转：“但是我感觉，这种依靠人工提取特征，然后再丢给分类器的方法，是不是存在上限？”

郭长征拿着水杯的手微微一顿，有些错愕地看着夏冬。

他本以为夏冬是要问某道课后题怎么解，或者某个公式怎么推导。

没想到夏冬一开口，直接跳过了基础应用，直奔算法路线的底层逻辑。

这种问题，通常是带研究生开组会时才会讨论的议题。

“你详细说说你的看法。”郭长征放下水杯，语气变得郑重起来。

夏冬在脑海里快速整理了一下语言。

重生前，他只是一个业务程序员，对于人工智能这种前沿领域的底层逻辑和发展路线，他其实了解的不多。

但在这一年里，他经常都会花大量时间用手机和豆包进行深度对话。

从底层硬件架构，到上层算法演进，他把未来十几年科技发展的脉络梳理得清清楚楚。

他知道未来的赢家是谁，也知道哪些技术路线最终被证明是死胡同。

现在的夏冬，如果让他马上手搓一段复杂的底层驱动代码，他可能做不到。

但如果谈论技术的发展方向和宏观架构，放眼整个2009年，没有人比他更清晰。

他现在就是以一个未来技术架构师的视角，在审视当下的学术界。

夏冬开口说道：“老师，我是这么想的。人工提取特征，非常依赖专家的经验。”

“如果我们要识别一张图片里是不是猫，我们就得让人先定义猫的特征。”

“比如耳朵是尖的，有胡须，有尾巴。”夏冬举了一个非常直白的例子。

“但是猫的姿态千变万化，可能会卷成一个球，可能会被挡住一半。”

“光靠人去写规则，写条件判断，根本写不完所有的可能性。”

夏冬看着郭长征，抛出了核心问题：“这种专家系统或者传统机器学习，在面对复杂的现实世界时，其实非常脆弱，对吗？”