阅读提示：为防止内容获取不全，请勿使用浏览器阅读模式。
芙·卡莉的进展并不算慢。
仅仅几天的时间，就有了不少成果。
这份速度足以羡煞一众科研同行了。
但某种程度来说。
伊芙·卡莉的进度依然算不上快。
这有点影响林灰的搬运速度。
此前林灰就想过能有一支学术工具人团队了。
没想到想睡觉就有枕头。
学术工具人2号、学术工具人3号……马上就要到位了。
不过这些人是不是愿意当工具人还不好说。
如果这些人也甘当学术工具人的话。
林灰那可是太高兴了。
尽管“学术工具人”听起来似乎是很贬损。
不过相比于大多数黑心老板
林灰感觉他比这些xuefa高到不知道哪里去了。
首先在待遇什么的林灰不会故意盘剥。
而且有前世的经历在。
林灰的科研路线几乎是绝对正确。
就这份道路的正确性就不知道碾压多少学术毒瘤了。
此外，科研路线几乎绝对正确。
也意味着即便是这些学术工具人只需要做莫得理想的学术机器（落实林灰的想法、完善林灰搭好框架的大楼）
他们的名字一样是有机会留在科学发展史史册的。
就这还不够么？
当然，话也不必说太死。
如果这些人不愿意当学术工具人的话，林灰也不强求。
这些人如果愿意从事算法落地方面的工作。
林灰一样是欢迎之至。
至于待遇什么的都好说。
也别说林灰为什么不用國内的人才。
呃，这个时间点相关方面的大牛國内不能说完全没有。
但要么是目前兴趣在别的地方。
要么是被一些大互联网公司当祖宗似的供着。
林灰眼下这宗小庙还真未必对这些人有太大的吸引力。
从人力成本的角度出发，当下反倒是应用歪果在机器学习这方面的人才更划算。
至于说现在用歪果仁会不会影响本国人才培养？
不存在的，在互联网思潮的席卷之下，技术人员学习新知识的速度往往要比普通人所预料的还夸张。
林灰前世正式从事人工智能方面的工作之时，当时差不多是第三次人工智能热潮兴起两三年之后的事情了。
但也丝毫没影响林灰迅速理解前人搞出来的大部分人工智能方面的算法和模型。
而当时林灰只是一个普通的技术人员而已，林灰觉得前世他能做到这个份上，这个时空有心于此的技术人员即便是后来者也能迅速跟进的，总之，林灰不觉得暂时用海外的人才会影响到本国人才的培养。
而且此时用歪果方面的技术人员还有另一重考量。
要知道机器学习是需要使用大量数据。
尽管都说啥机器学习的有效性并不需要以牺牲用户隐私为代价。
但这很多时候都只是漂亮话而已。
涉及到机器学习无论是设计还是训练。
无论是基于文本的开发还是基于语音的开发抑或是基于图像的开发。
相应的程序都离不开大量的数据喂。
没数据喂难道指望相应的模型自己“长大”么？
而数据从哪来呢？
只能是用户。
纵然林灰有前世不少的数据，但那些数据终究是有限的。
最佳的数据获取源终究还是用户。
毕竟用户在时时刻刻生产着数据。
而用哪的数据呢？
按理说我國有最大基数的网民，我國是最不缺各种数据的。
不过截至到目前为止，林灰也没和官方有
本章未完，请点击下一页继续阅读》》