第102章 論文被引

想要跟著孟繁岐創業是王愷自己的想法，可孟繁岐仍舊覺得有些不好意思，畢竟他是李彥弘專門派到自己身邊來學習這部分程式碼的，直接拐走了有些慚愧。

於是第二天仍舊是來了白度，將白度目前針對圖片識別車牌號的方法最佳化了一版，以做彌補。

說來慚愧，他在國內這段時間都在閉門造車，急於突破技術，累積自己在各個方向的技術威望，沒有考慮過創業，也沒有提前做創業相關的準備。

臨時想創業的話，顯得有些倉促，明年初估計要在招聘面試上花費不少功夫了。

首先就是身邊沒有技術人員可用，沒有提前去物色，熟悉同學都還在讀本科，不堪大用。

這點雖然早期問題不大，孟繁岐可以一力產出成果，但要做公司，還是少不了資深程式設計師的。

畢竟前後端App那邊的東西，孟繁岐大都只是略懂一二，最多算入門水平。

前世的那些同事有幾個相熟的，且不說他們大多也還在讀書，就這樣貿然找過去也太離譜了，自己認識對方，對方卻完全不認識自己。

倒是有幾個前世的上級前輩，有些水平和格局，此時也只是剛剛踏入職場的打工仔，可以招募一下。

眼下唯有王愷的確可用，科班出身，有大廠經歷，有一批同樣履歷的同學能拉過來，和自己交接了不少次，也算是熟悉。

“你要想好了，現在階段跟我創業，工資可以給你們多發點，但最後能不能做起來，我也不能保證。”孟繁岐醜話說在前面：“而且過幾個月我去美國之後，除了技術方面可以負責，剩下的就要看你們自己了。”

“哪兒能讓你再操心那麼多！”王愷當場表態，別的那都不叫事。平時打工為什麼沒動力，一句話，公司不是自己的，就拿那點死工資，肯定是給多少錢幹多少活。

錢給得少，整天又嘮嘮叨叨，這點錢，我很難幫你辦事啊。

可如今有了希望拿股份就不一樣了，早期公司初步成型，只做純軟體部分的話，能夠支撐將孟繁岐的AI演算法做成產品給出去，那還是要不了十個人的。

只要產品做出來，分到一兩筆股份，這就算是財富自由的起點了。

自己上班的那小几十萬工資，稅後到手三十出頭，除去每日用度，一年能存下二十五萬最多了。

二十五幹到六十五，將將攢夠一千萬。

創業公司奮鬥，最怕的就是出師未捷身先死，滿手期權變廢紙。

這個最大的風險，在王愷看來，完全不是問題，不值得懷疑。

以孟繁岐目前展現出來的技術水平，想上市肯定可以一路做下去。

光是靠先進的人臉識別演算法本身，公司直接出去賣到大幾千萬不是什麼困難的事情。

如果能有幾個完整的專案，估值上很容易再進一位數。

倘若真的插手政府專案，為海關，政府機構，交通站點內配備了這些技術，那就是王愷不敢想的天文數字了。

人臉識別專案是王愷心心念唸的事情，在孟繁岐眼中，卻是無足輕重，險些忘記的事情。

“能做的事情實在太多了，等谷歌這次推薦和廣告演算法更新之後，我得仔細規劃記錄一下了。”

此刻的孟繁岐正在更新自己谷歌學術的檔案資訊，此時距離他在西尼公開一大批論文時間不久，但距離公開生成式對抗演算法的論文卻已經有一些時間了。

他想看一看，自己這隻蝴蝶，到底有沒有引動什麼很大的變化。

而最為方便的辦法，就是看看到底有哪些論文引用了自己，看看有沒有什麼比較顯著的研究成果。

更新了自己谷歌學術的檔案之後，孟繁岐不由得驚訝，這才沒幾天自己已經有了二十多個論文引用數量了。

再仔細分辨一番，其實這二十多個引用量，竟然只來自於四五篇論文。

由於孟繁岐這一次的公佈對整個正規化的革命太過徹底，程式碼也開源，導致現在任何一個有關深度學習的研究，可能開局就要引用他好多篇文章。

殘差，最佳化器，訓練方法，資料增強，這四大金剛幾乎誰也躲不開。

深度學習界每多一篇文章，孟繁岐的被引用次數幾乎就會多四倍，並且這個倍數以後還會繼續擴大。

截止2023年，人類歷史上被引用次數最多的學者，總被引用次數將將百萬之數。

而AI領域的文章數量，從12年的2萬餘篇每年，很快飛速增長到了21年的約13.5萬篇每年。

照這趨勢下去，不用四五年時間，孟繁岐就會以25-26之年齡，成為歷史上論文被引用次數最多的人。

並在之後的歲月當中，狠狠地繼續成倍增長。

“截止到我重生前，殘差網路的原作者kaiming被引用次數已經超過四十萬。”孟繁岐稍稍回憶了一下，自己現在發表並計劃發表的知名AI技術數倍於kaiming。

等到23年突破三百萬都不是沒有可能。

學術論文寫的都趕上網路小說了，被引用數就相當於訂閱，文章的實際被閱讀次數還要數十倍於此。

能將學術論文寫到這個熱度，想來也是前無古人後無來者了。

而這些已經公佈的文章當中，孟繁岐所留的谷歌郵箱，早已被各路郵件擠爆。

孟繁岐點進去的時候，電腦直接卡了個半死，過了半分多鐘才緩過來。

收件箱中，請教問題的，雜誌社約稿的，求未公開部分程式碼的，還有同事打招呼的，什麼都有。

這些郵件當中，英文居多，但也有一部分是中文寫就，應該是清楚他的國籍。

掃了一圈，其中一封來自於尚海市公共衛生中心的郵件引起了他的注意。

孟繁岐檢索了一番，該中心是創立已經百年的市級三甲醫院，擁有諸多型別的大型先進醫療裝置，尤其擅長肝類疾病的診斷和治療。

孟繁岐查閱了一下該醫院的詳細情況，推斷他們手頭應當有許多疾病不同儀器的成像結果。

閱讀完郵件之後，孟繁岐明白了對方的來意，自己之前更新的帶殘差的U-Net分割辦法，大幅度地提升了影象分割的技術水平和分割效果

尤其在比較細粒度的物體分割上，有了十分顯著的飛躍。

而分割型別的任務，在醫療影像的應用上是非常重要的。

因為在醫療影象之中，通常都是各個科室初步診斷之後，去拍攝產生。

分類的和檢測的意義不是很大，更進一步的內容分析是主要需求。

比如細緻地將病灶區域分離出來，再比如協助診斷病變程度，這樣會更易於醫護人員診斷，節約大量時間。

“尚海的三甲醫院動作真快啊，這就已經注意到我了。”孟繁岐知道U網路對醫療方面的重大影響，但他以為這會是年後的任務。

卻沒想到前天就已經有人找上門來。

孟繁岐端正了一下態度，感覺風雨欲來，政府和醫院這兩座龐然大物似乎都近在咫尺。

這次創業，似乎得認真一點了。

不說人臉這個規模很大的政府專案需求，單是醫療AI這一點，做好了都足夠上市了。

孟繁岐仔細思忖了一下，覺得這兩個方向最好還是分成兩個公司去做。