第1477(第3/3 页)

领域内知名的人物参与。

方卓这时候简单总结道：“难道谷歌的这个transforr真就能超过rnn和n了？我们在这两方面已经投入很多了。”

rnn是循环神经网络，n是卷积神经网络，易科的siri是基于前者，太白则是基于后者。

同样，业界在人工智能领域的研究也主要是这两个方向以及它们的变体，rnn能处理序列数据中的时间依赖性而广泛应用于自然语言处理任务，n则因为它在图像识别和处理中的出色表现，成为计算机视觉领域的基石。

像易科的机器人guard就使用了n在视觉方面的成果。

但现在，诞生于一场激辩中的第三个方向竟然隐隐有取代rnn和n的趋势，这无疑会削弱易科在相关领域研究的优势。

陆奇听到方总这样说，保持沉默，埃尔德也不出声。

反倒是吴恩达笑了起来：“方总，在科学研究上，方向错了，越努力就距离成功越远，这一点从我最开始做科研就已经被事实教育过，rnn在处理长序列时遇到了梯度消失和爆炸的问题，这一点的突破一直很艰难。”

“现在，transforr模型有希望解决这个问题，并且已经表明它的并行处理能力和更高效的训练特性，这就应该按照对的来。”

“我们投入的资源和精力并不能左右科学的正确答案。”

“答案就在那，我们只是用各种各样的方式发现角落里的它。”

“况且，rnn与n仍旧会在特定的场景下发挥作用。”

吴恩达不管是不是方总在试探自己的想法，先表明在科研上的立场。

方卓微微点头，沉吟道：“其实，不瞒你们，陆总的到来给我很多新的思考，你们今天说的这个transforr，谷歌在做，openai在做，好像大家一下子又认为这个方向可以创造很多新可能，既然真有希望，那我们在战略上的定位是不是还需要修改。”