“其实我之前一直很发愁。”郭长征叹了口气，“你知道搞我们这一行的痛点在哪里。”
“数据。”楚一航脱口而出，直接指出了核心问题。
“没错，就是数据。”郭长征拍了一下大腿。
“算法逻辑写得再好，没有海量的数据去投喂，最后训练出来的模型就是个弱智。”郭长征抱怨道。
楚一航深有同感地点头。
“图像识别这个领域，现在学术界主流还在搞特征工程，用支持向量机那些老套路。”郭长征继续说道。
“大家都在手工提取图像特征，效率极低，而且准确率一直上不去。”
“我认定神经网络才是未来，但是苦于没有一个庞大且标注清晰的图像数据库。”
郭长征说到这里，语气突然变得兴奋起来。
“不过，我今天下午查资料的时候，发现了一个绝佳的契机。”
“什么契机？”楚一航也被勾起了好奇心。
“美国那边有个叫李飞飞的华裔教授，她搞了一个庞大的项目，叫ImageNet。”郭长征说道。
此时，有必要详细拆解一下这个名为ImageNet的庞然大物。
在2009年这个时间节点，人工智能正处于一个不上不下的尴尬期。
传统的专家系统和逻辑推演已经走到了死胡同。
机器学习虽然兴起，但大部分学者都在研究如何精雕细琢算法本身。
大家都在追求用最少的数据，通过最复杂的数学公式来实现目标。
这种思路在当时是绝对的主流。
但李飞飞的思路截然相反。
她认为，想要让计算机认出一只猫，不应该去教计算机猫有几根胡子、耳朵呈什么角度。
而是应该直接给计算机看几百万张猫的照片。
只要看得足够多，计算机自己就能总结出规律。
这个思路在当时被很多传统学术界的大牛嘲笑。