第102章 论文被引

    想要跟着孟繁岐创业是王恺自己的想法，可孟繁岐仍旧觉得有些不好意思，毕竟他是李彦弘专门派到自己身边来学习这部分代码的，直接拐走了有些惭愧。

    于是第二天仍旧是来了白度，将白度目前针对图片识别车牌号的方法优化了一版，以做弥补。

    说来惭愧，他在国内这段时间都在闭门造车，急于突破技术，累积自己在各个方向的技术威望，没有考虑过创业，也没有提前做创业相关的准备。

    临时想创业的话，显得有些仓促，明年初估计要在招聘面试上花费不少功夫了。

    首先就是身边没有技术人员可用，没有提前去物色，熟悉同学都还在读本科，不堪大用。

    这点虽然早期问题不大，孟繁岐可以一力产出成果，但要做公司，还是少不了资深程序员的。

    毕竟前后端App那边的东西，孟繁岐大都只是略懂一二，最多算入门水平。

    前世的那些同事有几个相熟的，且不说他们大多也还在读书，就这样贸然找过去也太离谱了，自己认识对方，对方却完全不认识自己。

    倒是有几个前世的上级前辈，有些水平和格局，此时也只是刚刚踏入职场的打工仔，可以招募一下。

    眼下唯有王恺的确可用，科班出身，有大厂经历，有一批同样履历的同学能拉过来，和自己交接了不少次，也算是熟悉。

    “你要想好了，现在阶段跟我创业，工资可以给你们多发点，但最后能不能做起来，我也不能保证。”孟繁岐丑话说在前面：“而且过几个月我去美国之后，除了技术方面可以负责，剩下的就要看你们自己了。”

    “哪儿能让你再cao心那么多！”王恺当场表态，别的那都不叫事。平时打工为什么没动力，一句话，公司不是自己的，就拿那点死工资，肯定是给多少钱干多少活。

    钱给得少，整天又唠唠叨叨，这点钱，我很难帮你办事啊。

    可如今有了希望拿股份就不一样了，早期公司初步成型，只做纯软件部分的话，能够支撑将孟繁岐的AI算法做成产品给出去，那还是要不了十个人的。

    只要产品做出来，分到一两笔股份，这就算是财富自由的起点了。

    自己上班的那小几十万工资，税后到手三十出头，除去每日用度，一年能存下二十五万最多了。

    二十五干到六十五，将将攒够一千万。

    创业公司奋斗，最怕的就是出师未捷身先死，满手期权变废纸。

    这個最大的风险，在王恺看来，完全不是问题，不值得怀疑。

    以孟繁岐目前展现出来的技术水平，想上市肯定可以一路做下去。

    光是靠先进的人脸识别算法本身，公司直接出去卖到大几千万不是什么困难的事情。

    如果能有几个完整的项目，估值上很容易再进一位数。

    倘若真的插手政府项目，为海关，政府机构，交通站点内配备了这些技术，那就是王恺不敢想的天文数字了。

    人脸识别项目是王恺心心念念的事情，在孟繁岐眼中，却是无足轻重，险些忘记的事情。

    “能做的事情实在太多了，等谷歌这次推荐和广告算法更新之后，我得仔细规划记录一下了。”

    此刻的孟繁岐正在更新自己谷歌学术的档案信息，此时距离他在西尼公开一大批论文时间不久，但距离公开生成式对抗算法的论文却已经有一些时间了。

    他想看一看，自己这只蝴蝶，到底有没有引动什么很大的变化。

    而最为方便的办法，就是看看到底有哪些论文引用了自己，看看有没有什么比较显著的研究成果。

    更新了自己谷歌学术的档案之后，孟繁岐不由得惊讶，这才没几天自己已经有了二十多个论文引用数量了。

    再仔细分辨一番，其实这二十多个引用量，竟然只来自于四五篇论文。

    由于孟繁岐这一次的公布对整个范式的革命太过彻底，代码也开源，导致现在任何一个有关深度学习的研究，可能开局就要引用他好多篇文章。

    残差，优化器，训练方法，数据增强，这四大金刚几乎谁也躲不开。

    深度学习界每多一篇文章，孟繁岐的被引用次数几乎就会多四倍，并且这个倍数以后还会继续扩大。

    截止2023年，人类历史上被引用次数最多的学者，总被引用次数将将百万之数。

    而AI领域的文章数量，从12年的2万余篇每年，很快飞速增长到了21年的约13.5万篇每年。

    照这趋势下去，不用四五年时间，孟繁岐就会以25-26之年龄，成为历史上论文被引用次数最多的人。

    并在之后的岁月当中，狠狠地继续成倍增长。

    “截止到我重生前，残差网络的原作者kaiming被引用次数已经超过四十万。”孟繁岐稍稍回忆了一下，自己现在发表并计划发表的知名AI技术数倍于kaiming。

    等到23年突破三百万都不是没有可能。

    学术论文写的都赶上网络小说了，被引用数就相当于订阅，文章的实际被阅读次数还要数十倍于此。

    能将学术论文写到这个热度，想来也是前无古人后无来者了。

    而这些已经公布的文章当中，孟繁岐所留的谷歌邮箱，早已被各路邮件挤爆。

    孟繁岐点进去的时候，电脑直接卡了个半死，过了半分多钟才缓过来。

    收件箱中，请教问题的，杂志社约稿的，求未公开部分代码的，还有同事打招呼的，什么都有。

    这些邮件当中，英文居多，但也有一部分是中文写就，应该是清楚他的国籍。

    扫了一圈，其中一封来自于尚海市公共卫生中心的邮件引起了他的注意。

    孟繁岐检索了一番，该中心是创立已经百年的市级三甲医院，拥有诸多类型的大型先进医疗设备，尤其擅长肝类疾病的诊断和治疗。

    孟繁岐查阅了一下该医院的详细情况，推断他们手头应当有许多疾病不同仪器的成像结果。

    阅读完邮件之后，孟繁岐明白了对方的来意，自己之前更新的带残差的U-Net分割办法，大幅度地提升了图像分割的技术水平和分割效果

    尤其在比较细粒度的物体分割上，有了十分显著的飞跃。

    而分割类型的任务，在医疗影像的应用上是非常重要的。

    因为在医疗图像之中，通常都是各个科室初步诊断之后，去拍摄产生。

    分类的和检测的意义不是很大，更进一步的内容分析是主要需求。

    比如细致地将病灶区域分离出来，再比如协助诊断病变程度，这样会更易于医护人员诊断，节约大量时间。

    “尚海的三甲医院动作真快啊，这就已经注意到我了。”孟繁岐知道U网络对医疗方面的重大影响，但他以为这会是年后的任务。

    却没想到前天就已经有人找上门来。

    孟繁岐端正了一下态度，感觉风雨欲来，政府和医院这两座庞然大物似乎都近在咫尺。

    这次创业，似乎得认真一点了。

    不说人脸这个规模很大的政府项目需求，单是医疗AI这一点，做好了都足够上市了。

    孟繁岐仔细思忖了一下，觉得这两个方向最好还是分成两个公司去做。