学霸的模拟器系统 第314节

　　林允宁刚领完胸牌，还没来得及把那个略显廉价的挂绳套在脖子上，就被一群年轻的面孔围住了。

　　“林-God！能不能签个名？”

　　一个戴着厚底眼镜的男生激动地递过来打印好的论文，封面上赫然印着《Linear Attention Mechanism》（线性注意力机制）。

　　“我是伯克利的一年级博士生。您的这个算法简直是救命稻草！我们在做长序列基因预测，之前跑一次模型要一周，用了您的核技巧优化后，现在只要半天！”

　　“林先生，关于您那篇暗流体的论文，我在物理系的室友说您重新定义了真空？”

　　“林……”

　　林允宁熟练地接过马克笔，在那篇论文的空白处签下了名字。

　　这一年来的历练，让他对这种场面已经习以为常。

　　他不像是来参会的学生，更像是走红毯的明星。

　　“看来我们的‘物理学家’人气很高啊。”

　　一个带着英伦腔调的声音从侧方传来。

　　人群自动分开一条路。

　　杰弗里·辛顿（Geoffrey Hinton）穿着一件看着有些年头的粗花呢西装，正笑眯眯地看着他。

　　站在辛顿旁边的，是穿着格子衬衫、背着双肩包的Google工程战神杰夫·迪恩（Jeff Dean）。

　　“辛顿教授，迪恩博士。”

　　林允宁盖上笔帽，微笑着走过去握手，“ICML一别，好久不见。”

　　“确实好久不见。”

　　杰夫·迪恩的眼神依然热切，像是在看一块未被开采的金矿，“听说你最近在数学界和物理界闹出的动静很大？陶哲轩都在给我发邮件夸你。怎么样，有没有兴趣来Google Brain给我们讲讲那个‘复配边算子’？顺便聊聊入职的事？”

　　“杰夫，你就别费心了。”

　　辛顿打断了迪恩的挖角，“林这种人，注定是要自己定义问题的，而不是去解决别人定义的问题。不过，林，我很期待你今天的Keynote。听说你要从几何流的角度讲优化？”

　　“我确实有一点不成熟的想法。”

　　林允宁谦虚了一句，“希望能给在这个寒冬里坚持神经网络的人，一点信心。”

　　周围的参会者们看着这三个大佬级别的任务谈笑风生，眼神里充满了敬畏。

　　在2007年，这三个人站在一起，基本上就代表了人工智能的一半未来。

　　只是，其中有个人实在年轻的有点过分。

　　……

　　上午十点，主会场。

　　巨大的投影幕布上，显示着Keynote的标题：

　　《从几何流看神经网络的优化景观》。

　　演讲很成功。

　　林允宁的讲座深入浅出，没有用枯燥的代码，而是用物理直觉，将神经网络的参数空间比作一个高维的能量地形图，阐述了为什么传统的梯度下降法容易陷入局部极小值。

　　到了提问环节。

　　一位来自麻省理工学院（MIT）的老教授站了起来，扶了扶话筒：

　　“林先生，你的几何比喻很精彩。但是，深层网络的优化曲面是非凸的（Non-convex），存在大量的鞍点（Saddle Points）。在数学上，这些鞍点会导致海森矩阵（Hessian Matrix）出现负特征值，从而阻碍收敛。你是如何看待这个问题的？”

　　这是一个非常硬核的数学问题。

　　全场安静下来，等待着林允宁的回答。

　　“这是一个非常好的几何问题。”

　　林允宁眼睛亮了。

　　他指了指台边的黑板，“能帮我推过来吗？”

　　工作人员迅速将黑板推到舞台中央。

　　林允宁拿起粉笔，转身面对黑板。

　　“其实，如果我们跳出欧几里得空间的限制，把参数空间看作一个黎曼流形……”

　　哒哒哒。

　　粉笔在黑板上敲击出清脆的节奏。

　　第一行，他写下了海森矩阵的本征值分解公式。

　　台下的观众频频点头，来到这里的虽然大部分是计算机科学家，但数学水平并不低。

　　他们对于这些基础的代数问题，还是理解得很深入的。

　　第二行，林允宁开始引入莫尔斯理论（Morse Theory），用临界点的指数来描述鞍点的性质。

　　台下有一半人开始皱眉，拿笔的手停住了。

　　“进一步，如果我们考虑梯度流在这个流形上的测地线偏离方程（Geodesic Deviation Equation）……”

　　从第三行开始，林允宁直接祭出了他在和陶哲轩讨论时用到的“同调群”（Homology Group）演化方程，开始证明在高维空间中，鞍点其实是逃逸路径的“路标”，而非陷阱。

　　台下彻底安静了。

　　那是一种死一般的寂静。

　　刚才还在点头的计算机科学家们，现在的表情就像是误入了高等数学专业课的大一新生。

　　他们的眼神从迷茫，变成了呆滞，最后变成了放弃思考的释然。

　　只剩下此起彼伏的相机快门声——

　　虽然听不懂，但这公式看着就很厉害，先拍下来再说。

　　林允宁写得兴起，手中的粉笔折断了一截。

　　他回过头，正准备解释一下贝蒂数的物理意义，却看到了台下几千双迷茫的眼睛。

　　甚至连前排的杰夫·迪恩都在揉太阳穴。

　　“呃……”

　　林允宁愣了一下，瞬间反应过来。

　　这是AI大会，不是数学家大会。

　　他刚才那套连陶哲轩都要思考几分钟的推导，对这帮搞工程的人来说，简直就是天书。

　　这就是所谓的降维打击——

　　一不小心打得太狠，以此至于观众连痛感都没反应过来。

　　“咳。”

　　林允宁淡定地把剩下的半截粉笔扔进笔槽，拍了拍手上的灰，指着黑板上那堆如同鬼画符般的公式：

　　“简而言之，只要路径选得对，鞍点不是障碍，是跳板。”

　　台下沉默了一秒。

　　“哗——”

　　雷鸣般的掌声爆发了。

　　大家其实还是没听懂，但这不妨碍他们对这种智力上的绝对高点表示敬意。

　　……

　　午饭时间，海报展区（Poster Session）。

　　相比于主会场的热闹，这里的角落显得有些冷清。

　　2007年的计算机视觉（CV）领域，还是SVM（支持向量机）和人工特征提取（SIFT/HOG）的天下。

　　在一个不起眼的角落里，林允宁看到了一个略显落寞的身影。

　　那是一位有些瘦削的亚裔女性，正独自站在一张海报前。

　　海报的标题是《ImageNet: A Large-Scale Hierarchical Image Database》。

　　李飞飞。

　　未来的AI教母，此刻正面临着职业生涯最大的至暗时刻。

　　她的ImageNet项目因为耗资巨大、且尚未产出任何能用的成果，被学术界视为“浪费资源的苦力活”。

　　在主流观点看来，算法才是关键，数据够用就行。

　　搞这么大的数据集，现有的算法根本跑不动，毫无意义。

　　路过的人大多只是瞥一眼海报上那个夸张的数据量——“一千万张图片”，然后就摇摇头走开了。

　　林允宁整理了一下方雪若送的那套高级西装，走了过去。

　　“李教授，好久不见。”

　　李飞飞抬起头，看到是林允宁，眼神中闪过一丝惊讶。

　　两人曾在ICML的闭门会议中有过一面之缘，但并未深交。