随着江铭走下台，会场中的气氛如同遇冷的水蒸气般重新凝结。
众评委又回到了那种心不在焉的状态。
江铭的演讲结束，在他们看来，这次参加晋升答辩会议的目的已经达到了。
听了江铭的一番对信息学未来的畅想，众人不免人心浮动，各自盘算着回去之后该如何调整实验室的课堂方向。
短暂的“如听仙乐耳暂明”之后，这场答辩会似乎进入了垃圾时间，教授们再也没了期待。
时晨涛已然站到了台上，他深吸一口气，彻底找回了几分自信：“各位评委教授们好，我是时晨涛，来自江州科技大学。”
洪亮的声音倒是令教授们有些意外。
这个学生似乎完全没有被前面江铭的表现所打击到，甚至话语间洋溢着蓬勃活力。
台下不少评委都轻轻点头，这个学生心性不错！
要知道，科研本就是一条充满挫败感的荆棘之路。
向着人类智慧最高峰发起冲击远不是一次就能成功的，必须要有超越常人的坚韧恒心，忍受一次次失败的折磨，却还能从断壁残垣处焕发新生！
冲这个心性，只要后面答辩过程能有个中规中矩的表现，教授们也愿意给他通过。
时晨涛平静地介绍起自己的标志性性成果，他的全部工作竟都是与人工智能可解释性相关！
就连刚刚回到座位的江铭都来了兴趣。
他也没想到坐在他旁边好半天的时晨涛竟然刚好在做他所关心的问题，立刻坐直了身体，单手托腮聚精会神地听起了时晨涛的汇报。
“...在过去的工作中，我尝试使用可解释的决策树来拟合人工智能的输入输出以分析在特定情况下人工智能的判决依据。”
不错的思路！江铭眼睛一亮，这个时晨涛还真是有些东西。
他的方法相当于是做了一个重映射，把无法解释的神经网络模型映射到一个可解解释空间。这相当于找到了一个神经网络模型的孪生兄弟，通过研究孪生兄弟的行为，即可理解原神经网络的行为。
还没等众评委仔细思考，时晨涛接下来的话却把这个方法给否了。
“这个方法只对较小的模型有效，当模型的表达能力逐渐变大时，由于无法搜索到全部输入向量，所训练的决策树与实际深度神经网络误差呈现指数级上升...”
“因此可以见得，这条路是走不通的。”
他怎么这么讲，全盘否定论自己过去成果？
江铭不解。
这还是在做过去的成果汇报吗，简直是在革自己的命！
问题是这是在晋升答辩会上啊，即使自认为有问题，也应该等到顺利晋升之后再说啊...
还是不够自信么...原本心怀一丝期待的评委们也露出失望的神色。
这个学生难道要放弃可解释性的方向，转而去做应用研究了吗？
时晨涛全然没有注意到台下气氛的变化，他继续道：“虽然这种寻找模型可解释替代的方法在可解释性领域走不通，却启发我找到了一条可控人工智能的新道路！”
他轻点鼠标，屏幕上展示出一页公式证明。
什么，可控人工智能？