笔趣阁

336 集体后悔的学界合（第1页）

2o16年初，新年新气象。

值此新春佳节，孟繁岐先为学界送上了一份大礼，直接公布了视觉T方法的论文。

对于孟繁岐想要做的事情来说，视觉T方法只是一个基础，后续如何将文字和图像结合在一起才是更加关键的地方。

但对于学界并非如此，视觉T方法的成功意味着太多的事情。

一听说孟繁岐终于回归老本行，又了一篇视觉方向的论文，许多研究者们都非常关注。

“让我康康，这个视觉T方法究竟是何妙计。”几乎所有人都是抱着这种想法打开了孟繁岐的最新论文。

然而结果却让他们大吃一惊，孟繁岐没有什么奇技淫巧，锦囊妙计。

这篇视觉T方法是诸多想将T方法应用在图像领域的工作中，对T方法改动最少的。

可效果却也是所有工作中最好的。

这让大家有些难以理解了。

“我去，T方法原来直接就能入侵图像领域吗？”

“图像领域各种技术百家争鸣的时期是不是结束了？后面也要跟语言领域一样，T方法一家独大？”

“图像和自然语言领域不会开始合并了吧？”

视觉T方法论文公布了，网络上已经有不少人思维很敏锐，一下子就想到了妙处。

既然模型结构越相似，图像和自然语言两种不同领域的融合似乎成为了可能。

虽然一下子被人猜到了路线，但孟繁岐没啥危机感。

时代变了！

“两年前，我只需要组装一台高配置机器就能够单刷Image数据集，突破世界纪录十個百分点。要是换现在。。。绝无这种可能。”

千万级别的图片，在当时耗费了孟繁岐数个月的时间，又是提前准备，又是组装设备，训练过程也持续了好几周。

现如今，孟繁岐重新复现当时的那个过程，仅仅只需要几分钟，上百张最新的核弹齐齐运转，很快就能够训练完成。

这其中的含义浓缩成两个字，就是【垄断】。

不仅数据上垄断，算力上也垄断。

目前市面上，只有谷歌真的有实力与孟繁岐比拼一下，脸书都只能算半个。

其他的公司已经连他的尾灯都看不见了。

这不，孟繁岐视觉T方法的论文直接放出，具体模型的结构，图像如何转文本，一点也不藏着掖着。

可谁又能够在短时间内复现呢？

大部分机构数据的数量和质量都差了孟繁岐一两个数量级，计算设备也比不过，训练技巧和参数调整上更是缺少足够的经验。

哼哧哼哧复现两三个月，也只能得到一个明显差了好几个百分点的结果罢了。

想要追平没个一年多的时间，根本不可能。

这不，没几天时间就有人在小数据，小模型规模上复现了视觉T方法，效果并不理想。

“视觉T方法。。。这么无脑的做法真的能够有如此夸张的性能吗？”这是学界所有人心中的第一想法，大家都对这件事情持怀疑态度。

目前为止，还没有一个人公开声表示质疑。。。这可以说完全是看在孟繁岐的面子上。

若是换个人来表视觉T方法这篇文章，早就被喷得体无完肤了。

中心思想无非是：“T方法都出来一年了，你当兄弟们傻的？没在图像领域上尝试过？”

但凡是个动手积极的研究者，基本上都拿T方法在图像领域上玩过，都有自己的心得和经验。

那稀烂的性能，都是自己做过实验整理过表格的。

可如今，这篇文章的是T方法的创始者，孟繁岐。

大家就算有疑问。。。第一时间也只能打碎了牙往肚子里咽。

学界的所有人都不得不将这份疑问强压在心里，先找自己的问题。

【抛开我自己亲手做的实验得出的结果不谈，孟繁岐的结果肯定有他的道理！】

这情况，可以说是孟繁岐所有布的技术当中最令人费解的。

此前，有T方法、gpT技术这种令人折服的。大家一看就心服口服，觉得自己根本没有这个本事和才能创造出类似的办法。

也有残差链接这种，大巧不工，简洁好用的。思路简洁但爆好用，大家觉得震撼的同时，也都在惋惜，要是自己能想到这一层就好了。

但唯独没有过视觉T方法这样。。。大家全特么想到过的。不仅想到过，基本还都做过。

还做了相当多的实验！

这让人到哪说理去？？

“这套做法，我半年前就想到了！”