第六百零一章 走在前面

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

虽然第二天的行程要等第二天才能看到，不过很多人都猜准了第二天的主要内容，果然是围绕软件的，而且是以云智联为核心出发。

上午，大会的重心更多落在了人工智能上。

去年的大会大风集团在人工智能领域创造了一个里程碑，因此今年大家对大风集团在人工智能领域的表现充满了期待。

再加上昨天一个AI芯片以及相应的AI应用已经激起了观众的热情，而在今天这场更直接的人工智能主题上，大家很好奇大风集团会带来什么。

结果就是，技术分享。大风集团这两年在人工智能上发展的很快，也推出了很多应用，而在今年的大会上，大风集团着重开始分享手里的几个重要的算法，这对人工智能行业的人来说简直是一场盛宴。

而在这场盛宴中，最受关注的，也是到了几年后被评为本场大会最经典的算法，就是由沈林带来的深度卷积神经网络算法，沈林将其命名为天目网络。

卷积神经网络的理论诞生于1962，一直到1998年LeNet5网络的提出让卷积网络进入了真正的实验阶段，这一阶段一直持续到2012年AlexNet网络的提出终于奠定了卷积神经网络在深度学习领域中的地位。

从那之后，卷积神经网络成为了一个非常经典的深度学习算法，随着牛津大学的VGG网络、微软的ResNet网络、谷歌的GoogLeNet网络等卷积神经网络面世，卷积神经网络在商业领域大放异彩。

而现在，沈林在孟谦的指点下找到了卷积神经网络的突破口，成功研发天目网络。

“天目网络是一种前馈型的神经网络。”沈林站在台上自信的做着讲解，“主要是由输入层、卷积层、激活函数、池化层、全连接层和输出层组成。

这一网络拥有三大特征，首先是局部感受野，对于一般的深度神经网络，往往会把图像的每一个像素点连接到全连接的每一个神经元中，而卷积神经网络可以把每一个隐藏节点只连接到图像的某个局部区域，这么一来，就可以减少参数训练的数量。

其次是共享权值，在卷积神经网络的卷积层中神经元对应的权值是相同的，从而同样可以减少训练的参数量。

最后是池化，由于算法需要处理的数据往往都很大，尤其是在视觉领域，如何有效获得图像的特征才是我们最为关注的，在研发的过程中我们就在考虑是否可以采用类似图像压缩的方式，对图像进行卷积后通过一个下采样过程来调整图像的大小。”

沈林花了一个多小时讲解他的天目网络，在业内人士的讨论之下，不久后天目网络就会展现其特殊的行业价值，尤其是在视觉领域，这是未来一个庞大的人工智能市场。

一个上午的时间，大风集团为人工智能行业带来了大量的财富，因为理论的东西是没有办法垄断的，大风集团愿意分享理论就是在帮助行业发展，当然，这种分享并不是完完全全把核心算法掏出来，但指引一下方向，分享一下思路，探讨一下未来，对市场来说已经很不错了，这也是属于大企业的一种行业责任。

而等到下午，云智联的另一个重要板块云计算成为了主角，主讲人依然是王兼。

两个月前，Salesforce公布了2008年的财报，财报显示Salesforce公司云服务营收超过10亿米元，给整个云计算市场带去了信心，Salesforce的这一财报也被人称为砸开云计算大门的最后一击。

从2007年开始，谷歌，IBM，亚马逊，微软等企业相继推出自己的云计算平台，2008年微软的Windows Azure操作系统虽然在后世的表现并没有谷歌出彩但在当时也确实成为了行业风向标，不过这两年各大企业的云计算平台都有一个问题，那就是没什么市场，归根到底就是技术不成熟以及市场信任度较低。