等会议结束后我们一定好好谈谈。”

　　许青山在说完了自己在这部分的思想和见解之后，又朝著大概的方向说了一句。

　　只不过他还是指偏了。

　　现场发出了欢快的笑声。

　　大家都认真关注著台上这位年轻的、红著脸的年轻学者，哪怕他只有18岁，但是此时他的身影在众人眼里显得十分高大。

　　因为他在学术上的造诣，在机器学习方面那种丰富的、充满想像力的、拥有创造性的思路。

　　如果只有这种思路，那他的形象也没有那么高大。

　　但这小子刚刚现场完成了一个较为复杂的算法推演，虽然看起来还醉著酒，但是过程却十分严谨，推导过程完全没问题，这算法马上就能拿去用。

　　这让大家总是忍不住会去想许青山刚刚说过的，李白斗酒诗百篇的事情。

　　许青山刚刚把自己的行为定了一个高的调子。

　　隐隐有种思维天授的观感。

　　再加上许青山自己掏出来的东西也是实打实的前沿和有创造力，现场没有人会小觑他。

　　“杰西卡·戴维斯教授在哪里？”

　　“我在这！”

　　戴维斯也被自己的爱徒拉著来听许青山的演讲，但此时他目光灼灼，回应得很是热情。

　　“我想谈谈波达操纵的复杂性和算法，奥莉薇娅和我说过您在这方面很有见地，我想请您做个见证，来批评一下我的思路。”

　　“当然没问题，请。”

　　许青山朝著奥莉薇娅的方向迷迷糊糊地眨了眨眼，又继续说起了波达操纵的课题，这和概率统计的关联性较大，他更有想法。

　　“我们都知道，让两个人结成的联盟来操纵波达投票.NP-困难的.这样的一个问题，我们应该作为一个近似问题，师徒最小化操纵者的数量。”

　　“从bin packing和多处理器调度方面出发的思路较为可行，我现场简单推导一下，随机生成的选举中，如何通过新方法找到最优操纵.邦奇，帮我拿一下电脑！”

　　许青山站在高台上侃侃而谈。

　　台下的学者多少会懂一些。

　　哪怕是不懂的，看看戴维斯教授的表情就知道了，台上的这家伙绝逼是个天才。

　　他看起来好像什么都懂，又什么都会。

　　不过事实上。

　　许青山只是针对性地在发言而已，就算有人突然提问到他知识范围外的问题，他也会坦诚地说自己暂时还没有研究到那方面，只不过大家会下意识地忽略掉他的话，认为他是在谦逊。

　　事实证明。

　　当一个人在某些方面的表现太过于亮眼的话，就容易让人忘记了他在同一方面上的缺点。

　　“基于数据重构的文档摘要！”

　　“通过不定核学习SVM分类器！”

　　“纠正因果推断和统计推断里的选择偏差！”

　　许青山的思路和灵感就像是不要钱的一样，哗啦啦地往外流。

　　而这些灵感，就像是在发放福利一样。

　　现场的学者们有遇到涉及自己擅长的部分，就会连忙举手出声想要抢下来和许青山的合作。

　　此时台上的许青山，不止是学者，更是宝藏，一个人型自走的知识宝库。

　　其实许青山最后都不知道自己是怎么下台的。