书本网

不是成绩，也不是雪。

她拍了自己被划得乱七八糟的一张纸，最上面原来的问题被横线划掉，下面又写了三个新问题。

原既白很快回：“你们题目允许改？”

“没有题目。”

那边安静了一会儿。

“什么意思？”

江遥把纸袋任务解释了一遍，又说他们第一天以为找到一个不错的指标，第二天新数据一来，发现不成立，现在正在找是什么条件决定两种不同路径。

原既白问：“你们知道原始系统是什么吗？”

“不知道。”

“变量的物理意义呢？”

“不全知道。”

“还能做？”

江遥靠在床头，看见这句话笑了。她几乎能想象原既白皱眉的样子，因为对他来说，一个系统连变量定义都不完整，简直像有人故意拆掉楼梯让他上楼。

她回：“能。只是不能先假装知道。”

原既白过了一会儿发来一张图，是他今晚机器学习实验的结果。江遥看不懂所有细节，只看见同一批图片经过不同压缩以后，模型输出概率明显漂移。

“它又看背景了？”她问。

“不完全是背景。”

“那看什么？”

原既白打了很久字，最后只发来一句：“所有我们没想到它会看的东西。”

江遥盯着这句话看了一阵，忽然坐直。

“那你为什么一定要先定义哪些是它不该看的？”

原既白没有马上回答。

江遥继续打字，却在发出去以前停下来。她本来想说，能不能反过来，从模型输出对各种变化的敏感方式里，自己找出它到底在依赖什么。可是她觉得这句话还不够清楚，于是删掉重写：“你现在是一个因素一个因素试，对吧？背景、亮度、压缩、角度。有没有可能不先列因素，让数据自己告诉你哪些变化在它眼里其实是一类？”

这一次，原既白很久没有回复。

江遥以为他去洗漱了，把手机放到枕边，继续看自己的草稿。大约十五分钟以后，屏幕重新亮起来。

原既白发来四个字：“你等一下。”

然后就没了。

第二天早晨六点四十，江遥被闹钟叫醒时，手机里已经多了两张图和一长段消息。

原既白没有真的让数据“自己告诉他”——至少目前做不到。他只是把昨晚所有人工扰动按照模型内部特征变化重新聚了一次类。结果很奇怪：在人眼看来完全不同的两种变化，例如降低分辨率和改变某类边缘压缩，在模型内部造成的偏移方向却非常接近；反而两种看上去很像的背景变化，对模型的影响差别很大。

他说：“你昨天的问题可能有用。我们以前按人的命名分类扰动，现在可以试着按模型自己的反应重新分类。”

江遥坐在床上把两张图放大看了几遍。

她突然觉得有点好笑。自己这边刚刚从“一个指标预测变化”退回到“什么决定不同路径”，原既白那边却正试图把几十种零碎扰动向上归成少数几类稳定结构。他们像是从一条河的两岸同时往中间走，一个不断拆掉自己过早长出来的模型，一个不断把散落的事实压进更高层的表示。

这当然不意味着他们最后会在同一个地方相遇。

至少现在还不会。

上午训练中心安排了一道传统理论题，限时九十分钟。题目结构完整，套路也明确，考的是一个江遥并不算最熟练的技巧。简宁四十多分钟就做完了，沈策也很快找到入口，江遥却在一个变换上来回绕了二十分钟，最终虽然做出来，速度明显落后。讲评时她发现简宁的方法几乎没有多余步骤，熟练得像把一把用了很多年的刀从鞘里抽出来。

她没有因此特别沮丧。

甚至有一点高兴。

因为这证明有些东西并不会因为她昨天在开放任务里表现得好就自动属于她。技巧需要练，计算速度需要练，已经存在的工具也需要尊重。她可以在没人知道路在哪里的时候先看见某种形状，却仍然可能在一条已经铺好的路上被别人跑得更快。