库克教授🕕的主要研究方向“计算复杂性理🞭🗛论”，这种专业术语大多数人肯定🃍🖡听不懂，
用两句人话翻译一下，大致就是这样的：
首先，用一台电脑来🆁🌢假设人脑面对问题时的处理模型。比如，当一个人走进一个满是人群的礼堂时，想知道“礼堂里有没有我认识的人”这个问题的答案，那么他就得一步步搜寻，从头到尾一个个认，如果全部人看完都没有一个认识的人，才能得出“礼堂里没有我认识的人”。而只要找到一个认识的人，就🞍💶能下“这里有我认识的人”的判断。
所以，常识一🔯🄋🟑般认为，“从科学严🚕谨的角度而言，证明一件事情比证伪一件事情要耗费更多的判断/计算资源，因为证伪😲只需要找到一个反例就可以结束论证、不再继续往下耗费计算资源。而证明需要推翻所有反例”。
可是实际情况下，人脑在“不刻意追求绝对科学严谨”的前提下，做很多大致粗略的判断🆜🐗时，要比🚩🕿电脑快得多。
比如让人看一张照片，判断照片上的东西是不是“猫”，人一眼就判断出了，而不需要去验证“图片上这个疑似猫的生物是否有xxxxx等生物学上的特征”🞁👌。
换句话说，人类懂得如何🄿抓大放🃮🛍🛈小、用“模糊算法”尽快得到一个勉强可用、但不太严谨🆜🐗的结论。
而1980年代以前，人类根本🃮🛍🛈就不知🞻🙕道如何让计算机“不严谨”。
所以计算机在求解一切问题时都是🚕用😖🁕严谨到爆的暴力算法硬扛的，导致很多因为分支可能性多到天量级别而无法穷尽的问题，计算机就没法解决。
比如围棋。因为🙱哪怕以2010年代的计算机硬件运算速度，如果要暴力算法“科学严谨”地穷究一切可能性，全🁚世界的计算机加起🙺🏜来分布式运算都算不动。所以在那种思想指导下，人类只能满足于“用暴力算法攻克国际象棋之类穷尽运算量也不大的脑力运动”。而平行时空的“阿尔法狗”干掉那么多高手，就绝对不能靠近乎低能儿蛮干的暴力算法。
斯蒂芬.库克的毕生研究，就是在解决“如何让计算机在资源不允许其彻底严谨的前提下、学会像人脑一样抓大放小、用有限🙴🎧📚的计算资源得到一个相对准确的大概结果”。
顾诚觉得，或许多伦多大学计算机系里，在库克麾下，藏着更多从不同角度🃍🖡试🉆🅈🄥探这一领域的人才。而杰夫辛顿有可能只是因为历史的选择而恰好最早在人工智能领域🖅🐎⚔出头引起了重视。
但这绝不代表这一体系🝳🏎😹内，其他分🚕支的人才就没有🏹🟁🚌价值了。
如果可以折服史蒂芬.库克教授，对于顾诚的全盘、系统挖人大计🖕💛💤，显然是🃍🖡很有帮助的。
……
下🎾🖫午3点，密西沙加校区🄿，神经网络实验室。🅱🐹
顾诚见到了🂵早已收拾妥当、一脸局促的杰夫.辛顿教授。
还有成名天下垂🙱20载、刚刚从圣乔治主校区风尘仆仆赶来的史蒂芬.库克教授。
一番简单的客套之后，顾诚说出了此行的主要来意，首先向🃴杰夫辛顿发出了延揽的邀约，而且出价不菲。
“辛顿教授，我可以为你成立一个基于‘深度学习算法’的研究所，你个人可以得到200万美元的年薪，以及每🁚年1000万美元的研究♈🆞🐩经费，合同期至少5年。你的助手和带的研究生，我也可以给予最优厚的条件。唯一的问题是，你可能会终生失去在学术界的地位。你的论文只有很少一部分有发表的潜力，而且还得签保密协议。你自己看着办吧。”
用两句人话翻译一下，大致就是这样的：
首先，用一台电脑来🆁🌢假设人脑面对问题时的处理模型。比如，当一个人走进一个满是人群的礼堂时，想知道“礼堂里有没有我认识的人”这个问题的答案，那么他就得一步步搜寻，从头到尾一个个认，如果全部人看完都没有一个认识的人，才能得出“礼堂里没有我认识的人”。而只要找到一个认识的人，就🞍💶能下“这里有我认识的人”的判断。
所以，常识一🔯🄋🟑般认为，“从科学严🚕谨的角度而言，证明一件事情比证伪一件事情要耗费更多的判断/计算资源，因为证伪😲只需要找到一个反例就可以结束论证、不再继续往下耗费计算资源。而证明需要推翻所有反例”。
可是实际情况下，人脑在“不刻意追求绝对科学严谨”的前提下，做很多大致粗略的判断🆜🐗时，要比🚩🕿电脑快得多。
比如让人看一张照片，判断照片上的东西是不是“猫”，人一眼就判断出了，而不需要去验证“图片上这个疑似猫的生物是否有xxxxx等生物学上的特征”🞁👌。
换句话说，人类懂得如何🄿抓大放🃮🛍🛈小、用“模糊算法”尽快得到一个勉强可用、但不太严谨🆜🐗的结论。
而1980年代以前，人类根本🃮🛍🛈就不知🞻🙕道如何让计算机“不严谨”。
所以计算机在求解一切问题时都是🚕用😖🁕严谨到爆的暴力算法硬扛的，导致很多因为分支可能性多到天量级别而无法穷尽的问题，计算机就没法解决。
比如围棋。因为🙱哪怕以2010年代的计算机硬件运算速度，如果要暴力算法“科学严谨”地穷究一切可能性，全🁚世界的计算机加起🙺🏜来分布式运算都算不动。所以在那种思想指导下，人类只能满足于“用暴力算法攻克国际象棋之类穷尽运算量也不大的脑力运动”。而平行时空的“阿尔法狗”干掉那么多高手，就绝对不能靠近乎低能儿蛮干的暴力算法。
斯蒂芬.库克的毕生研究，就是在解决“如何让计算机在资源不允许其彻底严谨的前提下、学会像人脑一样抓大放小、用有限🙴🎧📚的计算资源得到一个相对准确的大概结果”。
顾诚觉得，或许多伦多大学计算机系里，在库克麾下，藏着更多从不同角度🃍🖡试🉆🅈🄥探这一领域的人才。而杰夫辛顿有可能只是因为历史的选择而恰好最早在人工智能领域🖅🐎⚔出头引起了重视。
但这绝不代表这一体系🝳🏎😹内，其他分🚕支的人才就没有🏹🟁🚌价值了。
如果可以折服史蒂芬.库克教授，对于顾诚的全盘、系统挖人大计🖕💛💤，显然是🃍🖡很有帮助的。
……
下🎾🖫午3点，密西沙加校区🄿，神经网络实验室。🅱🐹
顾诚见到了🂵早已收拾妥当、一脸局促的杰夫.辛顿教授。
还有成名天下垂🙱20载、刚刚从圣乔治主校区风尘仆仆赶来的史蒂芬.库克教授。
一番简单的客套之后，顾诚说出了此行的主要来意，首先向🃴杰夫辛顿发出了延揽的邀约，而且出价不菲。
“辛顿教授，我可以为你成立一个基于‘深度学习算法’的研究所，你个人可以得到200万美元的年薪，以及每🁚年1000万美元的研究♈🆞🐩经费，合同期至少5年。你的助手和带的研究生，我也可以给予最优厚的条件。唯一的问题是，你可能会终生失去在学术界的地位。你的论文只有很少一部分有发表的潜力，而且还得签保密协议。你自己看着办吧。”