张志强酸派屈克-罗什是有道理的，全世界不知道有多少学者，都会酸派屈克-罗什。写到这里我希望读者记一下我们域名
因为，幸运。
中彩票的幸运者也会被酸，但中彩票是经常会发生的，全世界有很多的彩票中奖者，而发现最新梅森素数的，近几年时间里，只有派屈克-罗什一人，他的名字已经在gips官网主站掛了几年时间。
gips官网有关於派屈克-罗什幸运的介绍，上面写道，「对於派屈克-罗什来说，这个赛季更加幸运，他的坚持获得了丰厚的回报。多年来，派屈克一直在使用gips软体作为他的计算机版本的免费「压力测试」，不到四个月前他开始在自己的媒体伺服器上寻找，以回馈这个项目。」
「一些gips参与者已经寻找了20多年，几万次尝试，但没有成功。这证明，运气好的话，任何人都可以找到下一个新的梅森素数。」
pri软体长期在线人数几十万，运行的cpu数量几百万，几年时间，就只出现了一个派屈克-罗什，有多幸运就可想而知了。
另外，发现新的梅森素数，收获的可不止十万美元奖励，还有个人名气上的巨大提升。
比如，gips网站长期掛著派屈克-罗什个人的『幸运介绍』，目的大概是吸引更多的人加入进来。
很多对於发现新梅森素数的报导都会提到派屈克-罗什，他的名字出现在各大媒体的版面上，不知道的人还以为是什么有名气的学者，有巨大贡献的科学家。
可实际上，派屈克-罗什放在学术圈，就只是个最底层而已，至多能算得上是一个算法工程师，还是能力並不算太突出那种。
如果真去计较的话，派屈克-罗什並不算是学者，可他却因为幸运的发现梅森素数，而以『类似於学术成果的成果』，变得比其他真正学者更有名气。
这就是被学者们羡慕嫉妒的根源。
派屈克-罗什干了什么呢？
他只是利用pri软体做伺服器压力测试，用自己的电脑掛一下软体运行，然后就很幸运的找到了梅森素数。
他收获了金钱，收获了名声，还把名字留在了有关梅森素数的歷史记录中。
王浩仔细想想都感觉有些感慨，不得不承认，派屈克-罗什確实是非常的幸运。
他摇了摇头，自定义了程序运行时间，很快被分配了一个超大质数，也开始用电脑掛起了pri软体，而后也不理会，就开始研究起了梅森素数。
他研究的是算法。
pri软体的主要功能是进行分布式处理和计算统计，实际上，內部对於梅森素数的检验算法是非常简单的，针对一个数字的验证，就是採用卢卡斯-莱默检验法。
卢卡斯-莱默检验法，是针对梅森数的素性检验，由爱德华-卢卡斯於1878年制定的，五十年后，德里克-亨利-莱默对於方法进行了改进完善。
这个针对梅森素数的素性检验方法已经非常简化。
利用卢卡斯-莱默检验法，验证梅森数『n=2的n次方-1』是否是素数，只需要让程序循环运行『n-2次』就够了。
当然，因为牵扯到千万位的超大数，每一次循环的计算量还是很高的，但针对千万位超大数的素性检验，已经可以说是简化到了极致。
比如，家用普通电脑，运行一百个小时左右，就可以检测出一个千万位梅森数的素性。
这种速度相当惊人。
正因为如此，一直到现在快要百年时间，针对梅森数的素性检验，使用的依旧是卢卡斯-莱默检验法。
卢卡斯-莱默检验法的內容，只要看一眼就能明白过来，方法没有什么难度可言。
正因为方法太过於简单，想改善就显得无从下手。
比如，普通的加法，方法已经足够简单，还怎么去改善呢？
王浩仔细思考了一下，也根本是无从下手，但研究肯定是有方向的，针对单个素数的检验方法无法突破，也能够在检验数字筛选上做突破。
但是，他仔细想了很久，还是找不到方向，只能慢慢看看能不能有什么灵感。
……
第二天早上，王浩早早的爬起来去晨跑。
生活节奏回归了以往的规律，锻链也碰到了熟悉的人。
苏映雪。
她依旧是那副运动打扮，也依旧显得英姿颯爽。
王浩和苏映雪一起跑了两圈，顺便说了几句话，才知道对方是准备长期驻扎西海市了。
「我负责跟进纳微实验室的项目。」苏映雪简单的一句解释，透露出了很多信息，她力主和纳微实验室进行合作，直接负责项目的跟进，肯定是对项目非常重视的。
如果纳微实验室的项目长期没有进展，对苏映雪个人的事业也许造成一些影响。
「我记得说过，建议你们和纳微实验室合作。」王浩笑道，「肯定不会后悔。」
「我相信你。」苏映雪看著王浩的眼睛，很认真的点头。
王浩和苏映雪说了几句，又坚持跑了两圈，感到有些疲惫就离开去吃早饭了。
豆浆、油条，外加一个茶叶蛋，经典搭配，美滋滋的吃著补充著消耗的体力。
一天又开始了。
有个披著线衣、笑的很甜的女生走过来，她把餐盘放在了王浩对面，有些惊喜的说道，「王浩老师，我刚才看著就像你，还真是，不打扰吧？」
「没关係。」
王浩抬起头说了句，发现对方似乎有些熟悉，不就是罗大勇班里的辅导员，名字叫……
这不重要！
来人是孟芊。
她有个开朗健谈的性格，坐在对面后也主动和王浩说起话，不会让气氛显得过於沉闷。
「王浩老师，恭喜你了，创造了国內学者，近二十多年，在解析数论领域，完成国际性成果的歷史，还上了新闻，可真厉害。」
「我和朋友昨天还说起了你呢，你现在可是学校里的大名人！」
孟芊连续恭维了王浩好几句，后来就谈到了自己的研究，「王浩老师，记得上次就说过，有时间可要指点下我，论文、博士论文，太难了，我到现在都找不到方向。」
王浩问道，「你是做计算机研究吧，什么领域？」
「人工智慧，算法。」孟芊用两个词做了介绍。
王浩立刻摇头，「这个我可帮不了。人工智慧方面，我也不了解，不过学校里，从事这方面研究的人很多，我办公室里的张志强，就做过相关研究，要不我帮你介绍一下？」
「那不用。」
孟芊赶忙摆手道，「我的导师也专门做这方面的研究，而且做研究不能都问別人。我做的是表示学习的算法，只是想找个方向。」
「表示学习的算法……」
王浩思考著摇头，「这个领域，我真是完全不懂啊。」
孟芊笑道，「別谦虚啊，王浩老师，你可是算法专家。有时间能不能帮我看看，不需要具体说做什么，我只是想找个方向。」
「嗯……好吧。」王浩犹豫了一下，总是拒绝也不太好，想著去看一下也没什么，就还是同意了。
但他还是强调了一句，「我是真不懂人工智慧领域，到时候，帮不上什么忙，可別怨我。」
「当然不会了，您能帮忙看看，我就已经很感激了。」
孟芊爽朗一笑，和王浩约定了下时间，就干脆定在了下午。
等吃过了早饭要离开的时候，孟芊忽然来了一句，「对了，王浩老师，我叫孟芊，您叫我『小孟』就行，其他人都这么叫。」
她说著还朝著王浩眨了下眼。
王浩顿时有些尷尬。
忘了对方的名字不要紧，竟然还被对方看出来了？
孟芊倒是挺开朗的，还让自己称呼她『小孟』，问题是，对方应该比自己大两岁吧？
叫『小孟』合適吗？要不换『孟大姐』？
……
一直等到了下午再见到孟芊，王浩还没有確定称呼问题，最后还是决定叫『孟芊』，称呼对方的名字肯定没错。
「孟芊，我们这是去哪？」王浩跟著孟芊一直走，感觉都快要出了校门，远远都能看到一个酒店的牌子，心里都有点不好的预感。
好在孟芊转了个弯进了六层的实验楼。
计算机实验楼。
上面两层就是张志强所在的计算机实验室。
王浩和孟芊一起上楼，到五层就碰到了陈庆华，小老头罗著腰背手走著，看到王浩顿时眼前一亮，「王浩？稀客啊！」
小老头热情的过来，拉著王浩就往里走，「我带你参观一下，我们实验室新购买了两台伺服器，运算能力非常……」
王浩赶紧强调说，「陈院长，我就是过来给孟芊看看东西。」
「孟芊？」
陈庆华听的一头雾水，才注意到旁边的孟芊，再审视的看了一眼王浩，恍然大悟拉长了音，「哦~~~」
「你们聊你们的，你们聊、你们聊……」他说著背著手走开，还感嘆了一句，「年轻人啊！」
王浩有那么点小尷尬，孟芊也有点小脸红，但他们確实没什么，还是一起去了间实验室。
计算机实验室和办公室似乎也没区別，就是电脑看起来更专业一些，还有一大堆电脑配件堆在角落，让房间显得有些凌乱。
实验室里面还有其他几个人，看到孟芊带著人走进来，最开始没能认出来，但很快就反应过来，顿时围过来嘰嘰喳喳的说起来，「王浩老师！」
「王教授！」
「我研究了你的有效与无关进位算法，真是……太难了、难於上青天，研究了两天，我头发都快掉光了。」
「王浩老师，有时间给我看看研究吗？我碰到个问题……」
孟芊赶紧宣布『王浩的所有权』，「你们都让开，我是想让王浩老师给我指点几句。」
「好、好……」
几人都不说话了。
孟芊打开了电脑，里面有几个文件，点开了其中的一个，都是一些代码之类的东西，她也开始解释起来，「我正在做表示学习的算法研究。」
「基础是(卷积神经网络)，基於 的相关研究是热点，这个算法一直都在改进。」
「我也对另外一种机器学习算法gbdt有了解……」
孟芊连续说了一大堆，能听的出来確实很专业，肯定是下了不少功夫，实验室里的其他几人，也都是在读博士生，研究的不是同一方向，但也都有类似、重复之处。
王浩抿著嘴认真听了好半天，思考著正要开口，陈庆华和另一个教授走了进来。
「孙老师！」
「陈教授！」
几个博士生纷纷礼貌的喊了一声。
陈庆华也给王浩做了介绍，「这是孙光远教授。」
孙光远是博士生导师，实验室有两个就是他的学生，他和王浩握手以后，马上道，「王教授，不好意思打扰了，你別管我们，继续说你们的。」
陈庆华和孙光远就站在旁边看著。
两个计算机专业学者站在旁边，很大可能都是从事人工智慧领域的研究，王浩都感觉自己是在外行指点內行，赶紧强调了一句，「我是外行人，说的不对，你们可別笑话。人工智慧，我是真不懂。」
孙光远马上笑道，「王教授，这有什么笑话不笑话的，跨行如隔山啊，研究就是这样，自己闷头做研究，也很难有进展，也许听其他人说两句，就能想到思路。」
陈庆华也道，「说的对不对的，都没关係，这又不是专业的学术会议。」
王浩顿时心里有底了，他开口道，「我对於『表示学习』的理解，它是人工智慧领域的核心研究问题，一些成功的模型」成功的模型都可以被理解成是表示学习的特例……」
当有了个开头以后，大量的知识涌入到脑海里，再结合自己对算法的理解以及想法，王浩顿时有了信心，继续道，「用概率建模隱变量和观测变量联合分布的隱变量模型，以及端到端学习层次化表示的深度模型，都是表示学习的一种。」
「现在已经是大数据时代，表示学习的研究主要难点，是对於超大数据量的分析。」
「不管是隨机算法的噪声，uu看书 . 近似优化算法的不稳定性，高时间复杂度等都影响了表示学习算法的效率……」
他说著进入到了正题，干脆走到了旁边小白板前，花了个简单的模型图，才继续说道，「我们来看这个图，其实不管在表示学习方向，做什么样的研究，都离不开这个图。要么是分析简化算法，要么是从构造入手，最容易、也最容易出成果的，应该是简化构造，某个方向上，形成直接通路。」
「我们从a点走到b点，再走到c点，肯定比不上在a和c之间修一条通路。」
「那么，怎么去做研究，怎么去修通路呢？」
「我认为可以有两种方法，一种是採用新的构架，另一种是採用新的分析方法……」
「哇啦哇啦……」
王浩一口气讲了近三十分钟，有个有眼力见的博士生，还倒了杯水递过来。
然后，继续。
终於在四十分钟左右，他才结束了话头。
看著陷入思考、认真理解的实验室眾人，顿时满意的点点头说道，「我就是有点粗浅的理解，有说的不对的地方忘见谅。」
「对人工智慧，我就是个外行。」
一眾博士生，也包括孟芊，顿时投过来崇拜的眼神，他们听了一大堆的讲解，都感觉有了很大收获，想到自己的研究思路都清晰了。
孙光远和陈庆华则同时用力扯扯嘴角。
这叫外行？
『外行』这个词，是不是重新定义一下？
</p>
</br>
</br>