跳到主要内容

落地 — 眼底、药瓶与仓库:深度学习出实验室后的账单

这一章讲三件事: 深度学习在三个「现实任务」上的成绩单——医疗筛查、药企竞赛、 仓库拣货——以及每个成绩背后真实的数据量与人力账;微软这家老牌 AI 巨头为什么 起了大早赶了晚集(组织如何排斥新技术);还有一个反复出现的判据: 实验室里的胜利,要过「没人替你记分、没人替你标注、没人信你的黑匣子」这三关才算数。 它对应原书的三章:新药研发、微软、OpenAI 拣货机器人——原书把它们放在三处, 我们合成一张「落地账单」,因为三笔账记的是同一件事。

1. 顶层全景:出了实验室,规则换了三样​

AlphaGo 赢棋(第 08 章)靠的是一个规则完备、输赢自动记分的封闭棋盘。 把它挪到现实任务上,同样的配方立刻遇到三个新问题,本章三节各对一堵墙:

墙表现本章案例
没有标注现实数据没有现成答案,「得分」要人来给13 万张眼底扫描,55 名美国眼科医生逐一标注1
组织排斥公司内部的既得学派会攻击新技术微软研究员当面拔掉邓力演讲的连接线2
无人记分物理世界没有自动判分的规则仓库拣货:最好的机器人一小时 120 件,只比人工多 25%3

一句话链条:数据要人标注 → 标注意味着领域专家 → 专家属于机构 → 机构有自己的山头和流程 → 所以落地的瓶颈从「算法」挪到了「数据、组织、部署」。

2. 主走查:一张眼底照片的完整数据链​

场景: 印度南部古城马杜赖,阿拉文德眼科医院,每天超过 2,000 人涌入4。 印度近 7,000 万人患糖尿病,都有失明风险5;而全国每 100 万人只有 11 名眼科医生6。 筛查就是看眼底照片里有没有微小病变和出血——医生不够,照片看不完。

一张眼底照片的旅程(2015-2016,谷歌)

[1] 拍摄    马杜赖医院 4 楼,技术人员拍摄患者眼底图像
            ↓
[2] 汇集    古尔山(谷歌工程师,本职做谷歌纸板,用「20%时间」做副业)
            从阿拉文德等来源拿到约 13 万份数字化扫描[^1]
            ↓
[3] 标注    约 55 名美国眼科医生,逐张判断:有没有表明失明将至的病变与出血[^1]
            ↓ (注意:这一步花的是医生的时间——「学习」的成本在这,不在训练)
[4] 训练    神经网络输入图像+标签,自己学会识别蛛丝马迹
            ↓
[5] 验证    2016 年秋《美国医学杂志》论文:识别准确率超过 90%,
            高于美国国家卫生研究院不低于 80% 的建议标准[^7]
            ↓
[6] 部署    卡在这一步:医院无法解释系统为什么这么判——「黑匣子」问题[^8]
            部署「不像部署一个网站」,是一场说服医生、监管者、患者的持久战

这条链上最该记住的是第 3 步: 深度学习没有减少专家劳动,它先把专家劳动 前置成标注,再把重复劳动后置成推理。彭琼芳(项目医学负责人)的团队 开玩笑说自己是从搜索部门转移进谷歌大脑的「癌症」——一个不错的类比: 医疗组像异物一样在工程实验室里生长7。

为什么这件事重要: 这是深度学习第一次在「人命关天」的场景拿出超过行业 建议标准的数字。但原书同样给了冷水的位置——「黑匣子」:医院没办法解释 系统做出一项诊断的理由。辛顿对《纽约客》的表态是: 「任何人说这是一个小问题,都不要相信他。」8

3. 默克竞赛:赢家的天花板​

一场火车的胜利。 2012 年夏(与语音突破同期),制药巨头默克在 Kaggle (一个企业出题、悬赏解题的竞赛网站)上发起比赛:给 4 万美元奖金, 提供一批描述分子行为的数据,让参赛者预测分子如何与人体相互作用,236 支队伍参战9。 辛顿的学生乔治·达尔在西雅图开往波特兰的火车上用「一个非常愚蠢的神经网络」 参赛,几乎什么都没做就排在第七位10。辛顿听完只说了四个字: 「你必须赢。」随后实验室全员上阵,赢了11。

赢了,然后呢? 原书在这里给了全书少见的清醒句:他们赢的方式是 「定量构效关系」——用分子结构数据预测其生物活性的老技术领域,达尔参赛前 连这个名字都没听说过。辛顿的评价:「乔治甚至不知道它的名字, 就把整个领域都消灭了。」12 但作者的判语紧随其后: 「达尔的发现相当于一个调整,而不是一个转型突破。」 彻底变革制药业「还需要很多年」,因为新药研发本身困难且耗时13。

同一逻辑的延伸: 萨特斯基弗那篇 seq2seq 论文(第 07 章的翻译突破), 作者自己说「不是真的关于翻译」——迪恩和科拉多读到后认为它适合分析医疗记录: 「如果你把病历数据排列起来,它看起来就像是你试图预测的一个序列」—— 比如预测某位患者未来 12 个月内患糖尿病的可能性14。 同一个网络,换数据就换行业——这是神经网络的适应性, 也是它让所有行业都觉得自己会被改造的原因。

4. 组织的抗体:微软为什么起了大早赶了晚集​

微软投资 AI 二十多年,付着顶级薪水,深度学习一来,反而成了劣势。 原书借多明戈斯《终极算法》的「部落」说法解释:研究者按哲学分派 (连接主义/符号主义/统计/进化),微软招人时连接主义者还没成气候, 于是高层全是别的部落的人——陆奇的原话: 「说实话,整个微软研究院的上层都不相信它。」15

三个症状,一场比一场具体:

  • 制度性的: 辛顿拒绝微软的理由不是钱,是「堆栈排名」——强制给员工 分出高低、按比例淘汰的考核制度:「这种做法可能对销售人员有好处, 但不适合研究人员。」16
  • 认知性的: 研究副总裁彼得·李亲眼看着深度学习重构了自家的语音识别, 仍然不信——他觉得那是一次性的。直到在犹他州雪鸟城的会议上听了 杰夫·迪恩的演讲,才要求邓力给智囊团讲讲17。
  • 戏剧性的: 邓力站在 20 多名研究员面前讲深度学习的兴起,计算机视觉 专家维奥拉打断:「神经网络从未奏效过。」邓力继续讲,维奥拉走上前, 把邓力笔记本的连接线从墙上拔下来,换上自己的电脑——屏幕上是 明斯基那本《感知机》:几十年前就证明过神经网络有根本缺陷18。 直到会议室里有人(陆奇)问:「这是邓力的演讲还是你的演讲?」

陆奇本人的故事是原书给这节留的镜子:文革中在贫困农村长大, 一所学校只有一名教师教 400 名学生19,复旦读书时一个下雨的周日 留在宿舍,被拉去给 visiting 教授克拉克的讲座占座,一场雨换来 卡内基-梅隆的留学机会20。他在贝尔维尤公园骑一辆「左转把向右拐」的 逆向思维自行车,想证明老公司可以重学——20 分钟后摔倒,髋关节骨折21。 骨折的陆奇后来拄着拐杖飞蒙特利尔挖本吉奥,被拒(本吉奥要留蒙特利尔、 留学术界,只肯谈 AI 不肯谈生意;他说未来的机器人需要睡觉,「因为它们 需要做梦」)22。2016 年 9 月,陆奇离开微软,随后加入百度任 COO23。

同一时期 DeepMind 的医疗线是这节的反面: 苏莱曼(「驼鹿」,叙利亚出生的 伦敦出租车司机之子,牛津辍学)不是科学家,他要在「当下」做出产品24。 DeepMind Health 拿到皇家自由伦敦 NHS 信托的协议,访问 160 万患者横跨 5 年的就医记录——含药物过量、堕胎、艾滋病病毒检测等信息。《新科学家》 披露后,第二年 7 月英国监管机构裁定:数据共享违法25。 同样是医疗落地,谷歌走「标注+论文」的路,DeepMind 走「拿数据」的路, 后者撞上隐私这堵墙。

5. 拣货:为什么机器人不会「拿东西」​

先看 Amazon 出的题。 2015-2017 年亚马逊连办三届机器人挑战赛: 让机械臂从装满杂物的货箱里拣货。最后一届 75 间学术实验室参赛, 奖金 8 万美元26;2017 年 7 月名古屋决赛,10 国 16 队,每队拿到 32 种商品(16 种提前告知、16 种保密),要求 15 分钟拣出至少 10 件27。 冠军(澳大利亚机器人视觉中心)的成绩:约 10% 拣错,一小时约 120 件, 只比人工多 25%28。对比第 08 章的 AlphaGo:同一个年代, 封闭棋盘上碾压人类,开放货箱里勉强追平——差别就是「有没有人记分」。

谷歌的答案:把失败当成训练数据。 迪恩在医疗组之外建了机器人组, 核心成员莱文(莫斯科出生,父母都是苏联暴风雪航天飞机项目工程师)29。 他们在实验室街对面的大开间装了 12 只机械臂,昼夜不停地试错30。 一夜的「惨案」:口红盖子掉了,机械臂花整晚试图捡起没成功,早上满箱 像溅了血。莱文的反应:「如果房间看起来让人焦头烂额, 那我们就走在正确的轨道上了。」31 结果:14 小时训练后,机械臂装箱 准确率约 85%,而研究人员自己动手只有 80%32。

OpenAI 的答案:先在虚拟世界练。 扎伦巴的团队让五指机器手在仿真里 转了相当于一万年的虚拟时间——期间反复改变手指大小、摩擦力、背景颜色 (这个做法后来叫「域随机化」,书里没起名,只描述了做法), 于是真机面对两指被绑、戴橡胶手套、被长颈鹿毛绒玩具顶歪魔方的情况也能复原33。

落地的答案:Covariant。 阿比尔(OpenAI 高薪挖来的比利时机器人学家: 签约奖金 10 万美元、2016 年最后 6 个月工资 33 万34)对「引人注目的演示」 不感兴趣,与两名学生陈曦、段岩离职创业35。ABB 的闭门竞赛里 (约 20 家公司,25 种物品,包括反光的光盘和软胶瓶),多数公司没通过测试, Covariant 的机械臂每项任务都不输人类36。2019 年秋,技术进柏林郊区 Knapp 的仓库:超过 99% 的准确率分拣 10,000 多种物品,一台机器人 顶三个工人37。投资阵营本身就是一幅学派地图:杨立昆看了演示后同意投资, 本吉奥拒绝(「钱多到花不完」,更想专注研究),辛顿投资并评价: 「他很棒……这很令人惊讶,毕竟他是比利时人。」38

6. 作者的判断与证据​

书里给了证据的: 13 万张/55 名医生/90%/80% 的筛查数字链;默克竞赛的 4 万美元/236 队/第七位/两周;微软三个症状的现场细节(拔线、自行车、 堆栈排名引语);亚马逊竞赛的全部数字;柏林仓库的 99%/10,000 种/三个工人。

作者的定性判断,要分开:

  • 「达尔的发现相当于一个调整,而不是一个转型突破」——作者判语, 直接压在辛顿「消灭整个领域」的兴奋之上,是全书对「竞赛式胜利」 的最重要降温13;
  • 对「黑匣子」问题,原书站在辛顿一边(靠测试而非解释来建立信任), 但明确承认这「绝不是一个微不足道的问题」39;
  • 苏莱曼一节带了不少同事视角的负面刻画(「嫉妒和怨恨」等),注明是 「一些 DeepMind 员工认为」——是转述,不是作者的诊断24;
  • DeepMind Health 的「违法」是英国监管机构的裁定,不是作者的评价25。

7. 边界与局限​

  • 成书时(2021 年)糖网筛查还没大规模落地:原书明确说「必须在未来几年内 清除很多监管及后勤方面的障碍」「如果它真的能准备好的话」—— 90% 是论文数字,不是临床普及的证据40;
  • 机器人的对比基准要小心:「85% vs 人类的 80%」是研究人员本人 做同一任务的成绩,不是职业仓库工人的;「120 件/小时」的冠军成绩 也受比赛规则限制,不能直接外推(推广到比赛之外的场景)为「机器人不如人」3228;
  • 「人类被低估了」的马斯克离开 OpenAI 发生在本章时间线上(2018 年 2 月), 他说的「特斯拉的过度自动化是一个错误」指的是自家工厂——原书引它 恰好说明:连最积极推动机器人的人,也在现实中撞墙41;
  • OpenAI 从非营利重组为营利公司一节,原书点明:2015 年公开宣扬的 「不受公司压力影响」的理想主义「甚至没能持续 4 年」——这是作者 的判语,线索留给第 12 章42。

8. 可带走的​

  1. 落地的瓶颈次序:先数据标注(55 名医生),再组织认同(拔线事件), 最后部署说服(黑匣子)——算法从来不是第一个倒下的;
  2. 13 万张/55 名医生/90% vs 80%:向任何人转述这个项目,报这三个数, 并说明「学习」的成本前置到了标注环节;
  3. 「一个调整,而不是一个转型突破」:竞赛赢老领域(QSAR)不等于 改造大产业(制药),原书用一句话完成了这层降级;
  4. 组织免疫的三个层次:制度(堆栈排名)、认知(「一次性突破」论)、 情绪(拔线)——判断一家公司能不能接住新技术,看这三层比看财报准;
  5. 封闭 vs 开放的分数差:AlphaGo 碾压与拣货 120 件/小时是同一代技术, 差别只是现实世界「没有人记分」;
  6. 「焦头烂额的房间」是强化学习在物理世界健康的标志:失败率不是丑闻, 是训练信号;
  7. 虚拟一万年 + 随机化环境 = 真机的抗干扰:域随机化的逻辑是 「把意外在仿真里预演成日常」;
  8. 两条医疗路线的分岔:谷歌(标注+论文)与 DeepMind(拿数据)各撞各的墙, 一撞黑匣子,一撞隐私。

9. 原文地图​

主题原书章原文位置
阿拉文德医院、2,000 人/天11 新药研发text/12-p221-240.txt:312(搜「阿拉文德」) · :313(搜「2,000 人」)
7,000 万糖尿病、11 名眼科医生11 新药研发text/12-p221-240.txt:320(搜「7,000 万」) · :326(搜「仅有 11」)
谷歌纸板、20% 时间11 新药研发text/12-p221-240.txt:332(搜「纸板」) · :333(搜「20%时间」)
13 万张、55 名医生标注11 新药研发text/12-p221-240.txt:435(搜「13」) · :436(搜「55 名」)
2016 秋论文、90%、80% 标准11 新药研发text/12-p221-240.txt:440(搜「2016 年秋天」) · :442(搜「90%」) · :444(搜「80%」)
黑匣子、辛顿「不要相信他」11 新药研发text/12-p221-240.txt:461(搜「黑匣子」) · :466(搜「任何人说这是一个小问题」)
视觉中心 40 多个、麦当劳类比11 新药研发text/12-p221-240.txt:449(搜「视觉中」) · :454(搜「麦当劳」)
Kaggle、4 万美元、236 队11 新药研发text/12-p221-240.txt:355(搜「Kaggle」) · :358(搜「4 万美元」) · :361(搜「236」)
火车、第七位、「你必须赢」11 新药研发text/12-p221-240.txt:380(搜「第七位」) · :387(搜「你必须赢」)
QSAR、「消灭了整个领域」、调整11 新药研发text/12-p221-240.txt:399(搜「定量构效关系」) · :401(搜「消灭」) · :417(搜「一个调整」)
seq2seq 用于医疗记录11 新药研发text/12-p221-240.txt:421(搜「序列到序列」) · :428(搜「12 个月内患糖尿病」)
歪心狼、胰腺癌11 新药研发text/13-p241-260.txt:5(搜「歪心狼」) · :25(搜「胰腺癌」)
DeepMind 封锁楼层12 微软text/13-p241-260.txt:38(搜「封锁」)
苏莱曼「驼鹿」12 微软text/13-p241-260.txt:50(搜「驼鹿」) · :60(搜「东方快车」)
急性肾损伤、160 万患者、违法裁定12 微软text/13-p241-260.txt:85(搜「1/5」) · :103(搜「160 万名患者」) · :110(搜「裁定」)
逆向思维自行车、20 分钟、骨折12 微软text/13-p241-260.txt:118(搜「贝尔维尤」) · :167(搜「20 分钟」) · :169(搜「髋关节骨折」)
诺基亚 76 亿、程序记忆12 微软text/13-p241-260.txt:141(搜「76 亿美元」) · :147(搜「程序记忆」)
「上层都不相信它」、堆栈排名12 微软text/13-p241-260.txt:202(搜「上层都不相信」) · :218(搜「堆栈排名」) · :222(搜「不是钱的问题」)
雪鸟城、维奥拉拔线、「邓力的演讲」12 微软text/13-p241-260.txt:234(搜「雪鸟城」) · :266(搜「从未奏效过」) · :278(搜「邓力的演讲」)
一名教师 400 学生、雨天讲座、内急12 微软text/13-p241-260.txt:283(搜「400 名学」) · :291(搜「克拉克的讲座」) · :306(搜「什么是内急」)
公理、FooCamp 小猫论文、百度 1,200 万12 微软text/13-p241-260.txt:320(搜「生产手段」) · :329(搜「小猫论文」) · :338(搜「1,200 万美元」)
「喝的水」、睡觉做梦、陆奇离职12 微软text/13-p241-260.txt:371(搜「喝的水」) · :432(搜「睡觉」) · :447(搜「首席运营官」)
魔方 4 分钟、专用设备不到一秒19 拣货机器人text/18-p341-360.txt:82(搜「4 分钟」) · :89(搜「不到一秒钟」)
虚拟一万年、摩擦力、长颈鹿19 拣货机器人text/18-p341-360.txt:102(搜「一万年」) · :105(搜「摩擦力」) · :110(搜「长颈鹿」)
亚马逊竞赛:75 实验室、8 万、名古屋、32 种、120 件19 拣货机器人text/18-p341-360.txt:114(搜「75 间」) · :122(搜「8 万美元」) · :124(搜「名古屋」) · :131(搜「10%」) · :133(搜「25%」)
莱文、暴风雪、12 只机械臂、口红19 拣货机器人text/18-p341-360.txt:145(搜「暴风雪」) · :171(搜「12 只机械臂」) · :196(搜「焦头烂额」)
85% vs 80%、阿比尔薪酬、马斯克离开19 拣货机器人text/18-p341-360.txt:208(搜「85%」) · :240(搜「10 万美」) · :261(搜「人类被低估」)
10 亿承诺、营利重组、Covariant19 拣货机器人text/18-p341-360.txt:265(搜「10 亿美元」) · :268(搜「营利公司」) · :275(搜「陈曦」)
ABB 竞赛、小熊软糖、三人投资19 拣货机器人text/18-p341-360.txt:286(搜「ABB」) · :292(搜「小熊软糖」) · :322(搜「比利时人」)
柏林仓库 99%、10,000 种、三个工人19 拣货机器人text/18-p341-360.txt:330(搜「99%」) · :331(搜「10,000 多种」) · :339(搜「三个工人」)

Footnotes​

  1. 出处:「11 神经网络的扩张：新药研发技术」(text/12-p221-240.txt:435,搜「13」)与(text/12-p221-240.txt:436,搜「55 名」)。约 13 万份数字化眼部扫描,约 55 名美国眼科医生打标签。 ↩

  2. 出处:「12 梦想之地：微软的深度学习」(text/13-p241-260.txt:266,搜「从未奏效过」)与(text/13-p241-260.txt:278,搜「邓力的演讲」)。维奥拉拔线换上自己的电脑,屏幕展示《感知机》封面。 ↩

  3. 出处:「19 自动化：OpenAI 的拣货机器人」(text/18-p341-360.txt:131,搜「10%」)与(text/18-p341-360.txt:133,搜「25%」)。澳大利亚机器人视觉中心,一小时约 120 件。 ↩

  4. 出处:「11 神经网络的扩张：新药研发技术」(text/12-p221-240.txt:313,搜「2,000 人」)。马杜赖古城。 ↩

  5. 出处:同章(text/12-p221-240.txt:320,搜「7,000 万」)。糖尿病视网膜病变,发现得早可治疗。 ↩

  6. 出处:同章(text/12-p221-240.txt:326,搜「仅有 11」)。每 100 万人 11 名眼科医生,农村更低。 ↩

  7. 出处:同章(text/12-p221-240.txt:351,搜「癌症」)。彭琼芳的医疗团队玩笑。 ↩

  8. 出处:同章(text/12-p221-240.txt:466,搜「任何人说这是一个小问题」)。《纽约客》专题报道中辛顿的表态。 ↩

  9. 出处:同章(text/12-p221-240.txt:355,搜「Kaggle」)、(text/12-p221-240.txt:358,搜「4 万美元」)与(text/12-p221-240.txt:361,搜「236」)。2012 年夏,预计周期 2 个月。 ↩

  10. 出处:同章(text/12-p221-240.txt:380,搜「第七位」)。西雅图开往波特兰的火车上。 ↩

  11. 出处:同章(text/12-p221-240.txt:387,搜「你必须赢」)。贾特利等实验室成员参战。 ↩

  12. 出处:同章(text/12-p221-240.txt:399,搜「定量构效关系」)与(text/12-p221-240.txt:309,搜「消灭」)。辛顿原话。 ↩

  13. 出处:同章(text/12-p221-240.txt:417,搜「一个调整」)。「还需要很多年」紧接其后;新药研发困难且耗时。 ↩ ↩2

  14. 出处:同章(text/12-p221-240.txt:421,搜「序列到序列」)与(text/12-p221-240.txt:428,搜「12 个月内患糖尿病」)。迪恩原话。 ↩

  15. 出处:「12 梦想之地：微软的深度学习」(text/13-p241-260.txt:202,搜「上层都不相信」)。「部落」分类见(text/13-p241-260.txt:191,搜「部落」)。 ↩

  16. 出处:同章(text/13-p241-260.txt:222,搜「不是钱的问题」)。堆栈排名的定义在(text/13-p241-260.txt:218,搜「堆栈排名」)。 ↩

  17. 出处:同章(text/13-p241-260.txt:234,搜「雪鸟城」)。美国计算机科学系主任会议,迪恩演讲。 ↩

  18. 出处:同章(text/13-p241-260.txt:266,搜「从未奏效过」)。《感知机》封面为橙色带紫色旋涡。 ↩

  19. 出处:同章(text/13-p241-260.txt:283,搜「400 名学」)。文革时期农村,祖父抚养。 ↩

  20. 出处:同章(text/13-p241-260.txt:291,搜「克拉克的讲座」)。雨天空座,帮忙占座改变命运。 ↩

  21. 出处:同章(text/13-p241-260.txt:167,搜「20 分钟」)与(text/13-p241-260.txt:169,搜「髋关节骨折」)。35 名高管观看骑行视频的计划。 ↩

  22. 出处:同章(text/13-p241-260.txt:432,搜「睡觉」)。本吉奥:蒙特利尔、法语、学术开放;Maluuba 咨询在(text/13-p241-260.txt:418,搜「Maluuba」)。 ↩

  23. 出处:同章(text/13-p241-260.txt:447,搜「首席运营官」)。2016 年 9 月宣布离职。 ↩

  24. 出处:同章(text/13-p241-260.txt:50,搜「驼鹿」)。苏莱曼背景与「今天必须与现实世界接触」;「嫉妒和怨恨」注明为「一些 DeepMind 的员工认为」。 ↩ ↩2

  25. 出处:同章(text/13-p241-260.txt:103,搜「160 万名患者」)与(text/13-p241-260.txt:110,搜「裁定」)。《新科学家》披露在(text/13-p241-260.txt:101,搜「科学家》杂志披露了」);三家医院 5 年记录。 ↩ ↩2

  26. 出处:「19 自动化：OpenAI 的拣货机器人」(text/18-p341-360.txt:114,搜「75 间」)与(text/18-p341-360.txt:122,搜「8 万美元」)。 ↩

  27. 出处:同章(text/18-p341-360.txt:125,搜「名古屋」)与(text/18-p341-360.txt:126,搜「32 种」)。2017 年 7 月,15 分钟拣至少 10 件。 ↩

  28. 出处:同章(text/18-p341-360.txt:131,搜「10%」)与(text/18-p341-360.txt:133,搜「25%」)。 ↩ ↩2

  29. 出处:同章(text/18-p341-360.txt:145,搜「暴风雪」)。莱文本科专攻计算机图形学。 ↩

  30. 出处:同章(text/18-p341-360.txt:171,搜「12 只机械臂」)。抓手=两根虎头钳式手指。 ↩

  31. 出处:同章(text/18-p341-360.txt:191,搜「口红」)与(text/18-p341-360.txt:196,搜「焦头烂额」)。章首引语同句。 ↩

  32. 出处:同章(text/18-p341-360.txt:208,搜「85%」)。14 小时训练,研究人员 80%;开门项目在次年。 ↩ ↩2

  33. 出处:同章(text/18-p341-360.txt:102,搜「一万年」)、(text/18-p341-360.txt:105,搜「摩擦力」)与(text/18-p341-360.txt:110,搜「长颈鹿」)。两指绑住、橡胶手套同段;「域随机化」为后起术语,书内只描述做法。 ↩

  34. 出处:同章(text/18-p341-360.txt:240,搜「10 万美」)与(text/18-p341-360.txt:241,搜「33 万美元」)。2016 年最后 6 个月工资。 ↩

  35. 出处:同章(text/18-p341-360.txt:275,搜「陈曦」)。阿比尔「对炒作不感兴趣,只想打造有用的技术」。 ↩

  36. 出处:同章(text/18-p341-360.txt:286,搜「ABB」)与(text/18-p341-360.txt:292,搜「小熊软糖」)。约 20 家公司、25 种物品;「大多数参赛公司都没有通过测试」。 ↩

  37. 出处:同章(text/18-p341-360.txt:330,搜「99%」)、(text/18-p341-360.txt:331,搜「10,000 多种」)与(text/18-p341-360.txt:339,搜「三个工人」)。Knapp 副总裁:「我从未见过这样的东西」。 ↩

  38. 出处:同章(text/18-p341-360.txt:322,搜「比利时人」)。杨立昆看空塑料瓶演示后同意;本吉奥拒绝(钱多到花不完)。 ↩

  39. 出处:同章(text/12-p221-240.txt:461,搜「黑匣子」)。医院无法解释诊断理由;「绝不是一个微不足道的问题」。 ↩

  40. 出处:同章(text/12-p221-240.txt:442,搜「90%」)、(text/12-p221-240.txt:444,搜「80%」)与(text/12-p221-240.txt:446,搜「临床试验」)。2016 年秋《美国医学杂志》论文;「必须在未来几年内清除很多监管及后勤方面的障碍」。 ↩

  41. 出处:同章(text/18-p341-360.txt:261,搜「人类被低估」)。马斯克 2018 年 2 月离开;卡普西被挖走(text/18-p341-360.txt:249,搜「卡普西」)。 ↩

  42. 出处:同章(text/18-p341-360.txt:265,搜「10 亿美元」)与(text/18-p341-360.txt:268,搜「营利公司」)。「甚至没能持续 4 年」为原书判语。 ↩