第一百一十七章，初见(第 3/3 页)

    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’是什么？”逻辑完美，但似乎少了一个环节，费根鲍姆很快找到了关节。

    这也正是姜斌预留的口子，他当然知道‘消息’是什么，但就像要吊人胃口一样，总要留些内容的，于是对着费根鲍姆，道，“我不知道，但我知道方法，我需要时间去推导……”

    果然，费根鲍姆对于姜斌口中的方法非常关注，这让他意识到推导的可能性，也许正是打开人工智能死胡同的钥匙，因此倒是没有丝毫的犹豫，伸出手道，“欢迎加入我的团队！”

    姜斌终于松了口气，这算是过关了，至少专业得到了肯定，因此兴奋的答道，“非常荣幸。”

    “我这儿还有一个助教的职位，不知你是否感兴趣？”似乎为了表示对姜斌的重视，费根鲍姆倒是不吝啬的再次抛出一个邀请。

    “teaching assistant？or graduate assistant？”助教是教授雇佣的，也可算作学校的工作人员，不仅有工资拿，地位也还可以。但对他来说，却有一个坑，还是确认一下好。

    要知道助教也分授课型的和研究型的，这两个类别，差距可是很大。

    授课型助教，顾名思义，就是负责协助教授们完成授课任务，所以工作内容包括审核考勤、批改作业、准备试题、辅助备课、邀请嘉宾等等，简直就是个专职秘书，累的要死。姜斌可不想每周完成自己的学习任务外，还要解答学生们一大堆跟学习直接和间接的问题。

    而研究型助教，则轻松的多，只需要负责教授们布置的研究内容，而不需要直接对接学生，这样正好遂了姜斌的意，有更多的时间放在研究上。

    “当然是后者！”

    有些心想事成地感觉，答案正是姜斌期待的那个，于是欣然地回道，“谢谢！我非常感兴趣，愿意接受您的邀请。”

    ps：进入两周的出差时间，估摸都得一章了。