楊傑前世的時候也是看過這篇論文，也看過這位大神通過Facebook說自己在深度網絡方麵的工作工作可以追溯到1989年，當時他就在一台SUN4機器上花了大約個星期訓練USPS數據集，其中有8000個訓練樣本，這也是他在貝爾實驗室的成果。
現階段來說，人工智能的三個流派都是在MI國誕生的，這些年也是培養出來了大量的人才，尤其是最頂尖的人才也不過幾百個，基本上都是集中在MI國，而HX國這方麵的頂尖人才非常稀少，雖然HX國在人工智能方麵起步從八十年代就開始了，這也歸功於已經年逾古稀的吳文俊這位人工智能的泰鬥級人物。
這位七十年代才接觸計算機的老者大數學家當時已經六十歲了，他當時也是敏銳地察覺到計算機，敏銳地覺察到計算機將極大地推動數學的發展。
在這位老者的自學編程的過程中他也是產生了一個初等幾何定理的機械化證明思想。
經過試驗，終於在77年的春節前成功地用這一思想證明了一些定理，這一研究開創了機器定理證明的時代，國際上稱為“吳文俊方法”和“吳消元法”，實現了初級幾何與微分幾何定理的機器證明，卻是無意中闖入了人工智能的領域，一舉將HX國在邏輯人工智能的地位提到了非常高的地位。
不過HX國在概率程序語言和深度學習方麵卻是遠遠地落後於MI國，在後世的記憶中，國內這方麵的人才都是有過從MI國留學歸國的，在這兩個流派都是跟在MI國的屁股後麵跑，而且國內的人工智能培養出出來的人才都是基於邏輯推理的人工智能，在這兩個最接近真正人工智能的技術領域就落後了。
在後來爆發人工智能熱潮當中，還是以概率程序語言跟深度學習為主，這兩個流派HX國根本沒有拿得出手的技術創新，也沒有權威人物。
這也沒辦法，一個牛掰的教授才能帶出更牛掰的學生出來，這個過程至少需要十多年才能湧現出一批有影響力的科學家出來。
後世那些從MI國取經回國的科學家才讓國內開始了概率程序語言跟深度學習的浪潮，完全是靠著HX國的龐大的市場才讓這兩個技術領域變得熱鬧起來，其實跟MI國之間的差距相差了差不多十多年。
這個也是後世HX國在這兩個領域極度缺乏人才的真實原因，當時全世界從事這方麵技術人才僅為190萬，其中MI國相關人才總數超出85萬，位列第一，HX國相關人數不到5萬，位列全球第七，而HX國這方麵的人才需求量至少需要上百萬，這裏麵有著巨大的缺口。 本章尚未完結,請點擊下一頁繼續閱讀---->>>