在连续失败了将近两个月之后，某天凌晨三点，他趴在键盘上半睡半醒。脑子里突然蹦出来一个念头。

    如果不让梯度穿过所有层呢？

    如果给它开一条捷径呢？

    他一下子坐直了。

    思路很简单。

    假设网络有两层，输入是x，经过两层运算之后的输出是F(x)。正常做法是直接用F(x)往下传。

    但他的想法是，不要让网络去学习F(x)这个完整的映射，而是让它只学习F(x)和x之间的差值，也就是F(x)-x。最终输出变成F(x)+x。

    这个“+x”就是捷径。

    就是残差连接。

    它的意义在于，哪怕F(x)学废了，输出至少还有一个x兜底，不会比什么都没学更差。

    更关键的是，梯度可以沿着这条捷径直接回传到前面的层，不用再经过所有中间层的连乘衰减。

    梯度消失的问题，被这条捷径绕过去了。

    他当天晚上就写了代码。

    第二天跑了一个二十层的测试。

    然后是三十层。四十层。精度不仅没有下降，还在持续攀升。

    他又花了两周时间反复验证，排除过拟合、数据泄漏等一切干扰因素。

    最后把层数推到了五十。

    5.08%。

    和人类标注员打了个平手。甚至略微超过。

    任少卿睁开眼睛，盯着天花板看了很久。值班间的日光灯管有一根坏了，一明一暗地闪着。

    “少卿哥，这个结果……”

    陈立秋把擦了无数遍的眼镜重新戴好，声音压得很低，

    “能发顶会吧？”

    “不止能发。”

    郑宇航已经从最初的激动中回过神来了，他盯着屏幕上的损失曲线，

    “这东西要是公开出去，整个领域都得重新洗牌。以前大家默认深层网络没法训练，所有人都在十几二十层的范围里卷。现在这个假设直接被推翻了。”

    任少卿没说话。

    他站起来，走到机房那面闪烁的绿色光墙前面，双手插在冲锋衣口袋里。

    兴奋吗？当然兴奋。

    但兴奋过后，一种更复杂的情绪开始往上涌。

    他想起去年在西安交大走廊里，那个黄毛少年对他说的话。

    “你的模型在做大量无效计算。”

    “让模型只用它需要用的那部分脑子去思考。”

    当时他以为那只是一个外行的模糊直觉。

    但现在他回过头来看，那个十八岁的少年说的每一句话，都精准地指向了这个领域未来五到十年的核心命题。

    残差连接解决了深层网络的训练问题。

    但那个少年想要的，显然不止于此。

    任少卿盯着那面光墙，脑子里像打开了一扇被堵住很久的门。

    五十层的残差网络证明了一件事：网络可以做得很深，深度不再是瓶颈。

    那下一个瓶颈是什么？

    他几乎是本能地想到了那个词。

    宽度。

    或者更准确地说，视野。

    卷积网络的每一层只能看到一个局部窗口。

    三乘三，五乘五，最大也就七乘七。哪怕你把网络堆到一百层，每一层看到的依然是一小块局部区域。

    它通过层层叠加来扩大感受野，但这种扩大是间接的，是逐层递推的，不是一步到位的。

    如果数据不是图片呢？

    如果是一段文字，一个句子，一篇文章？

    文字里的语义关联可以跨越整个句子。

    第一个字和最后一个字之间可能存在关键的依赖关系。卷积核看不到那么远。

    循环神经网络可以看到，但它是串行的，一个字一个字往后递，速度慢得要命，而且同样存在梯度消失。

    只不过是时间维度上的梯度消失。

    那如果……

    任少卿摇了摇头，把这个念头暂时压下去。

    他现在面前摆着一堆更紧迫的问题。

    论文要不要写？投哪个会议？实验还需要补哪些对照组？

    一百层的网络还没跑，一百五十层呢？

    目标检测任务上的迁移效果怎么样？

    另外，残差连接这个结构目前只在图像分类上验证过。

    要推广到其他任务、其他数据类型，工作量巨大。

    他手上就两个师弟，根本忙不过来。

    这些问题每一个都很具体，每一个都需要人手、时间和资源。

    “少卿哥。”

    郑宇航不知道什么时候走到他旁边来了，手里端着两杯速溶咖啡，递了一杯过来，

    “你是