鼓掌声响起来,接下来是十五分钟的提问环节,陈若安看着自己的导师扶了扶麦克风,做好了苦战一场的准备。
不出所料,他的问题犀利而深刻,有些甚至让陈若安措手不及。好在她对自己的选题足够了解,研究过程也全是亲力亲为,就算答不准确也能说出一二。
老师问有些超纲的问题,其意图其实不在于真的要正确答案。这一点陈若安很清楚,他们更多的是想要考察你对这个问题的看法、思考的深度,所以她并不害怕错误,她的特点在于真正从自身出发,去发表有独特性、符合她研究现状的见地。
一番问答结束之后,旁边的一位老教授按开了自己的麦克风,不管怎么说陈若安还是松了口气。
&ldo;不能让王教授把时间都用完啊。&rdo;好像为了缓解紧张气氛一般,他先是开了句玩笑,几位老师闻言都放松了神情。
陈若安也微笑起来,算是做出的回应。
&ldo;我就有一个问题,看你刚才介绍的时候想到的,想听听你的看法,&rdo;老教授说话时一直带着和蔼的笑容,他继续道,&ldo;计算机或许能学习更为复杂的动作,也像王教授刚才说的,甚至误差还可以再减小。但人工智能并不以&lso;行为&rso;而是以&lso;思维&rso;为主要重心的当下,人体姿态估计与学习是否有可观的发展前景呢?&rdo;
陈若安顿了几秒,想要完整的表达出自己的意思,她需要时间来组织语言。
&ldo;我还是想回到机器人即人工智能本身来讨论这个问题,我想&lso;行为&rso;和&lso;动作&rso;学习之所以发展受限,是因为机械层面跟不上设计层面发展。其实德国的konrad团队在这个问题上已经做了很好的突破,去年的tln全球展览会上,他们已经展出了可搭建后台连接的动态点为67个的机器人仿真模型,比美国戴维斯实验室在2013年提出的模型整整提高了31个,一定程度上,我想它已经反映出您所提出的&lso;发展前景&rso;现状。
&ldo;所以,在设计层面上给出更复杂、更多元的人体姿态学习,其实是在捕捉到发展可能性之后的选择产物,以一种等待、前瞻性的视角去开拓人工智能新领域。&rdo;
她停下来,老教授缓慢地点了点头,他似乎思索了片刻,又靠近了麦克风:&ldo;所以你觉得,人工智能人体姿态学习评估,或者说关键点检测,是我们行业的一个瞻望,是这样吗?&rdo;
&ldo;嗯……&rdo;陈若安抿了抿唇,片刻,她坚定地看向老师,&ldo;与其说是一种瞻望,不如说是一种任务。&rdo;
是我们、是所有研究者的任务。我们走在人工智能发展的道路上,其实也是新生代与更新一代的带领者,我们能做的,远比瞻望要多得多。
老教授笑了,厚重的镜片也掩不住他眼中的欣慰,他冲着王教授开玩笑道:&ldo;我要是还有精力带学生,是要下点功夫从你这里挖人啊。&rdo;
王教授也终于收起那副严肃的表情,顺着这个玩笑说到:&ldo;让她读博再去你那里也不迟啊。&rdo;
陈若安接不住这样的赞赏,她只能乖乖站在讲台上,时间马上要到了,她觉得应该不会再有什么问题。在这样的基础上再优化,拿去比赛应该有望夺个金奖。而且现在看来,应该还能得到不少来自几位教授的指点和支持。
&ldo;咳咳‐‐&rdo;
就在陈若安准备等待时间流尽的时候,有位女老师提了最后一个问题。
&ldo;关于专业上的问题,刚才二位教授都问的很全面了,&rdo;她似乎有些不好意思地笑了笑,&ldo;我这个问题就显得有些不专业。想问一下,你最后的这段视频是从哪里找的?&rdo;
陈若安愣住了,答辩的任何一个环节出现卡壳似乎都不好看,但她完全没想到这个问题会出现。
其实也好回答,后来回忆,想不清愣住的原因。
&ldo;不、不是找的,&rdo;她说,&ldo;是我自己录的,跳舞的人……是我的朋友。&rdo;
说是心虚或者遗憾好像都可以吧,但这个&ldo;朋友&rdo;确实已经杳无音讯。
提问的女老师露出原来如此的表情,她不禁赞美道:&ldo;很美的作品。&rdo;
&ldo;谢谢老师。&rdo;陈若安说。
替宋辞道谢,心里不由得升起一股伤悲。
当时间都被挤满的时候,回首时难免有弹指一挥间的感觉。
放在谁身上都不例外。
也就是这弹指一挥间,陈若安已然成为开拓者与带领者,也已经在西北地区崭露头角。兼具纯粹热爱与罕见天赋的人,能在科学界做出一番成就似乎是水到渠成,只是她真的太年轻了。
以至于眸中的目光常常与外表割裂,在研究所时被同僚看做&ldo;灵感&rdo;,在学校被学生看做&ldo;寒气&rdo;。
印象里只有一次,被学生问到生活上的事,她们问她会不会太累、会不会无聊,她想了想说习惯了。
&ldo;况且我们做的事是没有尽头的,怎么会到无聊的地步?&rdo;她说,&ldo;你们要想想选择这里而不是其他道路的初心,这样才能走下去。&rdo;
学生们不敢再说什么,老师从不发火,甚至和她们只差十多岁,但尊敬是从成为她学生的那天便养成的习惯。