我个人已经从事这个领域超过二十年，我们走出了上一次的 寒冬，见证了现代 的诞生。随后我们看到深度学习的兴起，它向我们展示了各种可能性，比如下棋。 然后，我们开始看到技术的深入发展以及行业对早期可能性的应用，比如语言模型。现在，我认为我们正处在一次“寒武纪大爆发”中。 在某种意义上来说，现在除了文本，我们还看到像素、视频、音频等都开始与 应用和模型结合，所以这是一个非常令人兴奋的时刻。 我认识你们俩很久了，很多人也认识你们，。但并不是所有人都了解你们在 领域的起步，所以或许我们可以简单介绍一下你们的背景，帮助观众建立基础认知。 好的，我最初接触 是在本科快结束时。
我在加州理工学学习数
学和计算机科学，那段时间非常棒。在那 手机号码数据 期间，有一篇非常有名的论文发布了，那就是 和 等人在 的“猫论文”，这是我第一次接触深度学习的概念。 这种技术让我感到惊艳，那是我第一次遇到这种配方：强大的通用学习算法、巨大的计算资源和大量的数据结合在一起时，会发生一些神奇的事情。我大约在 年、 年左右接触到这个想法，当时我就觉得这将是我未来要做的事情。
显然要做这些工作必须
去读研究生，于是我发现 Feifei 在斯坦福，她当时是 孟加拉语基础语音 世界上少数几位深入研究这一领域的人之一。当时是从事深度学习和计算机视觉的绝佳时机，因为这是技术从萌芽期走向成熟并广泛应用的时刻。 那段时间，我们看到了语言建模的开端，也看到了区分性计算机视觉的起步——你可以通过图片理解其中的内容。
这段时间还出现了我们今
天称之为生成式 的早期发展，生成图像、生成文 ew线索 本等算法核心部分也是在我读博期间由学术界解决的。 当时每天早上醒来，我都会打开 rXiv 查看最新的研究成果，就像拆圣诞礼物一样，几乎每天都有新的发现。过去两年里，世界其他人也开始意识到，每天通过 技术有新的“圣诞礼物”收到。但对我们这些从事这个领域十多年的人来说，这种体验早就有了。 Feifei i 显然，我比要年长得多。我是从物理学进入 领域的，因为我的本科背景是物理学。物理学是一门教你思考大胆问题的学科，比如世界上未解之谜。在物理学中，这些问题可能与原子世界、宇宙相关，但这种训练让我产生了对另一个问题的兴趣——智能。因此，我在加州理工学院做了 和计算神经科学的博士研究。和我虽然没有在加州理工学院重叠过，但我们共享相同的母校。
