119. 是收穫的季節

2014年的1月上旬，正值辭舊迎新之際，孟繁岐手頭的諸多事宜有快有慢，都恰巧在這個時間點上到了收穫的時候。

重生歸來之後，孟繁岐一直不確定自己這隻扇動翅膀的蝴蝶，究竟可以改變世界多少。

自己之所以可以取得這些資本，創辦這兩家公司，完全依賴於這個世界的人無法觀察到的另一個時空，這和“視界”這個物理意義頗有些類似。

並且，“視界”也與“世界”諧音，暗含了後續走向世界的決心。

因此，他將自己初次創辦的兩家公司，按照針對的技術方向分別註冊為，視界視覺技術有限公司和視界智慧醫療有限公司。

其中，智慧醫療完全還只是空殼，暫時沒有任何事情在推進當中。

而深度視覺這邊，雖然相機App，相關濾鏡、功能介面，和支付之類的功能已經在緊鑼密鼓地準備。

可實際上，真正核心的模型部分卻還在訓練當中。

孟繁岐在自己的公司那邊處理完起步初期的一些事務之後，再一次回到了谷歌尚海分部。

一方面是為了將推薦廣告演算法的後續兩板斧揮完，二是為了驗收一下自己的FaceGAN臉部生成模型。

“我這算不算是公器私用？”孟繁岐還真說不清楚。

FaceGAN是基於孟繁岐之前生成式網路的細分方向變體，主要用龐大的人臉影象資料集訓練而成，其目的是為了針對人臉這一單一的元素進行逼真的生成擬合。

該技術目前並不具有非常強力的變現效果，一是因為所支援的畫素還遠遠不夠，二是因為想要達到足夠好的效果，所需要的運算能力相當之大。

後續能夠做到影片換臉，AI作畫，各種圖片的風格切換又或者是圖片的高畫質修復之後，才具備實際商業價值。

因此，該技術將會是孟繁岐在與谷歌大腦簽訂合同之後，第一個貢獻出去的正經視覺技術成果。

雖然該版本不具備很高的商業價值，可其所實現的功能很有象徵意義，可以說已經給人類社會敲響了警鐘。

在當初伊恩遲了孟繁岐一步，提出這個想法的那一天，本吉奧就已經預測到了類似的難題，不遠的將來人們會開始面臨和人工智慧有關的倫理問題。

這些足以以假亂真的人工智慧生成內容究竟如何監管，如何定義，如何限制又如何處理。

人類在這方面還是一片空白。

加州山景城，接到孟繁岐發來的FaceGAN論文，辛頓頓時感到一陣寬慰。

前段時間他也聽說了，孟繁岐在谷歌尚海專營推薦廣告演算法，撈錢去了，這讓他非常痛心。

在他看來，這些撈錢的事情誰都可以去做，可孟繁岐的才能不用來推進人工智慧，尤其是視覺智慧，反而跟著廣告團隊去撈錢。

這簡直就是暴殄天物，瞎胡鬧！根本不像話。

可谷歌畢竟是一家商業公司，廣告又是拳頭營收產品。

辛頓作為僱員，於情於理不方便表達什麼意見，只得作罷。

此刻看到FaceGAN這個工作，得知孟繁岐還是在視覺智慧上非常用心的，頓時老懷大慰。

“孟！好久不見！很高興你在做推薦廣告演算法之餘，沒有忘記你的視覺演算法！”影片電話撥通之後，辛頓喜悅表情溢於言表。

“我剛剛看完了你的論文，你的想法和操作非常巧妙。將生成器輸入的隨機噪聲改為低解析度版本的人臉影象，讓生成器自己做上取樣和微調修復。”

孟繁岐的生成式技術已經公佈有兩個多月的時間了，目前為止卻還沒有特別像樣的跟進工作發表出來。

辛頓看了最為眼前一亮的，還得是GAN作者本人，孟繁岐針對人臉的這一系列操作。

“生成網路變種的潛力還是非常大的，我這次除了在結構和元件上做了一些微調，也對計量損失的函式稍微做了一些修改，增加了對抗損失以鼓勵生成器做出高解析度的人臉去欺騙判別器。”

孟繁岐和辛頓深入交流討論了一番，但都是“生成”這方面的內容。

GAN系列網路的另一個強大的功能，“編輯”，孟繁岐則故意沒有去提及。

這部分將會是相機App這幾個月的首要買點，孟繁岐並不希望節外生枝。

由於時間的關係，他沒有那麼多精力做非常詳盡的對比測試，並做出網站釋出。

細緻的實驗部分，以及[這些人都不存在]這個假臉生成網站，都被委託給了谷歌大腦團隊的其他同事去做。

隱而未發的隱藏層編輯功能，則和模型一起交給了自己的視界公司那邊，如此一來明天就可以有一個最初測試版本了。

“你又做了兩版推薦廣告演算法的更新？”周桓假期回來見到孟繁岐，招呼還沒打完呢，就聽到了一個讓自己下巴掉在地上的訊息。

“上回那個誇張的結果我到現在還沒能消化完呢。”陳灰在旁邊有些酸溜溜地說道，真是人比人會死啊。

自己兩人聖誕連著元旦過完都還沒能從先前的震驚當中緩過神來，這小子倒好，又帶來兩枚重磅炸彈來了。

“這回不會又鬧個雞飛狗跳吧？”周桓還記得上次的更新全部上線之後，雖然營收是增加了，可由於流量懲罰的打擊面太廣，相關的一些客服輔助員工全都被累爆了。

有不少缺德的垃圾場網站成員，裝作無辜的樣子不依不饒，非常折磨。

“這次還好，移動端的最佳化基本上是潤物細無聲的。語言理解方面也只是為了給使用者更好的搜尋體驗，影響不會像上次那麼大。”

谷歌和白度目前的搜尋模式，只是機器無法理解語言含義的臨時產物，過渡產物。

有點像電話發明前的電報，電話發明前曾有很多人覺得“電報已經足夠好了，沒有人會用電話這樣的東西”。

但電話才更接近人們的真實需求。

搜尋引擎也應該逐步擁有智慧，而非只是機械性地檢索使用者輸入的一字一句。

例如，相同的關鍵詞在不同的語句和語境當中含義完全不同，這個現象在中文中尤其嚴重。

早期網際網路使用者在搜尋東西的時候，經常使用幾個關鍵詞加空格的方式，就是因為搜尋引擎無法理解長句。

如果你的句子太長內容太多，搜尋出來的東西反而雜亂異常，或者乾脆搜不出來。

不過現在一切都不一樣了。

有了這個雛形的T方法模型，搜尋引擎不但可以處理長句。

並且還可以非常好的處理那些，一字之差，含義天差地別的情況。

當然了，那種一個字都不需要改變，卻又多種意思的，仍舊比較難辦。

比如[喜歡上一個人]就有至少四種截然不同的含義。