在07年，余天成这样的想法是极为大胆的。

如果是其他人提出来，或许会遭到专家的嘲讽。

就像马斯克说火箭可回收一样。

可是这个人是余天成，一个将国产手机卖到了国际上，引领了新时代风潮的人。

而且陆廷芳和周玉良也不是那种只会口嗨的专家。

他们手上是真的有技术含量的，思想也是偏实事求是的那种人。

“系统级封装。”

陆廷芳慢慢重复了一遍这个词。

“陶瓷基板的导热和介电性能如果够好，确实可以把CMOS的功放和砷化镓的开关封在一个模组里，用基板上的布线做匹配。”

“这样就不需要把所有功能做到同一块硅片上。”

周玉良接了一句：“但基板的平整度和线路精度要求很高。我现在的设备，做不了那么细的线。”

余天成说：“这就是我刚才问良率的原因。”

会议室里安静了几秒。何建平适时地插了一句：“余总，材料，射频这边，我们确实有底子，但缺的是把东西做成产品的那一步。”

“而在算法这边——方远卓老师做的东西，可能比这两样都更接近您说的‘那一步’。”

他朝后排招了招手。

方远卓从窗边走过来，脚步有些迟疑，像是习惯了待在角落的人忽然被推到了灯光下面，以至于神情有点紧张。

他把那台厚重的笔记本电脑放在桌上，打开，屏幕亮起来，上面是一个用MATLAB搭起来的界面，左侧是输入，右侧是输出。

方远卓的声音不大，语速很快，带着一种长期在实验室里自言自语的人特有的、不太顾及听众反应的节奏。

“我做的是图像识别方向。传统的方法是把图像的特征用人工的方式定义好，边缘、角点、纹理，然后交给分类器去学。”

“但人工定义的特征，总有一个上限。换一个场景，换一种光照，换一个角度，那些手工特征就废了。”

他一边说一边操作电脑，屏幕上出现了几张模糊的、光线很暗的人脸照片，分辨率很低，大概只有几十个像素见方。

“我的做法不一样。我不去定义特征。”

“我给网络一堆原始的像素，让它自己从数据里学出该看什么。”

“一层一层往上抽象，底层学边缘，中层学部件的组合，高层学整体的模式。”

“每一层都是从前一层的输出里学出来的，不需要人去告诉它该学什么。”

他敲了一下键盘，屏幕切换到一组对比结果。

“这是标准的人脸数据集。用传统的人工特征加支持向量机，识别率大概在百分之七十几。”

“用我这个逐层无监督预训练的网络，同样的数据量，识别率能到百分之九十一。”

“而且数据越脏、噪声越大，差距越明显。因为它的特征是从数据里长出来的，不是人硬塞进去的。”

余天成盯着屏幕上的那组数字。

百分之九十一！

在一个低分辨率、带噪声的人脸数据集上，用逐层无监督预训练的方式，做到百分之九十一。

2007年，在绝大多数人还在手工设计特征、调SVM参数的时候。

有人已经在这间不起眼的会议室里，用一台厚重的笔记本电脑，跑通了那个后来会被叫做“深度学习”的东西的雏形。

余天成的震惊在于，国内很多学者，真的有改变世界的能力，但是他们为什么到后面都寂寂无闻，或者换到其它地方去完成自己的学术了呢？


　　(https://www.addxs.com/add/42496/19860.html)


1秒记住爱嘟嘟小说：www.addxs.com。手机版阅读网址：m.addxs.com