时。我在加州理工学院 学习数学和计算机科学，那段时间非常棒。在那期间，有一篇非常有名的论文发布了，那就是 等人在 的“猫论文”，这是我第一次接触深度学习的概念。 这种技术让我感到惊艳，那是我第一次遇到这种配方：强大的通用学习算法、巨大的计算资源和大量
的数据结合
在一起时，会发生一些神奇的事情。我大约在 新加坡邮件列表 年 年左右接触到这个想法，当时我就觉得这将是我未来要做的事情。 显然，要做这些工作必须去读研究生，于是我发现 在斯坦福，她当时是世界上少数几位深入研究这一领域的人之一。当时是从事深度学习和计算机视觉的绝佳时机因为这是技术从萌芽期走向成熟并广泛应用的时刻。 那段时间，我们看到了语言建模的开端
也看到了区分
性计算机视觉的起步——你可以通过图 为社交媒体创建引人入胜的视频内容的六种有效方法 片理解其中的内容。这段时间还出现了我们今天称之为生成式 的早期发展，生成图像、生成文本等算法核心部分也是在我读博期间由学术界解决的。 当时每天早上醒来，我都会打开 Xiv 查看最新的研究成果，就像拆圣诞礼物一样，几乎每天都有新的发现。过去两年里，世界其他人也开始意识到，每天通过 技术有新的“圣诞礼物”收到。
但对我们这些从
事这个领域十多年的人来说，这种体验 AFB 目录 早就有了。 显然，我比要年长得多。我是从物理学进入 领域的，因为我的本科背景是物理学。物理学是一门教你思考大胆问题的学科，比如世界上未解之谜。在物理学中，这些问题可能与原子世界、宇宙相关，但这种训练让我产生了对另一个问题的兴趣——智能。因此，我在加州理工学院做了 和计算神经科学的博士研究。和我虽然没有在加州理工学院重叠过，但我们共享相同的母校。 还有相同的导师 是的你的本科导师也是我的博士导师，
