第102章 论文被引（1 / 1）

想要跟着孟繁岐创业是王恺自己的想法，可孟繁岐如故觉得有些不好意思，毕竟他是李彦弘专门派到自己身边来进修这部分代码的，直接拐走了有些惭愧。

于是第二天如故是来了白度，将白度目前针对图片识别车牌号的方法优化了一版，以做弥补。

说来惭愧，他在国内这段时间都在闭门造车，急于突破技艺，累积自己在各个方向的技艺威望，没有斟酌过创业，也没有提前做创业相关的准备。

临时想创业的话，显得有些仓促，明年初估计要在招聘面试上花费不少功夫了。

首先就是身边没有技艺人员可用，没有提前来物色，熟悉同学都还在读本科，不堪大用。

这点虽然早期问题不大，孟繁岐可以一力产出成果，但要做公司，还是少不了资深程序员的。

毕竟前后端App那边的东西，孟繁岐大都只是略懂一二，最多算入门水平。

前世的那些同事有几个相熟的，且不说他们大多也还在读书，就这样贸然找过来也太离谱了，自己认识对方，对方却完全不认识自己。

倒是有几个前世的上级前辈，有些水平和格局，此时也只是刚刚踏入职场的打工仔，可以招募一下。

眼下唯有王恺的确可用，半路出家，有大厂经历，有一批同样履历的同学能拉过来，和自己交接了不少次，也算是熟悉。

“你要想好了，现在阶段跟我创业，工资可以给你们多发点，但最后能不能做起来，我也不能保证。”孟繁岐丑话说在前面：“而且过几个月我来美国之后，除了技艺方面可以负责，剩下的就要看你们自己了。”

“哪儿能让你再操心那么多！”王恺就地表态，此外那都不叫事。平时打工为什么没动力，一句话，公司不是自己的，就拿那点逝世工资，肯定是给多少钱干多少活。

钱给得少，整天又刺刺不休，这点钱，我很难帮你处事啊。

可如今有了希望拿股份就不一样了，早期公司初步成型，只做纯软件部分的话，能够支撑将孟繁岐的AI算法做成产品给出来，那还是要不了十个人的。

只要产品做出来，分到一两笔股份，这就算是财富自由的起点了。

自己上班的那小几十万工资，税后到手三十出头，除来每日用度，一年能存下二十五万最多了。

二十五干到六十五，将将攒够一千万。

创业公司奋斗，最怕的就是出师未捷身先逝世，满手期权变废纸。

这个最大的风险，在王恺看来，完全不是问题，不值得怀疑。

以孟繁岐目前展现出来的技艺水平，想上市肯定可以一路做下来。

光是靠先进的人脸识别算法本身，公司直接出来卖到大几千万不是什么困难的事情。

如果能有几个完整的项目，估值上很容易再进一位数。

倘若真的插手政府项目，为海关，政府机构，交通站点内配备了这些技艺，那就是王恺不敢想的天文数字了。

人脸识别项目是王恺心心念念的事情，在孟繁岐眼中，却是无足轻重，险些忘记的事情。

“能做的事情实在太多了，等谷歌这次推荐和广告算法更新之后，我得认真规划纪录一下了。”

此刻的孟繁岐正在更新自己谷歌学术的档案疑息，此时距离他在西尼公开一大批论文时间不久，但距离公开生成式对抗算法的论文却已经有一些时间了。

他想看一看，自己这只蝴蝶，到底有没有引动什么很大的变化。

而最为方便的办法，就是看看到底有哪些论文引用了自己，看看有没有什么比较显著的研讨成果。

更新了自己谷歌学术的档案之后，孟繁岐禁不住惊讶，这才没几天自己已经有了二十多个论文引用数量了。

再认真分辨一番，其实这二十多个引用量，竟然只来自于四五篇论文。

由于孟繁岐这一次的公布对整个范式的革命太过彻底，代码也开源，导致现在任何一个有关深度进修的研讨，可能开局就要引用他好多篇文章。

残差，优化器，训练方法，数据增强，这四大金刚几乎谁也躲不开。

深度进修界每多一篇文章，孟繁岐的被引用次数几乎就会多四倍，并且这个倍数以后还会继承扩大。

截止2023年，人类历史上被引用次数最多的学者，总被引用次数将将百万之数。

而AI领域的文章数量，从12年的2万余篇每年，很快飞速增少到了21年的约13.5万篇每年。

照这趋势下来，不用四五年时间，孟繁岐就会以25-26之年龄，成为历史上论文被引用次数最多的人。

并在之后的岁月当中，狠狠地继承成倍增少。

“截止到我重生前，残差网络的原作者kaiming被引用次数已经超过四十万。”孟繁岐稍稍回忆了一下，自己现在发表并打算发表的着名AI技艺数倍于kaiming。

等到23年突破三百万都不是没有可能。

学术论文写的都赶上网络小说了，被引用数就相当于订阅，文章的实际被扫瞄次数还要数十倍于此。

能将学术论文写到这个热度，想来也是前无古人后无来者了。

而这些已经公布的文章当中，孟繁岐所留的谷歌邮箱，早已被各路邮件挤爆。

孟繁岐点出去的时候，电脑直接卡了个半逝世，过了半分多钟才缓过来。

收件箱中，请教问题的，杂志社约稿的，求未公开部分代码的，还有同事打招呼的，什么都有。

这些邮件当中，英文占多数，但也有一部分是中文写就，应该是清楚他的国籍。

扫了一圈，其中一封来自于尚海市公共卫生中心的邮件引起了他的注意。

孟繁岐检索了一番，该中心是创建已经百年的市级三甲医院，拥有诸多类型的大型先进医疗设备，尤其擅少肝类疾病的诊断和治疗。

孟繁岐查阅了一下该医院的详细情况，推断他们手头应当有许多疾病不同仪器的成像结果。

扫瞄完邮件之后，孟繁岐清楚了对方的来意，自己之前更新的带残差的U-Net朋分办法，大幅度地提升了图像朋分的技艺水平和朋分效果

尤其在比较细粒度的物体朋分上，有了十分显著的飞跃。

而朋分类型的任务，在医疗影像的应用上是非常重要的。

因为在医疗图像之中，通常都是各个科室初步诊断之后，来拍摄发生。

分类的和检测的意义不是很大，更进一步的内容分析是主要需求。

比如详尽地将病灶区域星散出来，再比如协助诊断病变程度，这样会更易于医护人员诊断，节约大批时间。

“尚海的三甲医院动作真快啊，这就已经注意到我了。”孟繁岐知道U网络对医疗方面的重大影响，但他觉得这会是年后的任务。

却没想到前天就已经有人找上门来。

孟繁岐端正了一下态度，感觉风雨欲来，政府和医院这两座庞然大物似乎都近在咫尺。

这次创业，似乎得认真一点了。

不说人脸这个规模很大的政府项目需求，单是医疗AI这一点，做好了都足够上市了。

孟繁岐认真思忖了一下，觉得这两个方向最好还是分成两个公司来做。