从大学讲师到首席院士第54节

“如果你的数学好，计算机研究有成果很容易，反过来说，你只是计算机好，了解的多、能用出来，只能当个程序员，没有办法从事理论、算法的研究。”

沙勉之也笑道，“多听听王老师说的，所以我才让你多看数学。”

徐杰了然的点头。

当想到王浩的时候，不由得有些羡慕，对方比自己还小一岁，却已经完成有影响力的研究，并且能在顶级会议做报告，能和沙勉之、王明坤平等对话。

而他，还只是个跟着导师的博士生。

……

第二天，会议正式开始。

王浩和阮海龙来的都很早，会场没有特别安排座位，他们也没有做得太靠前，只是在中间找了位置。

过了没多久时间，沙勉之三人也到了，就直接走过来并排坐下。

上午报告都是在一号会议厅进行的，轮到一些‘不被看好’的报告，才会在两个会议厅一起进行。

等到了开幕时间后，会议组织方、主席，以及几个委员评审相继入场，随后主席上台说了一大堆话，可以简单总结就是‘会议正式开始’。

stacs会议开幕并没有那么复杂，只是主席说了几句话，对去年的会议进行总结，然后说一下今年的会议安排，接下来就宣布报告会正式开始。

第一个上场的是个年轻教授，大概只有三十岁左右，来自巴黎综合理工大学。

法国举办的会议肯定照顾下‘自己人’。

用一个‘不怎么重大却挑不出错’的研究，作为开场白让会议正式进入正轨，也是个非常适合的选择。

年轻教授说了个对于‘在线算法－正则化双重平均算法’的研究，内容听起来有点意思，但只是研究有了一点小进展，很难吸引在场学者的眼球。

二十分钟，报告结束。

会场里有些人礼貌的鼓掌，但多数掌声都来自前排，来自会议的举办方、评审、特邀专家，后排的学者们连象征性鼓掌都没有。

他们对于‘不感兴趣’、‘没多大意义’的研究，不大喊一声‘下去’、‘下去’，都已经很有礼貌了。

这就是真实的学术会议。

有实力才能赢得掌声，没实力就干脆别上去，学者们可不懂‘虚情假意的客套’。

王浩对于第一个报告也听了几耳朵，发现对自己没什么帮助，而且研发进展也很小，没有比较出彩的地方，就和其他人一样，也没什么兴趣了。

等到了第二个报告的时候，他就非常专注的耐心听了，甚至还用了一个‘教学币’。

其他人也同样很认真的听。

第一个报告等同于‘做个开场’，第二个报告、第三个报告则都是比较重要的，是会场评审方认为是有‘重大意义’的研究。

好多不需要作报告的学者，来参加会议的目的，也是听取有重大意义的研究，专业性的顶级会议，也是涨见识、学东西的地方，新的研究方向、新的内容，可以让学者们知道其他人在研究什么，是怎么样完成的研究，就能够开拓思考，找到与自己研发有关的灵感和方向。

王浩最看重三个报告，今天的第二场、第三场，还有明天上午第三场，也就是沙勉之和王明坤一起的研究。

现在进行的第二场，是一个牛津大学教授做的研究，是对于梯度下降算法计算复杂度的理论研究。

这是非常罕见的。

在应用研究的很多方面都依赖于一种名为‘梯度下降’的算法，是一个求解某个数学函数最大/最小值的过程，从计算产品的最佳生产方式，到工人轮班的最佳安排方法，‘梯度下降’算法都能派上用场。

但是相对于多方向的应用来说，相关理论研究却稀少的可怜。

这位作报告的牛津大学教授，从‘梯度下降算法在许多常见问题上效果不佳’，以及‘梯度下降的很多工作都没有涉及复杂性理论’两个方向，以数学计算机的方式，研究各类情况问题中的交集问题，从而对于梯度下降算法进行了理论论证。

王浩听得津津有味，论证中清晰的逻辑剖析，让他感觉对于逻辑论证的把握都更清晰了。

另一个反应就是——

【任务二，灵感值＋1。】

听取了全程的报告，直接带来了‘任务二’一点灵感值收获，明显收获是很巨大的。

虽然只有一点灵感值，但要知道，‘任务二’是破解上帝之数，难度是a级别的，只是增加一点灵感值，也许会是很重要的提升。

牛津大学教授的报告获得了一致赞叹，完成的时候收获了一致的掌声。

沙勉之坐在了王浩的旁边，忍不住感叹道，“看来，想拿个最佳不容易啊！”他对自己的研究有信心，但要说压制刚才的报告可不好说，还是要看会议评审组的看法。

下面就是第三场。

会议第一天的第二场、第三场都可以说是压轴，有了刚才的精彩报告，好多人也期待其了第三场，上场的是来自芬兰赫尔辛基大学的西弥斯－戈尔利克斯，以及他的同事阿尔马洛夫。

报告的名称则是‘快速而准确的最小均方求解’，内容是对于最小均方算法，也就是lms算法的改进。

西弥斯－戈尔利克斯上台以后，就骄傲的宣布，“我们找到了一种最为快速、最为准确的最小均方求解方法，这种方法可以让计算复杂度降低两个数量级以上，并且不会损失精度和改善的数值稳定性。”

这句话说出来立刻引起会场一片哗然。

最小均方求解是许多机器学习算法的核心，能够让计算复杂度降低两个以上数量级，可不是开玩笑的，那已经不是改善，而是‘跨越式的进步’。

比如，计算一个问题需要一亿次运算，下降两个数量级就变成了一百万次。

这显然是质的飞跃。

西弥斯－戈尔利克斯开始认真讲解说起来，他的同事阿尔马洛夫则在旁边做补充讲解，他们提出了一个非常新颖的分治法，然后用离散傅里叶变换算法，充当整体构架的‘掌舵’。