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。