276. 三位一体（二合一）（3 / 3）

许多人坚持了几天之后，就放弃了。另外一部分呢，多坚持了几周，似乎啃懂了不少章节。

但实际上一行代码也没写过，即便做一些最基础的神经网络搭建，他都不知道该用什么平台，用什么框架和技术去做。

“确实会有类似的情况，有的新人进来先看理论书，哼哧哼哧硬啃了三个月的深度学习圣经，结果看完之后连个最基础的图像分类都做不出来。”孟繁岐对伊恩刚刚写就的这本《深度学习》圣经级别的教材并没有什么意见，相反，他一直都认为这本书非常重要，只不过其内容确实太过详细繁复了一点。

“花书里全是原理和复杂的公式与定理推导，即便是这些斯坦福的同学也要一点时间去消化。对于很多普通人来说，他们其实并不需要了解如此高大上的推论过程，他们只需要记住最后作为结果的那个式子即可。不去了解这些推导过程，并不影响他们应用AI技术去完成自己的需求。”如果诚实一点说的话，伊恩这本花书里不少的推理，孟繁岐照着说还能说个大概，让他自己推，他是推不出来。

“但初学者们很难分得清到底哪些东西有用哪些东西没用，就只能一股脑往里读。我们要做的就是搭建许多常见类型的项目，提供足够好的代码范例，让学生们首先可以自己将这些任务运行起来，这算是一种自顶向下的学习办法。”

目前阶段，传统的，比较常见的接触AI课程的路径，通常都是途径传统机器学习和模式识别的课程。

在大学中，传统机器学习课程设计都会从算法开始讲解，这就和观看伊恩的这本深奥花书性质很像。开局最先接触的都是复杂的数学公式，将理论知识都掌握了之后才会开始接触显示世界的问题。

这种叫做自底向上的思考模式，从抽象原理到具体的应用事例。

不过，这对入门来说是极其不友好的，入门者会专注于可能再也用不到的复杂数学运算而忽略了真的需要解决的问题。

如果将这个顺序反转一下，成为自顶向下，就会更加易于理解和接受。

就比如格斗类游戏，先让玩家自己上去一通乱打，享受一番乐趣，然后再给他复杂的出招表。这种方式就远比开局先背下出招表要来得更有趣。

韩辞等人也并非是一拍脑袋就决定了要使用这种方式，而是出了两套顺序相反的教程，进行了几十人的测试调研，结果是前者压倒性的优势。

“至于最后两个等级的内容，就不需要多说了，就是对算子和算法的解读，没有太多花头。”

“其实这里面也是大有文章的。”孟繁岐笑着否定了韩辞的看法，同样的技术，真的大佬解读和那种硕博生做的表面解读，可以说是天差地别的。

孟繁岐犹记得，前世直到2023年，华国平台上广泛精读经典论文的大佬也就只有李沐一个人。

解读算法和论文的人是半调子还是大神，给观众的差别感其实很明显。李沐讲解许多经典论文，其中的技术孟繁岐早就熟悉了，代码也使用过多次。但李沐却能根据自己深厚的理解，结合他与其中一些作者的关系乃至于对他们当时情况和心态的了解，说出技术发展的心路历程，分享许多业内的趣事。

他讲解许多操作言简意赅，即便是孟繁岐已经精读过两三遍的论文，看了李沐的解读他也能有所收获。而今，孟繁岐在这些技术上也有自己独特的地方。

“此生的许多技术，我发布的都是优化过几个轮次的版本，略过了其中的不少步骤和进化的过程。这些内容都是前世无数精英学者们为我踩的坑。如果要解读这些技术，没有第二个人会懂得这里面的设计过程是怎样的心路历程，为何要对各处做这些调整，这背后又有什么原因和失败的实验佐证。”孟繁岐这么想着，这是他觉得自己课程的另一大卖点。

“目前很多人对我结构设计的理解就有所偏差，往往主观臆测了一些理由去解释。若是我在课程中一一阐明，很多人也会因此对其他课程的正确性和权威性有所怀疑。”孟繁岐如此对韩辞解释道。

他对这件事很有信心，技术作者的光环加上这些论文中根本就无法读到的试错心得和发展路线，一定能让他主讲的技术课程无可替代！