反正教室里其他人都已经散了，几个人就把桌子拉拢评估起来。
“嗯哼？这是一个用来自动识别图片内容的工具么？不对，这又像是一个评判图片识别结果是否正确的工具。这算什么意思？对就是对，错就是错，让机器评判机器的准确率，毫无意义的事情……不过第三阶段倒是加入了人工反馈的数据标示，好像是贝叶斯预测模型……有点儿意思……”
扎克伯格一开始很轻蔑，觉得这只是个无意义的智力挑战题，并没有任何实际应用意义，还以为是顾诚揣在电脑里专门用来挑战刁难人的。
然而看了仅仅不到五分钟，他的神色就凝重了起来，精力也越来越专注。看到十五分钟之后，额头已经微微渗出一些汗珠。
他试探着问顾诚确认：“要判断的图片对错标准是什么？你貌似没有要求？选什么都可以么？最终的评判标准，是看谁写出来的算法最终的识别准确率高么？”
顾诚淡定地确认：“识别标的随便选，你可以选择‘识别图上的是不是一张人脸’或者‘图上是不是一只猫’，都行。”
扎克伯格并没有马上接话茬儿。他想得更加深入了，这次足足花了半个小时推敲，期间还噼里啪啦敲了很多东西，谷歌了很多专业资料，然后才慎重地说：
“恕我直言，如果你设想的技术路径是正确的，而且想要做到的目标确实是‘判断图像内容是否属于某一类’的话，那么最终的判断准确率只怕不是算法的优劣就能决定的。这个识别率的高低，还和算法执行的次数和答案标识的反馈次数有关。
所以你这道题目本身就是错的，根本看不出你我谁强谁弱！就算我的算法比你预想的写得好，但是标识反馈次数如果比你预设的算法少好几倍的话，依然有可能落败！所以你这场比试根本就不公平！”
扎克伯格说完这句话，傲然地看着顾诚，似乎在为自己戳穿了顾诚的阴谋而沾沾自喜。
“啪帕啪~”顾诚象征性的鼓了几下掌。
不愧是扎克伯格，看来这个技术宅果然大一就已经是妖孽了。
这个世上，当真有不穿越不重生也生而知之者的人。
竟然在地球上还没有深度学习和卷积神经网络这些概念的时代，就从顾诚的算法套路里看出了背后的思想神髓。
顾诚提供给扎克伯格的这套题目，当然是近期他准备要拿来用的——在米国这边的事儿了断之后，他就准备把林志凌喊来，然后一起回一趟林志凌的母校多伦多大学，寻访一下多伦多大学的神级教授杰夫.辛顿。这段代码，本来是为了跟杰夫辛顿聊挖角的时候，增加顾诚筹码用的。此刻遇到了扎克伯格，才顺手拿来钓鱼。
顾诚从40年后穿越回来，作为一名后世的数据总监。来到这个世界之后，可以说他还没有亲手完整地写过任何一个小程序的代码。
因为他对于这个时代的玩意儿不熟。
但是，今天顾诚交给扎克伯格这道题目，绝对是他来到这个时空之后第一道100%自己设计的。因为这道题目背后蕴含的思想，正是此后30多年人类人工智能的渊薮，深度学习和卷积神经网络的最原初萌芽思想。
此后三十年的云计算，大数据，深度学习人工智能，都是从这里衍生而来的。
扎克伯格竟然在一个小时之内看懂了这段算法思想的应用背后那“进化”二字，就绝不简单。
毕竟，在平行时空，在2006年以前，没有一个程序员，一个计算机教授，或者一个算法专家，能够想通“可以让程序效率自我进化的算法”的存在。
扎克伯格敢相信“进化”的存在，已经是破天荒的接受能力了。
当然，顾诚也不怕这里面存在什么泄密问题。因为在另一个时空，深度学习算法和卷积神经网络思想出现之后，最初因为被训练的程度不够深入，所以在两年之内都没有被人重视。所以就算扎克伯格今天被启发了，一两年内也不至于有能力“借鉴”顾诚的想法去做什么事情。而顾诚自然有把握在一两年内把这些不稳定因素统统搞定。
顾诚想了那么多，一副愣愣出神的表情，扎克伯格还以为是自己戳穿了他的把戏之后无言以对。于是扎克伯格继续挑衅顾诚：
“嘿！你还不承认这场比试不公平么？我从未见过有如此厚颜无耻之人！”
“哦？你在问我？我以为你刚才只是自言自语呢。”顾诚终于从沉思中被唤醒，恬淡地一笑，“我设计的比试，当然很公平——因为我没说过要比‘识别的准确率’，我们比的，是‘基于你我不同拓扑思想算法做出的两个程序，在从原始状态开始，经过1000张图片的训练之后，谁的进步速度更快，以及谁的验证算法更严密’，这种比试内容，跟起步高低有关系么？”
“还能这么比？”扎克伯格瞠目结舌，压根没想到还有这样的可能性。
似乎情况变得越来越有趣了。
