第四百五十七章 下周一出结果 (第1/2页)

赵文渊听了这个问题，也没什麽头绪。
　　
　　他其实也不确定韩总的这个数字是不是随便说说的。
　　
　　从计算机系统设计的角度来说，两百毫秒不算是一个很快的数字了，很多高可用系统甚至要求响应时间在五十毫秒以内。
　　
　　就像赵文渊正做到一半的豆汁儿模型，也就是那个基於系统一设计的模型，他已经对着韩路一和江松然夸下了海口，要把单次响应时间做到十毫秒。
　　
　　但是脑机接口，这就是个完全不同的领域了。
　　
　　不过系统瓶颈诊断嘛，还是有流程可走的，第一步是先找到瓶颈在哪。
　　
　　有句老话说得好：你不可能解决一个你看不见的问题。
　　
　　解决问题的第一步就是先看见它。
　　
　　所以赵文渊开口问道：「梦总，梦脑设备现在的单次运行的时间是怎麽分布的?我的意思是说，慢在哪儿了?」
　　
　　梦瑶苦笑了一声，说道：「从我的角度来看，哪儿也没慢，就是要做的事情太多了。侵入式脑机能做到一百毫秒，我也做过一些推测，我猜他们因为把电极直接接在神经元外面，可以直接采集到电信号，解析起来也简单。但是我们的采集方式，中间隔着头皮、颅骨、硬脑膜和脑脊液，信号本来就微弱，还要把电位信号转化成数位讯号。」
　　
　　「采集到信号之後，大部分都是噪声，我们先要进行滤波，然後再做傅立叶变换——光是攒够一次傅立叶变换的采样窗口就得三四百毫秒。这还没完，後面才是我们的算法模型、分类器、模式匹配。现在的八百毫秒，我是看不出还有什麽优化的空间了。」赵文渊听完，对梦脑的计算流程有了大概的了解。
　　
　　他几乎是脱口而出：「这就是为什麽要做自监督训练啊。基於transfrmer架构的模型本身就有强大的高维隐空间。简单的说，我们根本没必要认识脑电信号。」
　　
　　梦瑶听完一愣。
　　
　　赵文渊此时还站在白板前面，又用马克笔把刚才梦瑶描述的流程写了下来。
　　
　　采样，滤波，傅立叶变换，特徵提取，分类器，动作。
　　
　　梦瑶惊讶地看着白板，没想到赵文渊只听一次就把流程图都摸清楚了，这还并不是严谨的讲解，只是她随口一说而已。
　　
　　画完之後，赵文渊说道：「这是一个完全手工的思路。」
　　
　　詹想皱了皱眉头，忍不住出声反驳道：「赵总，这是脑电领域最成熟的做法。」
　　
　　「是吗?」赵文渊说道，「但是在机器学习领域，这已经是不那麽主流的做法了。」
　　
　　这话把詹想又噎了一下，但是又无话可说。
　　
　　毕竟赵文渊确实是机器学习领域的顶级专家。
　　
　　「就拿汤圆举例吧，我们训练的时候不会告诉它哪些特徵是重要的，只要训练的数据足够多，足够准确，这些信号进入高维空间之後，有用的模式自然会有更大的比重，之後再次接受到这个模式的脑电波之後，不管它是信号还是噪声，这个整体都可以被通用模型识别出来，里面的信号部分也可以得到有效的分离。」赵文渊继续解释道。「可是，就算我们能拿到信号，它代表的是什麽意思呢?」詹想问道。
　　
　　在他们现在做的传统方法里，这里需要对设备使用者进行一对一的训练和特徵提取，让模型可以理解一个脑电信号表达的到底是什麽意图。
　　
　　机器学习还能有什麽好办法?詹想想道。
　　
　　「这里就需要用到後训练微调了，现场收集使用者的几个典型动作的脑电波，然後在通用模型的基础上进行微调，我们就能知道哪个波形对应哪个动作了。」
　　
　　「这一步要多久?」梦瑶问道。
　　
　　他们之前的定制阶段可能要花几十个小时，一般使用者无法连续高强度地使用，就可能需要几个星期的时间。
　　
　　赵文渊想了想，说道：「使用云端算力的话，几分钟到十几分钟吧。」在0.5b的模型上进行微调，还能需要多久呢?
　　
　　「这个微调出来的模型，可以把上面大部分步骤都打包进去，新的架构就变成了这样。」
　　
　　赵文渊在刚才的架构图正下方又画了一个新的架构图：
　　
　　采样，模型，动作。
　　
　　梦瑶的心猛地一跳，问道：「一次模型运算要多久?」
　　
　　「几百毫秒吧。」赵文渊说道，然後不等梦瑶和詹想失望，又补充道：「但是我们最近恰好在研发一个新的模型架构，叫豆汁儿。」「豆汁儿?」梦瑶和詹想不禁重复了一遍。
　　
　　两人都在京城生活多年，当然知道这是什麽。
　　
　　把模型都命名成食物的名字，这位赵总还挺恶趣味的。
　　
　　赵文渊不知道梦脑科技的两位高管把这个锅安在了自己头上，名字明明都是韩总起的。
　　
　　

（本章未完，请点击下一页继续阅读）