ai技术是比较少见的应用远大于理论的学科，但并非是没有理论。

    孟繁岐目前为止产出的所有技术，其论文当中还是有这许多理论方面的论证和推衍的。

    不过这部分内容大都源自于与付院长的讨论，属于是锦上添花，并非是孟繁岐的本意。

    之所以会添加这些数理推衍，主要是因为早期的ai届仍旧相当看重这方面的论证。

    这也是为什么那几个老学究听到韩辞内容的时候眼里放光，口中赞叹不绝。

    而在听孟繁岐实验上的世界级突破时虽然赞叹，却没有这种由衷的兴奋。

    对于醉心于理论的人来说，搞懂这个现象的理论原因到底是什么，远比做出影响世界的技术应用更加重要，也更加有吸引力。

    也正是这种好奇心和对真理的探索，造就了人类一次次文明与技术的突破。

    只是很遗憾的，在ai这条道路上，偏理论的方向注定会坎坷异常。

    至少直至2023-2024年左右，仍旧没有什么像样的突破。

    而孟繁岐在今后的论文当中，涉及理论的部分也只会越来越少，会更加注重工业应用方面的难点和内容。

    “她是谁？你的同学吗？”辛顿听了韩辞对孟繁岐残差思想的解释之后，觉得思路一下子打开了不少。

    如果从动力系统视角构建等价性，那数学和物理界的很多概念都可以引入进来，事情就大有可为了。

    “她是燕京大学的，现在已经读了研究生了。”孟繁岐言下之意是，韩辞已经有导师了。

    “她应该是搞应用数学的吧。”李飞飞可不像辛顿一样，恪守礼节。

    在她看来，只要墙脚挖的好，没有学生找不到，“她导师是谁？”

    “鄂维南院士。”孟繁岐突然想到，李飞飞本科是普林斯顿的，搞不好和鄂维南有点交集。

    鄂维南上世纪末开始在普林斯顿教过应用数学和计算数学，那段时间差不多正好是李飞飞在读本科的时候。

    “行，我去想想办法，把她拐到这边来交流几年。”李飞飞嘿嘿一笑。虽然当年与鄂维南不熟，但怎么也算是听过对方课的，也算是半个学生。

    在她看来，韩辞在ai数学和优化问题方面大有可为。

    纯数学只要不解决大难题，终究是难出成果的，而搭上ai现在飞速发展的顺风车，则前途一片光明。

    比如韩辞现在在讲述的残差思想，在数学和物理界都算不上什么高深的东西。

    可结合孟繁岐的应用成果来展示，则大大的加分，意义非凡。

    不同领域的交叉地带，一向是出成果的捷径。

    台上，韩辞的讲述仍在继续。

    “我们假设一个简单的高维积分问题，计算一个可以表示为期望的积分i(g)，先通过有限求和im(g)来逼近。

    若改用蒙特卡洛办法，从特定的独立同分布的抽样样本中选择n個样本，则有恒等式e(i(g)-im(g))^2=var(g)/n，var(g)=eg^2-(eg)^2)

    这告诉我们收敛速度与维度无关。”

    “若我们先用传统傅里叶变换，再用均匀的离散傅里叶变换来逼近。其误差则~m^-a/d，必然被维度所影响。

    <script type='text/javascript'>try{ggauto;} catch(ex){}</script>