<>张天佑其人名声不显，他老爸却是天下闻名：华夏富豪榜第7位的地产商张佳林。
这个张佳林也是个传奇人物，出身于新汉帝国的顶级权贵张家，却破家而出，创下了偌大一个基业。
张天佑是张佳林的独子，平时比较低调，很少在公开场合露面，也很少在网上发声。易诚事先也想不到，这个经常给自己打赏的土豪竟然来头如此惊人。
张天佑的“天佑娱乐”在游戏界也算有名气。
网传张天佑几年前曾是个浪荡子，在大学期间就夜夜深杯酒满，眠花宿柳；要不就是开着超跑到处找人飙车，寻衅闹事，被公认为是前朝贵族圈子里最不成器的一个小辈。
于是3年前张佳林丢了5亿给儿子玩，免得儿子大学毕业后还天天跟狐朋狗友鬼混，惹是生非。
而张天佑也争气，他就以这5亿创办了“天佑娱乐”，憋足了一股子劲要证明自己，洗刷别人对他的偏见。
这3年来天佑娱乐自主开发了多款大型网游、页游和手游，也代理过不少游戏，已经将5亿资产翻了一倍，由此可见张天佑确实有不错的管理运营能力。
易诚把网上找到的照片和视频里的人对比一下，丝毫不差。果然是张天佑本人。
他坐在笔记本电脑前沉思起来。
见他不说话，张天佑眉头一挑，傲然一笑：“老哥的为人，你可以去打听打听，从来不坑朋友。坦白对你说，老哥我本人是不喜欢玩你这款游戏的，但是我老爸派来帮我的人对这款游戏很看好。老哥一直都很相信这几个人，所以这几年才能赚到不少钱。你放心，把‘最萌宠物’交给老哥，老哥我一定让你赚得盆满钵满。”
易诚这才笑了笑：“对老哥呢，我说不上信任，也说不上不信。那就先谈谈吧，我们彼此都还不够了解，先谈谈再说。发行权也好，版权也好，没什么是不能谈的。”
“那也好，你什么时候有空？”
“除了高考那几天外，都有空。”
“差点忘了，你还是高中生，”张天佑笑得眉飞色舞，“那先这样吧，我们交换一下电话，老哥我最近有事要出国一趟，我会让公司其他人先来和你碰个头的。”
“没有你到场，谈了又有什么意义？做生意的是你和我，不是其他人。”易诚淡淡地说了一句。
张天佑哈哈大笑：“那行，等老哥我处理完手头的事情再见面吧。过阵子我确认一下日程安排，再和你联系。”
交换完电话号码后，易诚直接说“拜拜”，叉掉了视频。
就连瞎子都能看得出“最萌宠物”的潜力，张天佑抛来橄榄枝易诚并不意外。
如果想要继续推广“最萌宠物”，借这个IP赚更多的钱，不但卖游戏，还卖周边，甚至以后拍电影……肯定是得砸钱宣传推广一波的。
“一诚电子”现在并不具备砸钱的条件，也没有足够的员工来经营IP，所以找人合作是一种必然。
至于张天佑可不可信，他给的条件会不会合适……还是那句话，谈谈再说吧。
易诚给自己泡了壶茶，慢悠悠地喝完。今天的直播时间已经很长了，等到晚上才会再直播一会；给伏羲的视觉识别训练陷入了困境，易诚决定还是攒钱买培训项目，自己还是别亲自来训练了，效率低下，耽误自己宝贵的时间。
其实伏羲是能进行无监督学习的。
所谓监督学习，就是我们告诉人工智能某个特定输入的正确答案。比如指示给人工智能一幅汽车的图像，并告诉它正确答案是“汽车”。
这种学习方式之所以被称为监督学习，是因为学习的过程类似于成人向年幼的孩子展示图画书。
成年人知道正确的答案，孩子根据前面的例子做出预测。这也是训练神经网络结构的人工智能和其他类型人工智能学习体系结构最常用的技术。
比如说，告诉人工智能，自己所居住的城市中大量房屋的描述及其价格，让人工智能尝试预测你自己家房子的售价。
重要的是“告诉”这一环节，必须有智力正常的成人作为监督者。
而无监督学习，则是智力达到一定程度的生命体独有的能力。
比如人类和大多数其他动物的学习，是在生命的前几个小时、几天、几个月和几年，以没有人监督的方式学习：我们通过观察、发出行动与世界接触，得知我们行动的结果，以此来了解世界如何运作。
没有人告诉我们所看到的每一个对象的名称和功能，但我们能学会非常基本的概念，比如世界是三维的，物体不会自行消失，没有支撑的物体会往下落。
伏羲也是有这种能力的。所以要让它独立发展出高级的视觉识别能力，也不是不可以，但需要非常强大的硬件基础，以及非常漫长的时间。
而接受培训项目，也就是接受“监督学习”，能大大缩短这一过程。
视觉识别能力，其实不像人们想像的那么简单。比如，一个智力正常的人类漫步在小区里，看见一条萨摩耶和一条吉娃娃，虽然它们的外表相差很大，体型也不是一个量级，但我们能一眼就认出，它们都属于“狗”。
看到两条不同的萨摩耶，我们能很快分辨出，这条是楼上老李家的，那条是隔壁老周家的。
但是对于人工智能而言，图像只是一串数组。
伏羲的核心成分借鉴了深度学习系统，在深度学习系统中有一个特别有用的架构被称为卷识神经网络。
当人工智能需要识别一个图像时，它首先检测组成这个图像的那一串数组内的一小部分，由部分到整体。
例如物体的边缘，在第一层卷识神经网络中能够被轻易检测出来。
而神经网络的下一层将检测这些简单图案的组合所形成简单形状，比如汽车的轮子，马的尾巴上的毛，蝴蝶翅膀上的鳞片，人脸的眼睛。
再下一层将检测这些形状组合所构成的物体的某些部分，例如人脸、腿部，马的尾巴，蝴蝶的翅膀。
神经网络的最后一层将检测刚才那些部分的组合：一辆汽车、一架飞机、一个人、一匹马、一只蝴蝶等等。神经网络的深度使网络能够以这种分层次的方式识别复杂模式。
但是想要人工智能学会识别这颗星球上的万事万物，数十亿各不相同的人类和动物，就需要经过大量样本数据库的训练。这也是为什么伏羲需要那些大数据公司提供的训练项目。<>