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。