2014年的1月上旬，正值辞旧迎新之际，孟繁岐手头的诸多事宜有快有慢，都恰巧在这个时间点上到了收获的时候。
重生归来之后，孟繁岐一直不确定自己这只扇动翅膀的蝴蝶，究竟可以改变世界多少。
自己之所以可以取得这些资本，创办这两家公司，完全依赖于这个世界的人无法观察到的另一个时空，这和“视界”这个物理意义颇有些类似。
并且，“视界”也与“世界”谐音，暗含了后续走向世界的决心。
因此，他将自己初次创办的两家公司，按照针对的技术方向分别注册为，视界视觉技术有限公司和视界智能医疗有限公司。
其中，智能医疗完全还只是空壳，暂时没有任何事情在推进当中。
而深度视觉这边，虽然相机App，相关滤镜、功能接口，和支付之类的功能已经在紧锣密鼓地准备。
可实际上，真正核心的模型部分却还在训练当中。
孟繁岐在自己的公司那边处理完起步初期的一些事务之后，再一次回到了谷歌尚海分部。
一方面是为了将推荐广告算法的后续两板斧挥完，二是为了验收一下自己的FaceGAN脸部生成模型。
“我这算不算是公器私用？”孟繁岐还真说不清楚。
FaceGAN是基于孟繁岐之前生成式网络的细分方向变体，主要用庞大的人脸图像数据集训练而成，其目的是为了针对人脸这一单一的元素进行逼真的生成拟合。
该技术目前并不具有非常强力的变现效果，一是因为所支持的像素还远远不够，二是因为想要达到足够好的效果，所需要的运算能力相当之大。
后续能够做到视频换脸，AI作画，各种图片的风格切换又或者是图片的高清修复之后，才具备实际商业价值。
因此，该技术将会是孟繁岐在与谷歌大脑签订合同之后，第一个贡献出去的正经视觉技术成果。
虽然该版本不具备很高的商业价值，可其所实现的功能很有象征意义，可以说已经给人类社会敲响了警钟。
在当初伊恩迟了孟繁岐一步，提出这個想法的那一天，本吉奥就已经预测到了类似的难题，不远的将来人们会开始面临和人工智能有关的伦理问题。
这些足以以假乱真的人工智能生成内容究竟如何监管，如何定义，如何限制又如何处理。
人类在这方面还是一片空白。
加州山景城，接到孟繁岐发来的FaceGAN论文，辛顿顿时感到一阵宽慰。
前段时间他也听说了，孟繁岐在谷歌尚海专营推荐广告算法，捞钱去了，这让他非常痛心。
在他看来，这些捞钱的事情谁都可以去做，可孟繁岐的才能不用来推进人工智能，尤其是视觉智能，反而跟着广告团队去捞钱。
这简直就是暴殄天物，瞎胡闹！根本不像话。
可谷歌毕竟是一家商业公司，广告又是拳头营收产品。
辛顿作为雇员，于情于理不方便表达什么意见，只得作罢。
此刻看到FaceGAN这个工作，得知孟繁岐还是在视觉智能上非常用心的，顿时老怀大慰。
“孟！好久不见！很高兴你在做推荐广告算法之余，没有忘记你的视觉算法！”视频电话拨通之后，辛顿喜悦表情溢于言表。
“我刚刚看完了你的论文，你的想法和操作非常巧妙。将生成器输入的随机噪声改为低分辨率版本的人脸图像，让生成器自己做上采样和微调修复。”
孟繁岐的生成式技术已经公布有两个多月的时间了，目前为止却还没有特别像样的跟进工作发表出来。
辛顿看了最为眼前一亮的，还得是GAN作者本人，孟繁岐针对人脸的这一系列操作。
“生成网络变种的潜力还是非常大的，我这次除了在结构和组件上做了一些微调，也对计量损失的函数稍微做了一些修改，增加了对抗损失以鼓励生成器做出高分辨率的人脸去欺骗判别器。”
孟繁岐和辛顿深入交流讨论了一番，但都是“生成”这方面的内容。
GAN系列网络的另一个强大的功能，“编辑”，孟繁岐则故意没有去提及。
这部分将会是相机App这几个月的首要买点，孟繁岐并不希望节外生枝。
由于时间的关系，他没有那么多精力做非常详尽的对比测试，并做出网站发布。
细致的实验部分，以及[这些人都不存在]这个假脸生成网站，都被委托给了谷歌大脑团队的其他同事去做。
隐而未发的隐藏层编辑功能，则和模型一起交给了自己的视界公司那边，如此一来明天就可以有一个最初测试版本了。
“你又做了两版推荐广告算法的更新？”周桓假期回来见到孟繁岐，招呼还没打完呢，就听到了一个让自己下巴掉在地上的消息。
“上回那个夸张的结果我到现在还没能消化完呢。”陈灰在旁边有些酸溜溜地说道，真是人比人会死啊。
自己两人圣诞连着元旦过完都还没能从先前的震惊当中缓过神来，这小子倒好，又带来两枚重磅炸弹来了。
“这回不会又闹个鸡飞狗跳吧？”周桓还记得上次的更新全部上线之后，虽然营收是增加了，可由于流量惩罚的打击面太广，相关的一些客服辅助员工全都被累爆了。
有不少缺德的垃圾场网站成员，装作无辜的样子不依不饶，非常折磨。
“这次还好，移动端的优化基本上是润物细无声的。语言理解方面也只是为了给用户更好的搜索体验，影响不会像上次那么大。”
谷歌和白度目前的搜索模式，只是机器无法理解语言含义的临时产物，过渡产物。
有点像电话发明前的电报，电话发明前曾有很多人觉得“电报已经足够好了，没有人会用电话这样的东西”。
但电话才更接近人们的真实需求。
搜索引擎也应该逐步拥有智能，而非只是机械性地检索用户输入的一字一句。
例如，相同的关键词在不同的语句和语境当中含义完全不同，这个现象在中文中尤其严重。
早期互联网用户在搜索东西的时候，经常使用几个关键词加空格的方式，就是因为搜索引擎无法理解长句。
如果你的句子太长内容太多，搜索出来的东西反而杂乱异常，或者干脆搜不出来。
不过现在一切都不一样了。
有了这个雏形的T方法模型，搜索引擎不但可以处理长句。
并且还可以非常好的处理那些，一字之差，含义天差地别的情况。
当然了，那种一个字都不需要改变，却又多种意思的，仍旧比较难办。
比如[喜欢上一个人]就有至少四种截然不同的含义。
