张朝闻打趣着说道，活跃了一下直播间的气氛。
“哈哈哈哈那自然是不可能的，不过穿梭时空的话，我们是采用爱因斯坦的虫洞理论，构建渲染出的时空隧道视效。”
徐诺认真的说道：“毕竟制作顶尖的特效实在是太贵了，我们《终结者》所用到的特效其实不算多，还是以实拍为主。”
徐诺之所以说特效太贵，其实是在为自己公司以后做影视圈的特效生意埋了一个伏笔。
“大量镜头实拍，那可真是不容易，而且还是科幻电影，我们来看一下网上的网友们是怎么说的吧......可以看到很多网友都非常关注你们为了拍这部《终结者》而做的人工智能哈，也有部分网友发出了质疑，说你们一个影视公司，怎么可能做得出人工智能呢？”
张朝闻把一些网友们的质疑，告诉了徐诺。
“其实，人工智能做起来也没有那么难，简单的来说，数学与计算机编程技术是人工智能的基础，现阶段我们应用在人工智能领域的AI，通常都是以卷积神经网络算法为主进行的深度学习。”
徐诺开始以专业的角度，来告诉那些质疑的人，自己到底懂不懂什么是人工智能。
“看起来徐导对于人工智能相关的知识很了解啊？”
张朝闻越发感兴趣的问道：“可以跟我们讲讲这个卷积神经网络和深度学习吗？”
“没问题。”
徐诺微一点头，表示这下专业对口了属于是。
于是便给张朝闻和直播间的观众们简单的科普了一下：“卷积神经网络算法其实就是模仿人的视知觉，我们用卷积层的功能对输入数据进行特征提取。
在卷积层的内部包含着多个卷积核，而组成卷积核的每个元素都对应一个权重系数和一个偏差量，这就类似于一个前馈神经网络的神经元了。
这样一来卷积层内的每个神经元都与前一层中位置接近的区域内多个神经元相连，区域的大小取决于卷积核的大小，这就是一种“感受野”，可以类比为咱们人类的视觉皮层细胞的感受野。
卷积核在工作时，会有规律地扫过输入特征，因此在感受野内对输入特征可以做一个矩阵元素乘法求和并叠加偏差量——
因此我们可以列出一个线性卷积公式：y（n）=x（n）*h（n）=∞∑k=-∞x（k）h（n-k）。
当卷积核是大小f=1，步长S0=1，且不包含填充的单位卷积核时，卷积层内的交叉相关计算等价于矩阵乘法，并由此在卷积层间构建了一个全连接网络......”
徐诺一本正经科普的样子，像极了大学里在专注上课的教授。
而张朝闻人都已经傻了。
他就这么怔怔的愣在那里。
心想徐导你要不要看看你都在讲些什么？
影视TOP直播间里，网友们也都彻底傻眼了，弹幕“？？？？？”已经刷屏。
“作为一名人工智能专业的学生，听徐导讲卷积神经网络，仿佛回到了大学课堂。”
“其实像徐导刚才说的叠加偏差量，这样做是在增加求解步骤的同时并不能为求解参数取得便利。”
“阿巴阿巴？？？”
“我哩个乖乖，这徐导一看就是专业选手啊！”
“卧槽，我人都听傻了，徐导以前是研究人工智能的吗？”
“人工智能专业刚毕业的我给大家简单解释一下，徐导说的意思大概就是，卷积神经网络算法，能够让计算机拥有类似于人的视知觉，也就是图像识别、语音识别、机器翻译这样的深度学习。”
“之前比较火的AI绘画懂吧，就是一种计算机的深度学习模型。”
......
影视TOP的直播间里，还是有一小戳比较懂人工智能领域相关技术的专业人士的。
本章未完，请点击下一页继续阅读