2013年的12月，重生归来几个月的孟繁岐即将前往澳大利亚，西尼，参加计算机视觉方向的顶级会议，v-2013，国际计算机视觉大会。

他没有任何的文章投稿并发布在这个会议，但所有人都很清楚，这个没有投稿的人才是本次会议的绝对核心。

去年的同一时刻，三巨头之一，加拿大多伦多大学的辛顿(hnton)与自己的学生阿里克斯(le)一同发布了人类历史上第一个深度神经网络--阿里克斯网络(le)。在千万级别的图片上提取了人类难以理解和解释的知识。

可以根据图片的内容，分辨出它属于一千种类中的哪一种。

作为唯一一个使用神经网络作为核心算法的队伍，他们以碾压的姿态击败了传统的算法，获得了千分类这样一个复杂视觉任务的冠军。

的新时代，深度学习从这一刻开始，以谷歌，微软，白度等公司为首的巨无霸科技企业蜂拥而至，让原本比较纯粹的领域多了几分工业界的务实，当然也有一些资本的铜臭。

2013年，相同的赛事例行举办。

就在各路高校，机构还在争相复现去年辛顿团队的结果之时，一个众人从未听过的名字，孟繁岐，使用dre，以一个更为夸张的性能提升傲立于竞赛的所有任务榜单之上。

并且4.8%的top-5错误率更是已经突破了赛方四年前提供的人类标准5.1%。

这个恐怖的提升完全超乎了所有人的想象和理解。

此时距离结果的公布已经接近一个月，整个学界对这个结果是如何做到的仍旧是一无所知。

协办该赛事的国际计算机视觉大会会议方早已给名列前茅的参赛者们都发送了邀请邮件。

所幸这个神秘的“eng”很快便确认出席。否则还真没有人清楚到底该怎么联系上他。

不仅是不够熟悉这个领域的人难以想象，就连深耕该领域接近半个世纪，去年以三人之力刷爆榜单的辛顿团队，也完全想不明白这么恐怖的性能进步到底是怎么实现的。

有人在自己最擅长的领域做出了这么可怕的突破，自己却完全没有任何思路和头绪，这对这个灰白头发的老人来说是一件一时间不大容易接受的事情。

除此之外，最大的压力来自于他的雇主谷歌。

时年六十五岁的辛顿在去年将该竞赛的千分类top-5准确率从75左右直接提升到单模型85。这对当时的谷歌来说是一个巨大的震撼。

虽然没有正式参赛，但一向对海量数据的处理非常自信的谷歌，私下里在竞赛的数据上做了一些验证。结果却发现，拥有丰富大数据处理经验，并具备海量计算资源的自己，被辛顿三人组这样一个学界的小团队给狠狠地爆出了十条街。

技术是核心生产力。

敏锐地谷歌很快意识到深度神经网络的潜力，但同时的，还有其他知名公司和机构。辛顿团队的电话和邮箱很快被挤爆，

谷歌派出了工程主管阿兰(n)，甚至名震硅谷的杰夫(jeffden)亲自前往加拿大拜访，以求辛顿团队加入谷歌。

杰夫其人加入谷歌甚早，也是早期谷歌三位大牛之一，由于其实在太牛，坊间流传有不少他的笑话，人称姐夫笑话。

大抵都是些，“光曾经时速只有120k/h，后来杰夫花了一个周末对物理学进行了小小的优化”

又或者，“杰夫编程的时候只使用0和1两个按钮”

“编译器从来不给jeff警告，是jeff警告编译器”