除了少年天才路易斯之外，孟繁岐看中的其餘兩人，就沒有這麼傳奇的經曆了。
兩人現在均在斯坦福的ai實驗室讀博，全都是半路出家，相關專業轉過來的。
克拉克今年差不多二十五六的樣子，一個白白淨淨地瘦竹竿，為人比較靦腆少話，本碩主要研究的是運籌學。
這門學科在國內不是特彆知名，孟繁岐起先也未能理解。
了解了一下之後，感覺運籌學與數據科學和ai的關係還是非常密切的，可能這也是克拉克博士的時候選擇進入斯坦福ai實驗室的原因吧。
人工智能或者數據科學的主要體現形式是一種推理預測，通過大量的數據和已知信息，培育出一個非常強大的模型或者係統。
此後便可以使用這個模型去對未知的新信息反複推理預測，比如阿爾法圍棋學了很多棋譜之後，就能夠與人類在新的一局當中進行對弈。
運籌學很大程度上關注的是更往前一些的事情，那就是如何將一個決策問題建立成數學模型。
假若我有某種問題亟待解決，應該用什麼函數和變量去描述這個問題和方法。
“在ai時代，運籌學的領域有點被飛速侵蝕的感覺。”孟繁岐認為大家說ai是【黑箱】是事出有因的，人工智能相比之前的辦法更加具有大力出奇跡的特色。
【將問題建模】本身是一個比較複雜的運籌學高水平難題，現在則經常被一個解釋性不夠強的ai模型直接獨家承包。
“你也彆管我拿到數據之後在算什麼，反正我一通運算之後，效果很好。”
很多人采用ai技術的心態也是“你也彆問那麼多，就說我這效果行不行吧！”
這是現階段許多ai技術被詬病的主要原因，即便它們的性能已經是世界一流，可仍舊有許多地方原理解釋不清。
“在傳統的圖像分類檢測問題中，這樣的情況或許可以接受。不過真要到自動駕駛領域上，還是需要類似運籌學知識的，畢竟需要操作幾噸重的重型機械。”
這是孟繁岐與其交流之後的感受。
誠然，人們或許可以不管你究竟是怎麼從車載攝像頭中識彆出行人、車輛、地麵和背景等諸多元素的。
可在這些東西被識彆之後，車輛應該做怎樣的對應行駛操作，麵對川流不息的車流，自動駕駛係統又應該如何進行抉擇。
這些東西並不是依靠一個ai模型就足夠的。
孟繁岐覺得，自己需要控製理論和運籌學方麵的協助，克拉克是一個相當不錯的人選。
並且，克拉克此時實際上就在特斯拉進行實習，隻不過他作為一名實習生，還未曾和馬斯克有過任何交流，不算引人注目。
“我這算是挖牆腳嗎？實習生應該和正式員工不大一樣吧？”孟繁岐得知克拉克已經在讀期間已經在特斯拉實習了好幾個月後，有此疑惑。
“管他呢！馬斯克挖得，我就挖不得？狠狠挖！”孟繁岐覺得，馬斯克直接就要挖自己，而自己則隻是挖了他一個實習生，相比之下已經非常友善了。
而最後一位，則是今年剛剛博一，從圖形學轉向ai的短發白毛姐姐，克萊爾。
她本來準備今年往英偉達投簡曆去實習，看了上次英偉達大會上的三方會談之後，就來斯坦福的ai實驗室找孟繁岐，想谘詢他一些內情，又或者爭取一個推薦什麼的。
孟繁岐看完簡曆後思索了一下，還投什麼呢，彆投了，直接從根本上截胡。
圖形學基礎的ai研究者，正好符合他日後做擴散生成ai繪圖的需求。
路易斯、克拉克和克萊爾，就象征著孟繁岐未來兩三年最為主力的三條道路，chatgpt，自駕算法和ai生成圖像。
“這三條路線的工程量都是很大的，以前我總是以技術服務的方式依托大型公司來做這些事情，沒有什麼人手的困擾，自己一個人就夠了。”