毕业典礼结束后，罗素教🖨授也是找到了白冰跟杨杰。
“白冰，我是希望像你这样的优秀的人才能够留在伯克利这边担任助教教授的，你真的不考虑一下😸？”罗素教授一脸惋惜地看着🌂🟠白冰说道。
“老师，我们国家缺少这方面的人才，我回到国内也是想带出这方面更多的👜人才出来。”白冰说道。
“真是可惜了，像你这样在人工智能算法上有着卓绝天赋🏢的天才太稀少了，如果之前我没有去过HX国的话，我是建议你留在MI国发展的，不过你🔚🁎🄪的这位男朋友既然这么支持人工智能，我还是尊重你个人的意见。”
罗素教授点头道。
白冰在伯克利大学这边就读的期间，在顶级的期刊上发表了几篇重要的论文，被引用的次数非常多，都是关于概率程序语言跟编译器方面，现在的她已经成🔈⚓🐻为了概率程序语言方面的顶尖人才🍕🇿。
其实后世人工智能三个流派已经出现了，罗素教授主攻的方向就是概🁄🃒🗊率程序语言这一流派，在罗素教授的帮助下，白冰他们提出了一种图灵完备的概率编程语🛨言，是一个用于快速实验和研究概率模型的测试平台🗽♣，其涵盖的模型范围从包括了很多小数据集上的经典层次模型。
这个概率语言却是让伯克利大学之前机器学习的效率提升🏢了十五倍！
也正是🟐🜓🁮如此，这种概率程序语言在机器学习研究人员中变得无比风靡起来，从而也让🃴🜄⛓从🁹📗很早就开始的逻辑算法的人工智能变得黯淡起来。
基🔿于逻辑的人工智能遮掩了感知问题，而了解感知的原理是解🞢🕴开智能之谜的金钥匙——感知是属于那类对于人很容易而机器很难🌂🟠掌握的东西。
逻辑是纯粹的，传统的象棋机器人也是纯粹算法化的，但🏢现实世界却是充满了不确定性。
这🔿也意味着很早就🚺😝🂓变成主流的基于逻辑的人工智能注定变得前途黯淡。
而此时的深度学习的泰斗级人物YannLe前年的时候发表了🍩开创性的论文《基🔽于梯度学习的文档识别方法》，他此时也是折腾出了🄣⛁🗜深度学习模型。
这🔿位家伙为了证明自己的示例在😫🄓论文里面做出了以下声明——
要在GPU上运行这个示例，首先得有个性能良好的GPU。GPU内存至少要1GB。如果显示器连着GPU，可能需要更多内存。当GPU和显示器相连时，每次GPU函数调用都有几秒钟的时限。这么做是必不可少的，因为目前的GPU在进行运算🎲🔿时无法继续为显示器服务。如🐒果没有这个限制，显示器将会冻结太久，计算机看上去像是死机了。若用中等质量的GPU处理这个示例，就会遇到超过时限的问题。GPU不连接显示器时就不存在这个时间限制。你可以降低批处理大小来解决超时问题。
杨杰前世的时候也是看过这篇论文，也看过这位大神通过Facebook说自己在深度网络方面的工作工作可以追溯到1989年，当时他就在一台SUN4机器上花了大约个星期训练USPS数据集，其中有8000🇱个训练样本，这也是他在贝尔实验室的成果。