不满足于统计关联，而是用结构因果模型、干预演算、反事实推理，强行把“相关性”往上拨成“因果性”。
在意识空间里，叶清河在纸上画着有向无环图，推导后门调整、前门调整，试图让AI从“拟合数据”走向“理解世界”。
其他人还在比拼谁的模型更大、谁的算力更强，叶清河已经在算法复杂度与信息论的边界上，寻找更本质的约束。
从Kolmogorov复杂度，到最小描述长度，再到最优传输理论。
他把AI的学习过程重新转化为一段段逼近最优编码的数学表达。
那些被业内视为“玄学”的细节，在叶清河这里全都有了清晰的解释。
权重初始化对应热方程的稳态，正则化对应贝叶斯后验的惩罚，梯度消失对应算子谱的衰减。
每一个技巧，都不再是经验，而是定理。
叶清河不是在学AI，而是在用数学，重新定义智能的边界。
底层数学地基的书，叶清河从清木图书馆里借阅了张恭庆郭懋正的《泛函分析》，沃尔特鲁丁的《实分析与复分析》，斯蒂芬博伊德的《凸优化》，戴维威廉姆斯的《概率论与鞅论》，维尔希宁的《高维概率论》。
关于计算学习理论，他借阅了沙莱夫施瓦茨与本戴维的《理解机器学习：从理论到算法》和莫里的《机器学习基础》。
几何、流形、最优传输则借阅了李军的《深度学习的几何原理》，塞德里克维拉尼的《最优传输论：新与旧》，戴维麦凯的《信息论、推理与学习算法》。
还有因果推理要看的《因果性》《因果推理基础》，以及像《测度论》《拓扑学》等等。
每本书他都在意识空间里将其具现出来，书上被批注的密密麻麻的。
在罗薇进来时，看到叶清河好像是闭眼在休息，可实际上叶清河在意识空间里，在堆满这些书籍的书房里正在奋笔疾书。
沉浸在知识海洋里的叶清河有好多次都没有意识到罗薇进来。
一直到了吃晚饭的时候，周婉儿特意回来，想看看叶清河要不要解决个人问题，叶清河才从看书、进意识空间、看书、进意识空间的循环里出来。
“是不是陪在这边太枯燥了？”
本章未完，请点击下一页继续阅读！