第86章 视觉新范式（3/3）

“从结构上看，DreamNet并没有什么特别的，比起之前每一层都单独设计的网络，我其实故意希望它变得简单，重复。”

孟繁岐身后的幻灯片展示了一个极其细长的图案，这就是一百多层深的DreamNet结构图。

放大展示它的基本设计，众人发现，它的单层设计非常简洁朴素，只采用了最常规的算子操作。

长长的结构图滚动了起来，观众们都发现，原来每一层并没有任何区别，只是单纯在重复。

由于一百多层的滚动需要太久，在这个严肃的场合显得有些喜感，场内发出了一阵阵笑声。

“那么这里就引出了一个问题，那就是是否单纯地把网络做大作深，就总是可以取得更好的结果呢？”

孟繁岐的这个问题，直到2023年也没有一个理论上的答复，但很显然，巨大的模型还在持续地创造一个个奇迹。

不管是绘画，对话，还是图像操作，都还远没有到达极限。

“我非常希望自己能够清楚地从理论上告诉大家这个答案，但由于能力有限，我也只能给出自己的猜测，那就是Yes。”

“我相信，只要更多更好的GPU，更多更好的数据，以及更大大模型和更好的优化办法，我们就可以持续地创造奇迹。”

“而之前的网络在深度上遇到的阻碍，我认为并不是网络的能力问题，而是我们没有找到合适的办法去优化好它。”

让网络多重复几次，这是很多人都试过的事情，很显然，得到的结果是比原本要差的。

这在传统方法中，不是什么奇怪的现象，很多人都将这个现象解释为维度灾难或者过拟合，没有进行足够深度的探索。

“稍加思索，这显然是一个反直觉的现象，对于更深的网络，我们完全可以将小版本网络的所有参数复制进来，而多出来的部分只要什么事情都不做，这个模型就至少不会更差。”

“但事实上，却并非如此，我相信很多人都观察到了这样的普遍现象，那就是更深的模型反而变差了不少。”