彈幕中的發言，多數都沒什麼新意，一次、兩次還能看個新鮮，每次都看的話……

江寒無聊得差點打哈欠。

好在夏雨菲就在邊，及時給他補充了一點「靈」……

試飛結束后，江寒的旁白再次傳出。

「可惜電池還是有點不夠用，只玩了不到一個小時，就功地用了全部電量……」

「現在UP就要回去充電了，咱們下次再見！」

於是不出意外的，「暗示充電」和「下次一定」之類的彈幕，瞬間填滿了屏幕的每一寸空隙……

看完視頻，夏雨菲開心不已，主和江寒「大功告」了兩分鐘。

著的喜悅和激，江寒也差點「激」起來。

可惜這裡不是「深流」的好地方，所以也只能「淺嘗輒止」……

※※※

兩天後，盛夏生產的寫字機人，終於正式上市。

一開始的時候，銷量並不算特別好。

一天300~500臺的出貨量，對於一款新品來說，只能說還算湊合。

好在盛夏上下有的是耐心，並沒有為此而焦慮。

市場需求放在那裡了，只要宣傳跟得上，早晚能達到應有的規模。

但誰也沒想到，僅僅一周過後，銷量就突然開始暴漲。

一開始只是淘寶上的幾個大小賣家，弄了幾個去嘗鮮。

後來不知道哪路大神，搞了個開箱直播，廣告效應簡直不要太好。

於是乎，幾乎是一夜之間，寫字機人就火了起來。

很快淘寶上掛著的那些，就都被消費者們搶了。

賣家們看到賺錢的機會，自然只會有一種反應：加大力度！

於是，盛夏庫存的15000臺寫字機人，不到三天就宣布售罄！

隨後，訂單雪片一樣飛來，每一批產品剛下生產線，就被各路分銷商搶購一空。

產品銷量一路走高，到了第二個周末，總出貨量已經接近10萬臺。

盛夏方面，與此事有關係的人全都興了起來。

畢竟銷量是與獎勵掛鉤的。

可惜產能遠遠供不上需求，項目組上下也只能幸福並苦惱著。

江寒得知這個消息的時候，多有點意外。

即使在另一個世界，寫字機人的銷量也從未如此火過。

而且可以預見，還會持續走高一段不短的時間。

至於造這種現象的原因……

江寒隨意上網一搜，到都是關於寫字機人的討論。

很快他就弄清楚了事的來龍去脈。

一方面是產品售價比較親民，另一方面……

估計就是壞蘋果加的威力了。

魔都，一間寫字樓。

朱先雲坐在辦公室里，面前的桌子上，擺著一臺剛買來的寫字機人。

他已經對這個小東西，進行了一番相當專業的測試。

結果有點出乎意料。

雖然是玩的價格，能卻可圈可點，即使以他行家的眼，也看不出多問題，反而找出了不優點。

朱先雲讚嘆不已：「嘖嘖嘖，有技真的可以為所為呀！」

想當初，自己也曾經非常看好這個項目，還特地派張建泰去松江走了一趟，想把專利買下來，自己投產。

然而憾的是，老張把事辦砸了……

哎，老張這個下屬，哪裡都好的，就是稍微缺乏了點遠見。

當初若是肯多花點錢，這個產品說不定就是自家公司的了！

至於當初最終定價的人，正是他自己這件事，就被他選擇的忘了……

在朱先雲看來，這個寫字機人的是沒什麼問題的。

但方面就略微有點不足了，模仿自己的筆跡，覺只有7、8分相似。

看來盛夏的技實力，不過如此……

不過，朱先雲沉了片刻，心頭忽然一。

既然機人自帶的應用不夠好，那自己不妨調試一下？

自己學了這麼多年的逆向，不用一下豈不是浪費？

只要找到控制函數，修改一下參數，再完善一下演算法……

想到就做，朱先雲立即打開OLYICE，將可執行文件載到了存中，然後一點點調試了起來。

時間流逝。

三個小時后，朱先雲嘆了口氣，頹然放開了鍵盤。

「這到底是什麼加？簡直反人類嘛！」

這麼簡陋的小，居然用上了這麼高強度的加！

也不知道這個變態的加程序，到底是誰搞出來的？

打個不恰當的比喻，他覺自己就像那個「買櫝還珠」的人。

只不過買了一個小玩，就得到了一個核彈級的「贈品」……

朱先雲這次是真的服了。

幾乎與此同時，一些破解方面的專業人士、黑客雇傭兵們，則陷了極度懊惱中。

朱先雲修改，只是為了自己的個化需求，他們出手卻是為了赤果果的利益。

誰都知道，只要能把寫在機人ROM中的程序DUMP出來，就可以幾乎無限制地仿製。

誠然，無論結構還是程序，都到《知識產權法》的保護。

但專利這個東西……真想繞過去的話，辦法肯定比困難多。

可現在的問題是，經過整整一個星期的戰，全國竟然沒有一個「雇傭兵」，能破解盛夏的寫字機人！

這個機人的ROM程序，以及附帶的應用，全都被加上了一層堅不可摧的「外殼」。

雇傭兵中的確不乏高手，他們很快就發現了，這個「外殼」不是別的，正是兩個來月前甚囂塵上的「壞蘋果」。

而且，寫字機人上的這一個，甚至比「壞蘋果」更「壞」，堪稱「壞蘋果」二代！

破解難度太大，甚至看不到任何希，這些人折騰了一段時間之後，就紛紛放棄了。

這樣一來，由於市場上遲遲沒有競品出現，盛夏的這款產品的銷量，也就更加膨脹了。

可以說，能生產出來多，就能賣出去多。

在技好者的小圈子裡，甚至造了一機難求的「繁榮」景象……

自從上次聚會後，江寒整整花了一個星期的時間，上網收集資料，刷論文、找參考文獻……

經過一番努力，終於做好了前期準備，正式筆寫作下一篇論文。

在他的計劃中，這是今年最後的，也是最重要的一篇論文。

江寒打算在2012年的最後幾天里，將「卷積神經網路」拋出去。

卷積神經網路，簡稱CNN，是一種前饋型的神經網路，在「深度學習」技中，也是非常重要的一塊積木。

CNN最為適用的場景是圖像分類和場景識別。

在另一個世界，曾經在標準圖像標註集ImageNet上，取得過舉世矚目的就。

一般的全連接神經網路，是把輸數據看做一維的數組。

理圖形、圖像時，一行、一行地讀取像素點，然後拼接一串數據。

這樣一來，就忽略了行與行之間的二維關係。

而CNN則是通過「卷積核」對圖片進行濾波，從而提取圖片的特徵。

所謂卷積核，就是一個N行N列的數字矩陣。

卷積的過程，其實就是一個圖片的過程。

而「卷積核」的本質，就是一個二維的濾波。

這樣的做法，很好地保留了鄰近像素之間的關聯況，所以在大型圖像理方面，往往會有非常出的表現。

和其他神經網路相比，CNN需要的參數比較，使用起來更加迅速、有效。

CNN在訓練時，採用的是和BP網路相似的「反向傳播」技巧。

一個經典的CNN網路，通常包括輸層、卷積層、池化層、全連接層、輸出層或者徑向基層。

其中涉及到一些概念，比如「池化」、「局部野」、「共權值」……

江寒原本對這些東西，只有個大概的了解，理解得並不算特別徹。

這樣一來，在研究CNN的時候，很多東西都要現場推導。

因此這篇論文是他寫得最費勁的一篇，足足花了一個多星期，才打通了全部障礙，形了初步的腹稿。

傳統的圖像理演算法，一般都要進行預理，比如FCN，如果不對圖像進行，那麼計算量將會非常巨大，甚至本無法實施。

但對於CNN來說，預理並不是必要的，很多時候，甚至可以直接用原始圖像，作為輸數據。

所以，CNN的實用價值也是非常顯著的。

江寒所知道的，就有手寫識別、語音識別、檢測、人臉識別等許多應用方向。

「當年」震驚世界的圍棋AI程序，阿法狗，其核心中也包含了卷積網路CNN。

可以說，有了卷積神經網路，計算機視覺這個領域，才迎來了革命的進步……

江寒花了好幾天時間，終於將這篇論文寫了出來。

反覆校對，覺沒什麼問題之後，就投給了一區期刊ICML（InternationalConferenceonMachineLearning）。

這時，距離新年只剩下三天。

就在這樣的忙碌中，時間走到了2012年最後一天。

12月31日晚上。

江寒臨睡前，忽然發現信息欄里跳出了一行紅字提示。

【學點已償清，系統UI重啟中……】

【重啟功……】

【震驚商城重新激活，虛擬空間已開放……】

【界面重組中……重組功】

江寒打開系統UI面板。

【學點：1，24】。

可用的學點終於不再是個負數了。

江寒欣喜不已。

然而，就在這時……

【警告：宿主剩餘壽命已不足十年！】

【注意：這不是顯示BUG，這不是BUG，這不是！】。