時間一分一秒地過去，隨著程式的不斷運轉，王建成的臉色變得越來越凝重。
原因無他，成功率太低了！
這個模型的訓練效果遠遠要弱於他的預期，如果按照這樣的效率，恐怕億級的訓練都不夠用。
那還玩個屁啊？
機器學習中有一條鐵律：
當AI的訓練強度大於人工訓練強度時，那模型就是無效的。
很顯然，他手裡的這個模型，就是這樣的情況。
“不太行啊.這個演算法好像達不到可用的標準。”
“訓練效率太過低下了，策略生成的速度也慢。”
“這麼搞下去，我們還不如人工遍歷定製策略來的划算了.”
聽到他的話，陳念也皺起了眉頭。
他開口問道：
“能看出原因嗎？”
“看不出來.我感覺咱們的演算法應該是沒什麼大問題的，但是，冷啟動耗費的資源太多了。”
“機器學習的本質也是遍歷，但它沒辦法做任何感性經驗的參考。”
“也就是說，人工先驗和機器先驗拉不齊”
看著王建成略微有些失望的眼神，陳念繼續問道：
“上次聊的混淆矩陣呢？能解決嗎？”
“解決不了.現在我們的問題是，priors和experience都比較少，想要高效得到高水平解決方案，就必須要求機器的智慧化水平極高。”
“而且目前來看，這個任務的generalization，也就是任務泛化難度本身就很大，進一步提高了對機器的要求。”
“不行，這麼跑下去不是個事兒。”
說著，王建成直接敲下了停止鍵，模型停止運轉，最終的結果，在六萬多次的訓練中，達成有效結果的次數僅僅為兩次。
這樣的資料量，根本不足以支撐模型繼續訓練。
王建成失望地看著螢幕上的結果，這一刻，他感受到了一種難以言喻的挫敗感。
實際上，在最開始，他對這個模型是極為自信的。
從獲得陳唸的點撥，逐漸瞭解卷積神經網路演算法的基礎原理之後，他幾乎感覺整個世界都已經掌握手中。
這一套演算法的潛力實在是太大了，只要不斷去開發，有一天徹底改變世界也不是奢望。
而且，在這個賽道上，自己已經比其他研究者快了不知道多少步，只要能拿出可用的成果和案例，自己很有可能會跟學長一起，成為新一代人工智慧的開創者之一。
這是多麼大的榮譽，不用細說。
抱著這樣的自信，他可以說是一路高歌猛進，速度快到陳念都驚歎不已。
他本來以為，事情就是會這樣一切順利地發展下去，但沒想到，模型的初次訓練成果，給了他重重的一擊。
這不僅僅是結果沒達到預期那麼簡單，而是不可用！
如果達不到預期，那還可以透過不斷地調整和最佳化來向目標靠攏，可如果是不可用那真的就是怎麼嘗試都沒有用了。
推倒重來，也許是唯一的辦法。
但自己.還能有那樣的心氣嗎？
楚建樹在一旁默默地聽著兩人的對話，實際上，這個結果也算是在他的預料之內。
要知道，這可是人工智慧啊！