。
两人落座，一阵关于天气的寒暄之后，呷了一口咖啡的费根鲍姆，转入了正题，“我看过你的论文，特别是你关于概率的阐述，非常的感兴趣，不知你是怎么想到的？”
姜斌在论文中阐述的想法，正是这个时代缺乏的。人工智能处理不确定性问题的方法很多，但都有一个共同的缺陷：他们模拟专家，而不是模拟世界，因此往往产生意外的结果。
姜斌的方法倒也简单，平平无奇却又激进：将概率作为常识的守护者，仅仅修复计算缺陷，而不是创造新的理论。更具体地地说，不像以前一样，以一张巨大地表格来表示概率，而是用松散耦合地变量网络来表示。
方法简单，但却有可操作性和开创性，因此姜斌倒也没谦虚，“谢谢，我的想法来自于大卫.鲁梅哈特。”
“鲁梅哈特？神经网络？”作为计算机界的大拿，对于重量级专家的文章都是耳熟能详的。因此，姜斌稍稍提起，费根鲍姆就想到了出处。
“是的，就是鲁梅哈特。我在阅读他文章的时候，确信任何人工智能必须建模在我们所知道的人类神经信息处理的基础上，并且不确定性下的机器推理，必须用类似消息传递的体系结构来构建。”
对于姜斌的阐述，费根鲍姆，听的特别认真，每一个词都在细细推敲。人工智能已经沉寂了很久，很多人都在埋头寻找方向，因此姜斌的建议彷佛给他推开了一个门缝，好似看到了一丝亮光。
“我明白，但是‘消息’
第一百一十七章，初见(4/6)