畢業典禮結束後，羅素教授也是找到了白冰跟楊傑。
“白冰，我是希望像你這樣的優秀的人才能夠留在伯克利這邊擔任助教教授的，你真的不考慮一下？”羅素教授一臉惋惜地看著白冰說道。
“老師，我們國家缺少這方麵的人才，我回到國內也是想帶出這方麵更多的人才出來。”白冰說道。
“真是可惜了，像你這樣在人工智能算法上有著卓絕天賦的天才太稀少了，如果之前我沒有去過HX國的話，我是建議你留在MI國發展的，不過你的這位男朋友既然這麽支持人工智能，我還是尊重你個人的意見。”
羅素教授點頭道。
白冰在伯克利大學這邊就讀的期間，在頂級的期刊上發表了幾篇重要的論文，被引用的次數非常多，都是關於概率程序語言跟編譯器方麵，現在的她已經成為了概率程序語言方麵的頂尖人才。
其實後世人工智能三個流派已經出現了，羅素教授主攻的方向就是概率程序語言這一流派，在羅素教授的幫助下，白冰他們提出了一種圖靈完備的概率編程語言，是一個用於快速實驗和研究概率模型的測試平台，其涵蓋的模型範圍從包括了很多小數據集上的經典層次模型。
這個概率語言卻是讓伯克利大學之前機器學習的效率提升了十五倍！
也正是如此，這種概率程序語言在機器學習研究人員中變得無比風靡起來，從而也讓從很早就開始的邏輯算法的人工智能變得黯淡起來。
基於邏輯的人工智能遮掩了感知問題，而了解感知的原理是解開智能之謎的金鑰匙——感知是屬於那類對於人很容易而機器很難掌握的東西。
邏輯是純粹的，傳統的象棋機器人也是純粹算法化的，但現實世界卻是充滿了不確定性。
這也意味著很早就變成主流的基於邏輯的人工智能注定變得前途黯淡。
而此時的深度學習的泰鬥級人物YannLeCun前年的時候發表了開創性的論文《基於梯度學習的文檔識別方法》，他此時也是折騰出了深度學習模型。
這位家夥為了證明自己的示例在論文裏麵做出了以下聲明——
要在GPU上運行這個示例，首先得有個性能良好的GPU。GPU內存至少要1GB。如果顯示器連著GPU，可能需要更多內存。當GPU和顯示器相連時，每次GPU函數調用都有幾秒鍾的時限。這麽做是必不可少的，因為目前的GPU在進行運算時無法繼續為顯示器服務。如果沒有這個限製，顯示器將會凍結太久，計算機看上去像是死機了。若用中等質量的GPU處理這個示例，就會遇到超過時限的問題。GPU不連接顯示器時就不存在這個時間限製。你可以降低批處理大小來解決超時問題。 本章尚未完結,請點擊下一頁繼續閱讀---->>>