第356章 天才永远不缺舞台（2 / 2）
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。
库尔特摇了摇头，幅度不大，但很明确：“不不不！”
“我想你忘记了我之前说的前提条件。”
“那就是牢固的基础知识。”
他走到白板旁边，拿起笔，在上面画了一个简单的框架图。
然后用笔尖点了点最底层的那一格。
“如果研究者连基本的生物学知识和实验常识都不能熟练掌握。”
“每次遇到问题都需要查资料，既费时又不利于新想法的产生。”
“你拿到一个蛋白质序列，点一下按钮，模型给你一个结构。”
“然后呢？你怎么知道它给的结构是对的？”
“你怎么知道它在哪个区段可能出问题？”
“你怎么知道这个预测结果跟你在实验里看到的信号之间的矛盾该怎么解释？”
他把笔放回白板槽里，转过身来面对学生：“当深度学习模型可以一键预测蛋白质结构的时候，理解核磁共振背后的物理原理，反而成了一个人能否真正判断AI结果对错的底线。”
“你有了这个底线，才能知道模型在做什么、没做什么、哪些结果需要怀疑、哪些信号需要复核。”
“如果你没有这个底线，模型给你的东西你就只能照单全收。”
“那你就不是在用工具，你是在被工具时使用。”
说到这里，他停了一下，看向刚才提问的那个研究生。
“你刚才提到的那篇Sce论文，作者用卷积网络来做糖质密度图的质量评估和构象分类。”
“我为什么会审稿通过它？不是因为卷积网络本身有多厉害，是因为作者清楚地知道糖质密度图的噪声结构、构象分布的特征、以及质量评估的标准应该是什么。”
“他把这些生物学层面的判断翻译成了算法能理解的指标，而不是反过来让算法来定义问题。”
“这两者之间的区别，就是有没有基础知识底线的区别。”
教室里再次安静下来。
有人低头翻笔记本，有人把刚才那段话重新在脑子里过了一遍。
库尔特没有再继续展开。
他回到讲台后面，拿起遥控器切换了投影页面，屏幕上出现了下一张谱图。
“好了，让我们回到刚才讲的内容。”
“这张图展示的是NOESY谱中的交叉峰，用来确定质子之间的空间距离。”
"这是核磁共振结构解析里最核心的信息来源之一，你们在作业里用到人工智能的地方。”
“如果看不懂这张图，就不要指望它能帮你判断结构是否正确。”
.......
就在论文发出后的第三天。
林晓刚把经过刊发的材料整理好，准备通过邦妮教授交到计算机学院去。
结果刚走进办公室，就看到邦妮教授用一种非常复杂的表情看着他。
“有一个意外消息。”邦妮把材料接过去，没有立刻翻看，而是先说了这句话。
“苏世民计算机学院那边临时调整了学术交流会的等级。”
“从学院层面升级到了整个MIT层面，也就说现在是全校范围的学术交流会。”
“我就知道，果然天才永远不缺舞台。”
林晓：？？？
↑返回顶部↑