假如该结果真实有效，一旦直接投入使用，就意味着自己过去一两年内的许多相关工作付之一炬，沦为无用功。
本能排斥也是人之常情。
“我说老板，你别不是被忽悠了吧？他就单枪匹马，一个人就搞出了比我们研究院的最新成果精准又快百来倍的技术？”
如果这个技术是真的，余恺有点希望它是假的。
但若真是假的，余恺其实又很希望它是真的。
多么矛盾的心理。
“老余，你的视角和想法显得实在狭隘了一些，虽然当天我们没有交流具体的技术细节。
但从他今年的两个巨大突破来看，这件事情的真实性是没有疑问的。”
李彦弘此时也觉得，自己可能处理这件事情的方式方法有些欠妥。
直接越过了专门的技术人员，这让他们可能会有些情绪
但当时确实也是比较突然，起初只是为了招揽人才，并没有技术合作的计划。
“我就是仔细阅读过他的论文，才更觉得这件事情说不通。”
余恺当然不否认孟繁岐DreamNet和生成式对抗网络的成绩。
这两个成果目前已经有所定论了，业内普遍的反响和评价都非常之高。
余恺推测，李彦弘拿回来的这个结果当中，便是采用了DreamNet技术的神经网络作为骨干，因此才会在检测的性能，准确度上有了这么大的突破。
李彦弘带回来的DreamNet论文，他也有仔细阅读。
“DreamNet将神经网络做得非常深，他采用了非常简洁优雅的结构，处理掉了深层网络优化难的问题。”
余恺对这个成果是非常惊叹和赞赏的。
“但与此同时，你的网络也会加深好几倍乃至于十几倍。
在这种情况下，网络的参数和运算量当然会随之成倍增长。
当然了，可以做一些处理和结构上的调整来平衡这个问题，但说到底，检测的速度不变慢就很不错了，怎么可能还能加速百来倍呢？”
这其实也是普通人的思维误区了，觉得一个人如果刚刚做出了一些非常重要的突破成果，那他是很难同时完成其他方面的巨大突破的。
在余恺看来，孟繁岐在半年的时间内直接开拓了两个大的领域，无监督式的生成，和真正意义上的“深度”
学习时代。
他是不会有时间和精力同时对检测算法有非常深入的研究的。
加上李彦弘这次带回来的是DreamNet的一版本手稿，这也误导了余恺的思路。
让他误以为孟繁岐的检测算法技术突破，主要是来自于对DreamNet的应用。
所以他认为自己很快就理解了性能突飞猛进的原因，可他读完DreamNet论文之后，对这个结构的参数量稍加计算，却怎么也无法理解速度提升到底是哪儿来的。
“要么这样吧，我把他约过来，我们先做一个技术的交流。
这样其他相关的地方也好适配。”
李彦弘突然联络孟繁岐，一方面是为了打消下属的疑虑，另一方面，他自己被说得其实也有点不确定了。
请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。