器学习的时候，不用再受限于这个机器人本身那颗CPU的算力了——机器人自己的CPU不够快，可以接入云，用云上的几千几万台机器的CPU帮你一起算。
这时候，摩尔定律就不重要了。只要算力任务能高效拆分，单颗CPU弱一点就弱一点了，咱可以芯海战术堆数量嘛。
如此一来，其他那些
“算力效率更高、白盒可解释性更强、但训练上限和自动化程度更低的算法”，一下子就争不过深度学习了。
因为深度学习原先最大的瓶颈，就是黑盒，算力效率低下。但云计算的出现，让算力瞬间没那么值钱了，可以大水漫灌狂训你。
……这些道理，顾玩心知肚明，不过他没法全部告诉麻依依。他只能鼓励麻依依，让她往这个领域布局，夫妻俩暂时把外围科技先凑起来。
幸好，时间上也不是非常紧急。地球上杰夫辛顿让学界接受深度学习，就花了两年。
至于后来从学界承认到产业界承认，又花了四年——其中三年都是在等云计算的出现。
他的成绩06年在学界就初步被认可了，但09年云计算才正式出现，2010年杰夫辛顿才被谷歌高薪挖走。
后世的人工智能，用一句话概括运作原理，就是
“使用云计算的算力，用深度学习算法处理学习大数据”。算力，算法，大数据。
三要素里，从技术难度来说，最先有的是大数据，这是一种资源，有稀缺性，但却没有技术含量，所以是最早出现的。
算法，或者说深度学习的思路，是第二个出现的（06年）用这种算法处理这些数据的算力，是最后出现的（09年）三要素都齐了之后，第二年地球上谷歌就开始在这条路上狂奔了。
顾玩觉得，就算自己开了挂，也有1年多的时间，先把基础算法方面的架构性论文发完。
具体追求产业界应用的事儿，将来去留学开公司期间再说好了。而且，把算法渊薮阶段的论文，在中国念书的时候就发表，将来也好撇清跟老外的关系——咱可不是去斯坦索姆留学后，才琢磨出这些玩意儿来的，一开始在中央科大念书，就已经有这方面的建树了，功劳都是中国人的。
让麻依依认识清楚这一切节奏后，顾玩明确分配了任务：“你今年除了修学分之外，我就给你两个发论文的任务。第一，你在计算机本专业领域，琢磨一个分布式编译的活儿。把架构想出来，在你们数科院的项目公司也好，研究所也好，先
本章未完，请点击下一页继续阅读！