Даже обладая вычислительной мощностью, само по себе ее наличие недостаточно.
Вычислительная мощность — это всего лишь способность к расчетам. Без поддержки алгоритмов она равна нулю.
Это как если бы вы не могли отправиться в поэтическое путешествие только на бензине: вам нужен автомобиль, чтобы бензин работал.
Однако Линь Юань, находящийся всего лишь на втором уровне, не был искушен в алгоритмах.
Этому есть простое объяснение: если бы Линь Юань родился умнее, он бы не занял второе место на вступительных экзаменах в колледж.
Поэтому Линь Юань получил право на собеседование на специальность «компьютерные науки» в авиационной школе Цзыцзинь исключительно благодаря руководству вычислительной системы.
Именно вычислительная система спланировала для него учебный путь и подобрала подходящие учебники по каждому предмету, что сделало обучение Линь Юаня более эффективным.
Следовательно, Линь Юаню пришлось смириться с тем, что он на самом деле довольно некомпетентен.
В конце концов, интеллект — это то, что невозможно качественно улучшить, просто прочитав несколько книг.
Спустя две минуты старенький T440 Линь Юаня наконец-то загрузился.
Если бы на него в этот момент было установлено 630 программ безопасности, в правом нижнем углу было бы написано: «Скорость загрузки вашего компьютера опережает X% пользователей по всей стране» (X должно быть однозначным числом).
Как обычно, Линь Юань не открывал свою среду разработки Python — PyCharm — сразу после завершения загрузки. Он дал T440 еще минуту, чтобы «успокоиться». Ведь фактическая завершенность загрузки старого компьютера часто не так очевидна, как кажется.
Через три полные минуты наконец-то открылся значок PyCharm.
[Загрузка проекта...] Последовал медленный процесс загрузки.
Затем Линь Юань наконец открыл свой проект распознавания OCR.
Верно, он напрямую использовал существующий код проекта.
Это не было жульничеством.
На самом деле, только что профессор Чжан обошёл все аудитории и сказал: «Этот компьютерный тест отличается от предыдущих. Помимо запрета на шепот и списывание кода, вам разрешается свободно искать информацию в Интернете. Вы можете использовать любые проекты с открытым исходным кодом».
Профессор Чжан даже позаботился прикрепить магнитом кусок белой бумаги с названием и паролем школьного Wi-Fi на доске.
«Но есть одно условие. Не будьте чересчур умны и не думайте, что мы не сможем определить, если вы просто измените чужой код. В настоящее время я работаю над проектом по использованию технологий ИИ для определения плагиата кода. Надеюсь, вы не предоставите мне материалы для обучения ИИ».
Поскольку обращение к проектам с открытым исходным кодом не является проблемой, естественно, ещё проще использовать личные прошлые проекты.
Однако так называемое применение далеко от простого копирования и вставки.
По мнению Ли Юаня, все процессы обучения ИИ могут быть сведены к следующему: сбор данных ==》 обучение данных ==》 расчёт ошибки ==》 обратная связь по ошибке.
Хотя тест подробно не объяснялся, Ли Юань уже завершил первый этап — просмотр вопросов — благодаря своей усердной работе за последние шесть месяцев.
Первым шагом на любом экзамене всегда является просмотр вопросов. Многие так называемые сложные вопросы часто требуют значительной части времени экзамена.
Судя по нахмуренным бровям многих в классе, казалось, что они даже не прошли первый этап.
Экзаменационный вопрос требовал от всех использовать оригинальные методы для достижения распознавания символов OCR, но не уточнял подробно, какие категории считаются оригинальными. Это была первая завеса этой оценки.
Если это будет действительно полностью оригинальным, начиная с этапа «сбора данных», то можете забыть об этом.
Ли Юань примерно подсчитал, что если каждая строка кода будет создана с нуля, каждому придётся остаться в этой аудитории на ночь.
Но взглянув вокруг, он понял — школе не приходило в голову оставлять их даже на ужин.
Час был около двух пополудни, значит, оценка займет примерно три-четыре часа.
«Слишком уж всё несерьёзно, — подумал Линь Юань. — Кто только эту оценку придумал?» «Раз она длится всего три-четыре часа, значит, есть какой-то основной упор».
Линь Юань задумался.
Сбор данных для распознавания символов — это совершенно стандартная процедура. Поскольку распознавание — не новая область, оно не может быть главным элементом оценки. Так что тут достаточно просто скопировать готовый код, и дело сделано.
В вычислении ошибок и обратной связи нет ничего новаторского. Если быть точным, школа проводит вступительные для аспирантов, а не набирает учёных уровня национального достояния. Неужели они ожидают обнаружить гения через эту проверку?
Следовательно, главный фокус этой оценки — на повседневной практике кандидатов.
Проще говоря, проверяется то, что вы обычно делаете. Увлекаетесь ли вы компьютерами и искусственным интеллектом? Если да, то вы, несомненно, будете часто писать код. Если вы часто пишете код, вы, естественно, станете опытным.
Интерес — первое условие для научных исследований.
Хотя Линь Юань в то время и не питал большого интереса к научным исследованиям, он очень хотел изменить свою судьбу с их помощью.
Хм-м-м, можно сказать, что мы пришли к одной цели разными путями.
Раз уж оценивается ваша повседневная практика, и не ожидается высокого уровня, то, естественно, невозможно оценить два этапа — ошибку вычислений и ошибку обратной связи, потому что для них существует слишком много готовых алгоритмов, и они не могут отразить различия между людьми.
Остаётся только последний шаг — обучающая выборка.
Этот этап объединяет линейную алгебру, исчисление, навыки компьютерного программирования и графику, что делает его очень комплексным.
— Именно так и должно быть, — подумал Линь Юань и быстро нашёл в оригинальном проекте раздел кода, отвечающий за «обучающие данные». Он планировал переработать эту часть кода, а остальные оставить без изменений.
Линь Юань продолжал глубоко размышлять.
Современное обучение ИИ, по сути, основано на глубоких нейронных сетях, но занимает всего чуть более трёх часов. Создать глубокую сеть за это время невозможно, ведь нужно писать код и отлаживать результаты.
При понимании базовых принципов графики, владея линейной алгеброй и исчислением, если использовать существующие библиотеки математических вычислений, такие как TensorFlow или PyTorch, для построения трёхслойной нейронной сети, трёх часов будет достаточно.
В этот момент Линь Юань внезапно всё понял.
«Я закончил с разбором вопроса. Оказывается, это комплексная проверочная работа. Автор вопроса довольно жесток: он полностью отсеял всех кандидатов. Теперь понятно, что вступительные экзамены в престижные университеты — это не просто решение задач».
Благодаря своему прошлому опыту работы над проектами оптического распознавания символов, Линь Юань был уверен, что сможет закончить написание и отладку кода за два часа.
Но проблема заключалась в том, что T440 не мог использовать GPU для обучения.
Аппаратные требования современных библиотек математических вычислений, используемых в обучении ИИ, слишком высоки, поэтому Линь Юаню пришлось перейти на использование CPU для тренировки.
Он не беспокоился, потому что процесс обучения был непрерывным. Пока ошибка в результатах обучения неуклонно уменьшалась, даже если времени было слишком мало, он мог бы попросить преподавателей продлить срок, продемонстрировав свой потенциал.
Это как когда карабкаешься по горе. Хоть ты и не видишь вершины, окутанной облаками и туманом, ты ясно чувствуешь под ногами, что ты еще не достиг цели — впереди есть место повыше.
Поскольку производительность ноутбуков у каждого участника разная, Линь Юань был уверен, что основной акцент оценки будет сделан не на продолжительности тренировок, а на точности конечных результатов.
Иными словами: эта оценка не определяется тем, как быстро ты карабкаешься, а тем, насколько высоко ты сможешь забраться в итоге.
Рассуждая так, Линь Юань невольно улыбнулся: «Неудивительно, что профессор Чжан только что сделал акцент на точности результатов».
Его предположение идеально совпало с выводами, изначально объявленными профессором Чжаном.
Приняв решение, Линь Юань тут же принялся за дело, копируя и вставляя.
Обновлено: 20.01.2026