曆景鑠還未露麵，周瑾龍卻率先帶來一則消息鵬城電視台《今日鵬城》欄目的記者李傑，有意采訪秦奕。
不僅如此，李傑目前正在籌備一部名為《前進中的鵬城》的紀錄片，他表達了讓秦奕也參與錄製這部紀錄片的意願。
能借助鵬城電視台這一平台擴大自身影響力，秦奕哪有拒絕的道理，當下便與李傑敲定，幾日後接受采訪，同時也會全力配合紀錄片的錄製。
剛敲定采訪時間，曆景鑠恰好趕到。
秦奕隨即領著曆景鑠步入會議室，一同探討起他的人工智能項目。
實際上，在理想基金的項目申請中，並非僅有曆景鑠的項目與人工智能相關。除他之外，還有兩個項目同樣聚焦於人工智能領域，隻不過那兩個項目專注於人工智能的專家係統分支，而曆景鑠選擇鑽研的，則是神經網絡分支。
至於秦奕為什麼青睞曆景鑠的項目，而非另外兩個呢？這就得從人工智能未來的發展態勢說起了。
秦奕心裡清楚，當下基於邏輯推理與規則係統的專家係統技術正日益成熟，應用領域如雨後春筍般迅速拓展，已廣泛深入到各個專業領域。
在國際市場上，眾多企業已開發出數以千計的專家係統，不少在功能上已達到甚至超越同領域人類專家的水平，創造出頗為可觀的經濟效益。
與此同時，專家係統在理論與方法層麵也得到深入探究，適用於其開發的程序語言和高級工具相繼問世，這些專家係統工具的出現，極大地加快了開發進程，進一步推動了其普及應用。
然而從前世的經驗來看，現在興盛的專家係統注定隻能是曇花一現，難以長久輝煌。
在即將到來的101novel.com世紀90年代初期，專家係統的局限性將逐漸顯現。諸如知識獲取困難、維護成本高昂、對複雜和動態問題處理能力不足等問題，都將成為阻礙其進一步發展的絆腳石。
此外，隨著計算機通用性能的提升，專用的專家係統硬件優勢不再，再加上人工智能領域其他技術的激烈競爭，專家係統將逐漸走向衰落。
直至21世紀10年代之後，深度學習興起，專家係統與深度學習以及一些其他新興技術融合後，才會再度出現在大眾視野之中。
反觀曆景鑠所選的人工智能方向——神經網絡，此前曾陷入發展低穀。
1969年，人工智能領域的兩位先驅馬文?明斯基和西摩?佩珀特出版了《感知機》一書。
書中明確指出，感知機僅能處理線性可分問題，麵對異或問題這類線性不可分的情況則無能為力，並且認為在當時的條件下，多層神經網絡的訓練算法難以實現。這一觀點給神經網絡的研究帶來了極為沉重的打擊。
後來的事實也的確在一定程度上驗證了書中的說法，儘管神經網絡的概念早已存在，但人們始終未能找到有效訓練多層神經網絡的方法。傳統的神經網絡在訓練過程中，麵對多層結構，往往難以有效地調整每一層的參數，致使網絡難以很好地學習複雜模式。
這種困境一直持續到1986年，隨著關於反向傳播的論文發表，情況才會出現轉機。論文中提出的“反向傳播”算法，為訓練多層神經網絡了一種行之有效的途徑。
該算法的核心思路是，通過計算每一層的誤差，並將這些誤差逐層向後傳播，進而調整每一層的權重和偏置，使整個網絡的輸出誤差達到最小化。
此後，神經網絡總算是有了些許希望，吸引了不少人投身研究，被後來者稱為“深度學習三巨頭”的楊立昆就在反向傳播論文發布後，構建了應用於圖像分類的卷積神經網絡，即le的最初版本，並且首次使用了“卷積”一詞，“卷積神經網絡”由此得名。
秦奕作為重生之人，自然知道神經網絡與深度學習雖在當下發展遲緩，但未來必將大放異彩。
可曆景鑠並非穿越之人，顯然無法預知未來，所以秦奕很好奇曆景鑠選擇這個方向的理由“曆同學，你為什麼會選擇在神經網絡這個方向進行研究呢？就目前的科研情況來看，它的發展狀況似乎不太樂觀。”
曆景鑠嘿嘿一笑，說道“發展狀況不樂觀，那都是過去的事情了。我最近了解到，漂亮國那邊的人工智能學術圈有不少人都研究出類似的反向傳播訓練算法。據說有了這個算法，神經網絡的訓練會變得簡單可行，所以神經網絡的發展環境馬上就要迎來改變了！”
“原來如此，看來你在漂亮國那邊積累了不少學術人脈啊！”秦奕笑著說道，“不過說實話，即便有了便捷的訓練算法，神經網絡本身所能表達的內容，目前還不是很清晰，其發展潛能也不是很明朗啊。”
其實神經網絡的內容何止是目前不清晰，就算是後來人工智能大放異彩的時候，其可解釋性仍舊是一個相當複雜的問題。
另外就算有了合適的訓練算法，以目前這個硬件環境，神經網絡還是沒法快速發展的。
前世神經網絡在這幾年短暫複蘇了一陣之後，就又一次進入了寒冬，要一直到gpu能夠為深度神經網絡足夠的訓練算力之後，神經網絡才會在計算機視覺、自然語言處理、推薦係統等各個應用領域多點開花。
“事情總歸是從不清晰走向清晰的嘛，真相哪能一開始就擺在眼前呢！我覺得從1980年福島邦彥提出的神經認知機模型入手開展研究，是個不錯的選擇。”曆景鑠自信滿滿地回應道。
“很有自信啊！你要是堅持這個研究方向，倒也並非不可。但我感覺，要是僅僅做理論研究，似乎不太需要資金支持。你申請理想基金，究竟出於什麼目的呢？”秦奕追問道。
喜歡科技革命，從1984開始請大家收藏101novel.com科技革命，從1984開始101novel.com更新速度全網最快。