第32章 参赛（1/2）

沈清雪和团队为公司初期的成功而欢欣鼓舞，陈阳的心思却早已飞到了更远的地方。

“星眼”验证码的营收，只是“餐前甜点”。

他锁在办公室里，看著机房的伺服器集群正24小时全速运转。

新买的几张显卡在烧灼，他们正在为一项真正的“世界级”工程进行著最后的衝刺。

他打开imagenet 2012的官网

这个由华人ai大佬李飞飞牵头的比赛，堪称“ai界的奥林匹克”。

从2010年开始举办，其核心就是让计算机认识现实中的物品。

它有一个前所未有的超大规模图像数据集——足足有1400多万张经过人工標註的图片，超过2万个物品分类。

而比赛的衡量標准就是谁的ai模型能更准、更快地识別出这海量图片中的內容。

陈阳很清楚，在2012年这个时间点，所有参赛的顶尖学术机构（如斯坦福、伯克利）和科技公司（如谷歌、微软），都还被困在“老办法”里。

他们的识別错误率已经陷入了25%以上的瓶颈，数年都难以寸进。

对学术界来说，这几乎是一堵无法逾越的高墙。

这是ai“看”世界能力的终极考场，也是一战成名的最佳舞台。

这也正是他最好的机会。

在上一世，2012年的冠军（alexnet）即將登场，它就像是教会了电脑如何搭积木，成功搭了10层楼，让ai变聪明了。

但这个“10层楼”的设计，已经是那个时代的极限。

所有人都发现，当他们尝试搭20层、30层时，“大楼”（模型）反而会『塌掉』（效果变差）。

“而我，有1000层楼的图纸。”

他要拿出的，是基於“残差网络”（resnet）理念的进阶版模型。

resnet本该在2015年才出现，它解决了深度网络训练时的“退化”问题，是真正意义上的革命性架构。

陈阳要做的，就是让这场革命提前整整三年爆发。

它就像是给“大楼”发明了『承重柱』和『高速电梯』，让楼可以轻鬆盖到100层、甚至1000层！

楼层越深，ai就越『聪明』，识別能力將呈指数级暴增。

陈阳比任何人都清楚，正是因为有了深度学习的出现，让计算机第一次真正“看懂”了世界，能准確识別出海量的物体——行人、车辆、交通信號、车道线……

这，正是为后续整个“自动驾驶”行业奠定的技术基石。