文娱救世主-第203部分
按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
专注网站架构研发这个本业的同时，扎克伯格一有空闲就跟着杰夫。辛顿教授厮混，研究深度学习算法在社交网络方面的应用，据说已经取得了一定的应用场景，在电邮和越洋电话里多次向顾诚汇报过进度。
为了激励人心，顾诚也打算给萨维林、扎克伯格和李莹这几个对yy网推广/研发有明显贡献的家伙一些低价的绩效股认购权。不过当然不会是一次性给完，而是跟另一个时空马风驾驭阿狸系一样，按照每年的成果分批放出，保证激励的持续性。
……
元旦过后，听取完所有汇报，梳理完名下三大产业管理层的奖惩工作，算算日子距离传奇娱乐的纳斯达克上市，已经不到一个月了。
因为03财年的财务报表非常完美，纳斯达克那边的排队公示日程没有受到丝毫拖延。
米国人是不过春节的，为了不耽误敲钟，在集团新晋cfo柳倩的反复催促下，顾诚只好做好在米国过新年的准备了。（未完待续。。）
第38章 可怕的女强人
麻省，波士顿。
yy网络科技的米国子公司注册在加州旧金山，但在东海岸的波士顿依然有办事机构。
本时空的扎克伯格还没从哈佛退学呢，不能长期离开波士顿。虽然他们已经几乎不去学校上课了，全心全意扑在yy网和“深度学习的社交应用”这些课题上。
元旦的时候，柳倩正式被任命为诚品控股的cfo，统筹集团旗下所有公司的资本运作和股权融资，然后就提前飞到东海岸，在纽约各方斡旋，为传奇娱乐的纳斯达克之旅做最后冲刺。
03年上半年时还在艾科诺公司当cmo的“麻省玫瑰”李莹，也在yy网走上正轨后第一时间向顾诚伸出了橄榄枝，顾诚也非常果断地把这个23周岁、才华横溢的美貌御姐揽入帐下，改任yy网络科技米国公司的cmo。
所以眼下yy米国公司的高层布局大致是这样的：萨维林担任coo，主打运营制度建设；扎克伯格担任cto，分管技术布局；李莹做cmo，在外面勐打勐冲推广、连横合纵交际斡旋。
2004年的春节来得特别早，1月20前后就过年了。米国人虽然不过年，但大学的学期设置倒是和华夏挺吻合的，1月15就寒假了。
顾诚既然要来米国，顺带着去了一趟哈佛，把他“大二上学期”的一些手续给办了，学分统统拿成果抵，偶尔参加一两场答辩和讨论，也都是哈佛计算机系的教授有实打实的事情想请教。
萨维林和扎克伯格没顾诚那么自由，好歹参加了几门主课的考试，然后才能享受寒假。
这是一个很奇怪的组合，每一个人看上去都有远远超出在校生的成熟和能力，但某些方面又保留了在校生的青涩和冲动，乃至随性妄为。
但这就是生活，没什么好嫌弃其逼格的平行时空的扎克伯格，在创业的最初大半年里，也是这幅德行。后来跟肖恩。帕克甚至彼得。蒂尔混成一个圈子之后，才渐渐洗褪了学生气，并最终退学远赴加州。
……
还是原来的地盘，还是熟悉的味道。
飞到米国之后的第三天，办理完哈佛的学期手续。
波士顿汉考克大道尽头的哈佛会所，顾诚要了个豪包，跟身在米国的同僚小聚了一下。
“大家这学期都很努力，yy网能够得到第一个100万用户，是非常关键的一步，我敬大家一杯。”
顾诚端着亲民的自由古巴，跟其他几个人都碰了一杯。
今天的聚会有六个人参加，顾诚并没有带表姐，怕潘洁颖不适应这种米国式的疯玩聚会，所以把她丢在了纽约，一个人宅曼哈顿的别墅。
除了顾诚之外，另外五个人便是李莹、萨维林、扎克伯格，以及萨维林和扎克的女朋友，三男三女。也算是yy网的年会庆功宴了。
扎克果然换了女友，新女友不出意外是普利希拉。陈，是10月底一场哈佛聚会上认识的。不过因为扎克看上去比另一个时空同期更成功了一些，普利希拉陈主动接近对方的动机就看起来更功利了一些（按照史实，是普利希拉陈在酒会上主动假装喝醉求扎克送回家）。
不过扎克似乎就好这一口，对这些细节也浑不在意。
今晚的小聚，是普利希拉陈第一次见到顾诚和李莹。在这种场合看到其他华人，还是让普利希拉陈颇有些套近乎的想法。
无奈顾诚多多少少有点颜控，对实在太丑的女人连交个普通朋友的兴趣都欠奉，刚看到普利希拉陈的时候，他简直被那个又丑又胖又老气的女人吓到了。所以他基本上全程不搭理对方。
还是李莹出于礼貌，跟普利希拉陈聊了几句；但后者显然不愿意成为麻省校花的反面衬托，不冷不热的。
大伙儿稍微喝了几杯，萨维林和扎克各自带着女朋友去大厅里跳了两支拉丁舞。酒桌上只留下顾诚和李莹两人。
如今的yy网不过才刚刚拿到第一个100万用户，而且并没有显露出可以在msn和myspace围堵下杀出一条自己的路来的趋势，所以也就远不如另一个时空成型后的facebook那样市值庞大。
按照资本市场的资深风投机构评估，刚刚成立才一个学期的yy网也就估值三四千万美元。萨维林和扎克所持有的期权股，眼下也就值百来万美元。
百万富翁在哈佛一抓一大把，一砖头下去都能砸到好几个，所以他们还能很玩得开，一点都不需要端着富豪的逼格。
李莹看着在楼下舞池灯光里跃动的男男女女，很想不通地吐槽：“真是搞不懂白人的审美，竟然觉得这样的妹子才漂亮？”
顾诚看着美貌御姐憋着一脸岁月静好故端庄的姿态，也有些忍俊不禁，玩味地调戏了一句：“怎么？难道你看上了小扎，吃醋不成。”
“去你的！谁看上他了，我只是觉得这世界太奇怪了，丑女居然有销路。”李莹脸色一红，幽怨地剜了顾诚一眼，“你明知道我多忙，根本没兴趣想男女交往的事情。”
顾诚知道玩笑有点开过了，也不怨御姐撒娇，见好就收地帮李莹戳穿了心结：“也不能叫‘白人审美都这样吧’，要是wasp都好那一口，你‘麻省玫瑰’的雅号怎么来的？只能说犹太男人偏好这一口。
你别看普利希拉长得丑，她跟邓文迪丑得是一个路数：脸看着老气、各种纹路明显，法令纹尤其深，鹰准深目，典型犹太人偏爱的脸型。所以咯，当年默多克怎么中招的，今天小扎就是怎么中招的。”
“噗嗤~哈哈哈太逗了，不行你让我笑一会儿。”李莹被顾诚的分析逗得笑靥如花，越想越觉得有道理，此前那些因为觉得“白人认为普利希拉那种样子的华裔女人才算美女”而消沉的心情，也重新被点亮了起来。
李莹笑得眼泪都出来了，好不容易收住，才欣慰地搂了一下顾诚的肩膀：“还是你说话中听，懂得欣赏东方美女。早知道今晚应该化点妆的，女为悦己者容么。这两年在米国，我特么都快忘掉怎么化妆了，那群白人根本就是有眼无珠的坑货啊！想想巴黎女装节捧出来的华人女超模都是吕燕那种长相，我都觉得恶心。”
“我也恶心，那就敬一下亚洲人的审美吧。”顾诚拿起酒杯，随和地跟李莹喝了一杯。
李莹放下杯子，脸色有些绯红：“你不请我也跳一支么？听说你早年受虐一样被逼着练过一年半舞蹈，我很想见识见识。”
这番话按说是有点失礼的。毕竟哪怕是在娱乐圈，dancer也是最底层的存在，再往上才是歌手、演电视剧的、影星、导演……
顾诚如今家大业大，李莹还提他15岁时被s…m当练习生“奴役”的经，换个敏感点的男人早就发作了。
幸好，顾诚是个极度自信的性情中人，根本没有任何关于逼格的敏感，也不怕被人当成暴发户。
要是不接招，岂不是反而被人当成不够我行我素、被自己的过往束缚住了么。
“行啊，不过到时候可别怪我放得太开。”顾诚一点都不矫情，搂着李莹的腰就往外扯。
楼下的舞池里正放着弗拉明戈的舞曲，顾诚基本功好，什么都能往上凑。倒是李莹没受过任何训练，很快就被顾诚拖拽得东倒西歪，索性彻底不用力任人摆布。
“原来跳舞这么舒服，这么轻松，一点都不累。”李莹觉得浑身暖洋洋地，就像煮在温水里的青蛙一样懒得挣扎，眼神也迷离起来。
顾诚好气又好笑：“你当然轻松了，累都是我在累没见过跳弗拉明戈的时候杵得跟个陀螺似的，全靠男人使劲儿帮你转。要是再沉点儿，我绝对把你摔地上。”
“知道你怜香惜玉，那我也奖励你点好处。”李莹被转得头晕，索性环住顾诚的脖子，趴在他耳边低语，“小扎应该没和你说，他最近跟辛顿教授一起鼓捣弄出了一套图片识别的软件雏形，但目前还没法商用吧。”
顾诚心中微微一凛：“有什么正事儿刚才不能说，非要跳舞的时候才来说。他跟我提到过他做出过这么个玩意儿，但是识别率太低了，需要进一步优化算法，而且至少再经过三个月的内测学习、辅以人工的数据标示，才能有点眉目。”
史上，机器学习这门学科刚刚诞生的时候，最初盯上这门学科的就是拉里佩奇和扎克伯格这俩货。前者做了谷歌的图片搜索引擎，后者做了facebook的人脸识别技术。
何况，顾诚当初跟扎克伯格打赌时候赌的“如何识别图上是不是一只猫”课题，已经带来了很大启发。扎克伯格这学期里对这个课题组织力量勐攻，取得如今这么多阶段性成果一点都不值得奇怪。
以顾诚的专业眼光，估计至少还要一年半的努力，才能勉强拿出点够商用的成果。
李莹在mit本科上的就是计算机系，算是典型的复合型人才。如今虽然不搞研发，但技术部门弄出来的成果她光看好歹还是能看懂的。至于她整体的判断，更多是基于自己数年来的摸爬滚打。
对于顾诚的武断，她并不以为意，反而坚持自己的看法：“其实我也给他泼过冷水了，说市场部门目前完全不需要这种残次品的技术，好让他不要居功自傲。但实际上我有想过，这门技术有一个更好的短期市场应用场景只不过不是在米国，而是在华夏国内，给你那个人人网用。”
顾诚眉毛一挑：“我们去那边坐一会儿，慢慢说。”
李莹毫不犹豫地拒绝了顾诚的提议：“不，我就喜欢这种状态，思路特别清晰。你敢把我放下，说不定我就想不起来了。”（未完待续。。）
第39章 剑魔方可御残剑
“小扎那个图片识别的雏形软件做出来之后，我看过内测报告，想要在一张照片上识别出人脸来，只有不到10％的成功率。要是想进一步识别这张脸是谁，就更可怜了，准确率1％都不到而且是在内测时被识别样本只有10000人的基础上。要是选项更多一些，误读率就更高了。这份测试报告，你应该在小扎的邮件里见过吧。”
李莹轻柔地跟着顾诚的节奏，渐渐有点儿弗拉明戈的意思了。嘴里说着的，却是严肃得不能再严肃的生意话题。
因为是在舞池里，双方都怕说话声音太响泄密，只能贴着耳朵说，这场景实在是很诡异。
顾诚也附耳说道：“看过，这方面我可是专业的，我估计他这套软件，至少还要半年的时间，才能把‘识别照片上某个区域是不是一张人脸’这个判断的正确率提高到30％，至于认出这张脸是谁，没两年时间想都别想。”
人脸识别技术是用机器学习解决模煳算法问题的典范，史上facebook对该项技术最早的应用场景，就是让用户在分享照片之后，一旦点击照片上的人头位置，软件就可以自动识别出这个位置是一个人头，然后形成一个方框，让用户可以往里面填写名字。
如此一来，一张有好多人合照的照片，就可以被一个个标注上合影人的名字了。
这项技术再往下发展，某些人被标注得多了，数年后就可以形成“鼠标点到照片上的某个头像上，自动跳出这个人是谁”的功能。
再往后，则是人们常见的“智能手机拍照时自动识别哪里有人脸、以便自动对焦”乃至支付宝的“刷脸识别”。
那都是第二代、第三代人脸识别技术了，比如deepid，起码再有七八年的技术积累才可能实现。
初代的人脸识别技术，在平行时空的华夏sns社区领域也有过应用人人网的个人空间里，照片也都是可以对着人脸写名字的。
但那个时空的人人网技术不太扎实，在网站衰落之前也没做到“机�
