27
0【第21期】自从2012年AlexNet开启了深度学习的狂欢，整个AI界都坚信网络越深模型越强。可是当层数堆叠到三五十层时，大家却撞上了一堵令人绝望的叹息之墙，也就是网络退化。模型非但没有变聪明，反而越学越笨。
本期星科技将带你认识这位打破僵局的中国天才学者何恺明。我们将用一个极其接地气的职场企划案审批比喻，为你硬核拆解他那大道至简的天才设计，ResNet残差网络。看一条极简的VIP直达电梯通道，如何保住深层网络的信息不丢失，并在2015年的ImageNet大赛上以152层的恐怖深度历史性地超越人类肉眼识别率。
更重要的是，这套跨越时代的钢铁骨架，至今依然流淌在ChatGPT和DeepSeek等前沿大语言模型的血液中。
期待你在评论区留下你的思考，咱们一起探讨。
- 00:00 深度学习的新信仰：回顾AlexNet开启的“网络越深，模型越强”时代。
- 00:25 2014年ImageNet双雄会：VGG与GoogLeNet的巅峰对决，离人类水平仅一步之遥。
- 01:22 撞向“叹息之墙”：当层数堆叠，模型为何在训练集上离奇“变笨”？
- 02:32 状元何恺明的硬核人生：从广东满分状元到计算机视觉领域的顶级学者。
- 04:09 解密ResNet核心逻辑：抛弃H(x)，改学“残差”F(x)的天才变通。
- 05:10 大白话拆解：如果模型训练是“解方程”，参数规模到底有多恐怖？
- 09:02 职场视角看退化：当CEO遇上层层加戏的“中间层”，原稿的闪光点是如何丢掉的？
- 10:18 恒等映射与保底机制：ResNet如何为深度网络建立性能的“绝对下限”。
- 11:49 152层的神迹：AI首次在准确率上超越人类，残差思想如何渗透进今天的Transformer。
- 13:35 下期预告：从静态空间到流动时间，开启RNN与序列数据的新篇章。
