戴文渊 灯塔和唐僧

张薇

将人工智能的价值最大化，是戴文渊的愿景。在这个目标导向下，他精准地走着每一步，并试图用商业的成功来带动科技的成功。

黑暗中，捉住“狗”绳的年轻人

韩国首尔，3月9日，12 00，谷歌人工智能AlphaGo思考了1分半后，边星起手第一步。它的对手，33岁的韩国顶尖围棋手李世石执黑先行，选择了一个非常规的下法开局，冒险试探后，李世石认真发力，黑棋越来越主动。AlphaGo的白棋一路后推下贴，这下法被人认为“换做刚刚学棋的小朋友都是要被老师打屁股的”。

101手时，李世石的黑棋几乎围住下边，优势明显。但AlphaGo始终按照自己的节奏，不紧张，不沮丧，不疲倦，无声无息，有如忍者。102手，AlphaGo释放出精彩的胜负手，此后，便进入它的高光时刻。不时出手经典，屡屡令人咋舌，也有看起来业余的动作，但能以小误换取更大胜利。历时3个半小时后，面对后半局呈现出精准判断的AlphaGo，这场人机大战第一轮，李世石弃子认输。

比起国际象棋，每一步都有多达300多种选择的围棋更需要智力。AI来势汹汹，人类智慧领域里的围棋碉堡比人们所预期的提前失守。这难免会让人失落。而与李世石同龄的戴文渊先生却颇为振奋。当天，在“用什么策略可以战胜 AlphaGo”的提问下，他毫不犹豫地站在AlphaGo这一边，以一句反问留下了他在知乎的首次发言：“如果说1997年IBM深蓝战胜国际象棋世界冠军卡斯帕罗夫是机器突破了人类的第一道防线的话，2016年AlphaGo是不是摧毁了人类的最后一点骄傲呢？”

作为人工智能领域的顶尖研究者以及人工智能创业公司“第四范式”的创始人，他还友好地提醒人类，面对毫无人性弱点的AlphaGo，一定要控制好骄傲、气馁或紧张的心魔。

这显然并不容易，而结局你已知道，AlphaGo以4 1完胜李世石。此后，李世石承认，“面对毫无感情的对手是非常难受的事，让我有种再也不想跟它比赛的感觉。”

像人一样会学习的AlphaGo，似一枚信号弹，胜利地照亮了人工智能领域的天空，它甚至还将其获得智力的核心根基—机器学习中的一个子分支“深度学习（Deep Learning）”，强势推到人们面前。

作为时下人工智能领域里的一个大热门，“深度学习”的动机是建立、模拟人脑进行分析学习的神经网络，计算机利用近似人类大脑神经网络的运作方式从大型数据集中吸取知识，源于二三十年前人工神经网络的研究。2006年，加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey Hinton和他的学生在《科学》上发表了一篇文章，被认为是开启了“深度学习”在学术界和工业界的浪潮。

AlphaGo幕后主脑Deepmind，是英国一家年轻的人工智能公司，2014年，被谷歌斥4亿英镑收入囊中。AlphaGo完胜李世石3个月后，《经济学人》推出一篇专题报道《机器的进军》（March of the machines），Deepmind的创始人Demis Hassabis在接受采访时称，他们已经在开始探寻一种更新的技术，“迁移学习（transfer learning）”，这种技术能让强化学习系统把基础建立在已习得的知识上，而不用每一次都从头学起。

人能够举一反三，机器也可以做到这一点。“迁移学习”被认为是下一个热点，它可以解决“深度学习”的某些局限—比如，必须要依赖海量的大样本数据。

而AI阵营的绝对支持派戴文渊，称得上是这个更前沿领域的先行者。

他是2005年ACM国际大学生程序设计竞赛世界冠军—这项大赛号称汇集了全球智商最高的人、由美国计算机协会（ACM）主办、被称为计算机界奥林匹克。

他与AI的结缘纯是一场阴差阳错。2005年，戴文渊本科就读于上海交通大学计算机系的一个实验班，这个班的学生在大三时就可以按个人喜好选择实验室。当时，最火的一个方向是图形学（即CG，Computer Graphics），学好了能去好莱坞闯闯（《阿凡达》60%的画面就是用CG生成的）。但戴文渊的整个大三都在搞ACM编程竞赛，等竞赛结束，热门的早就选完了，只剩下最没人选的AI。“没有人相信AI能做成，毕业以后，成绩好的，能当个老师，成绩不好，那就算白学了。”他调侃起当年的选择。

因祸得福，他因此结识了AI领域内一位顶尖的华人学者—当时，在上海交通大学计算机系并无与此相关的师资，系里便将戴文渊作为访问学生推荐到了香港科技大学，师从计算机系教授杨强。

拥有一份独特而鼓舞人心履历的杨强，是人工智能的坚定信仰者。

1982年在北京大学读完天文物理学本科后，杨强赴美国马里兰大学继续攻读天体物理学硕士。研究过程中，他开始用计算机编程、建模，以解释太阳的起源和很多天文现象。他发现，比起对宇宙的观察，他更享受建模的乐趣。1985年，他放弃了在美国攻读天体物理博士的规划，正式转入人工智能领域。

“他发现说物理其实从一九二几年到现在，其实真正的理论进展非常少。他曾调侃道，做天体物理就像放卫星，每一个实验都要放卫星，等到数据传回来，再来看你的这个猜想是不是能成真，这个基本上都是十年、二十年去计的。但是计算机的好处是在一个虚拟世界，他发现虚拟世界的发展其实是比现实世界的发展更快。”熟稔杨强的吴茗说，她是“第四范式”的联合创始人。

从给宇宙建模，转向给人类建模，杨强的初衷是“通过编程的手段来实现人的智能”。而更大的动力来自于，“你能主动地去影响，做一个机器人，你可以去控制它。宇宙的话，你只能处在一个第三方观测者的位置”。

1980年代中期，人工智能出现第二次浪潮，高烧到人们觉得机器马上就要统治世界了。但高期待落空后必然是巨大的失望，“可以建非常好的数学体系，但是却没有能力为它提供内容，知识的内容。”杨强回忆，人工智能冷落到，“当时有一个说法就是说，做人工智能的全都是吹牛的，没有人敢说自己是做人工智能的。”

但杨强从来都是理直气壮。他开始反思人工智能的出路，“怎么样把这个内容给填上，答案就是机器学习了。”2000年后，他全面走向机器学习，5年后开始了迁移学习的研究。

戴文渊与导师杨强相遇时，恰逢人工智能蓄势待发的前夜。

2005年，美国国防部高级研究计划局（DARPA）启动了一个上千万美元的项目，专门用来给美国一些高校的学者研究迁移学习。DARPA常年支持一些脑洞大开的项目，互联网、GPS、Siri语音系统等在今天看来极具颠覆性的高科技产品，最初都来自DARPA的孕育。

大洋彼岸的信号很快就被身在香港的他们捕捉到了，杨强带着戴文渊投身其中，虽然并没有经费支持他们做。DARPA支持下的迁移学习研究大概只延续了3年，但杨强和戴文渊一直做了下来。当时，在AI的诸多研究方向中，最火的绝非迁移学习，而是凸优化（机器学习中的最优化问题）。比如，一场AI会议上，当时就有一半以上的人在讨论凸优化问题。

“就是风口来了，大家都会去追风，而不是去理性地分析是不是这个风口，是未来的方向。”戴文渊形容当年“迁移学习”领域的人丁零落。如果说，AlphaGo所代表的人工智能真的是一条狗，戴文渊就是有机遇也有定力很早捉住狗绳的一个年轻人。

如今，在迁移学习领域，论文引用数排名第一的，正是戴文渊的导师杨强，华人界首位国际人工智能协会院士。而戴文渊，凭借9年前发表的一篇论文（Boosting for Transfer Learning），单篇论文引用排名排名世界第三。

合适的工具解决合适的问题

这个排名世界第三的年轻人，看起来非常朴实。套在黑框眼镜和格子衬衫里的戴文渊，能被人轻易识别出他是个“理工男”。他讲话温和，语速平缓，但一旦向他抛出问题，就能感受到他清晰、缜密的逻辑—“咔嚓”一下直击要害，绝不拖泥带水、天马行空或绕来绕去。

他的这种犀利，被他的前百度同事、现合伙人吴茗观察为“非主流”。

2009年戴文渊研究生毕业后初进百度。改进百度多被诟病的竞价排名广告业务是他的一个动力，“我有能力让他们把这个广告出好，出少，甚至不需要这种竞价排名，变成Google的样式，并且公司的收入也不会下降。”戴文渊对《人物》记者说。

百度有个项目叫Shotgun（霰弹枪），意为百花齐放，不同点子PK。吴茗回忆说，“其他人在想这个问题的时候，是通过一个点一个点进去的，然后每一个点去测试他的项目怎么样。但他比较坚持的是说可以通过一个model来解决。所以当时他们提了一个点，通过一个对点击率的预估去解决整个搜索效率的问题，不是说很多点去做。”尽管人们大多不相信一个方法会解决所有的问题，但半年后，戴文渊的方法脱颖而出。

“其他人是用一个复杂算法做出简单模型时，他用一个简单算法做出复杂模型。”在吴茗看来，这是一个价值观的不同。比起将招式打得狂炫酷拽，戴文渊更在乎的是切中核心，将招式功效最大化。

“本质上说，用合适的工具解决合适的问题。他总能找到一个比较合适的方式来解决问题，能找到最关键的路径。”戴文渊的师弟陈雨强说，“对于百度当时的问题来说，算法不是最关键的，最关键的路径其实是数据。……简单模型才能用得上那么多数据。”

看的东西更高，这是陈雨强看到的戴文渊最为成功的一点。他记得11年前入读上海交通大学时，戴文渊刚刚获得了ACM冠军，在这个最具影响力的国际大学生计算机竞赛上夺冠，自然是聚光灯下的焦点。探讨竞赛的论坛上，当时人们都称戴文渊为“大神”。大二时，陈雨强跟着戴文渊在实验室里研究迁移学习，他更近距离的一个体会是，碰到同样的困难，戴文渊可以从困难中看到可以改变的东西，“他每次实验失败了以后，总会有新的东西、路径出来，然后说OK，又‘吭哧吭哧去做。”

以戴文渊彼时的光芒，走一条学术之路，顺理成章。谁都没想到，2009年他研究生毕业后，掉头一转，放弃了读博，去了百度。戴文渊的导师杨强说，“他当时从学校离开，百度当时还不是很知名的一个企业，是需要非常大的勇气。”

在《财经》杂志报道中，百度CEO李彦宏被称为“理性先生”。KPI在百度被视为一个坚挺的承诺，谷歌愿意花两年时间斥巨资开发出AlphaGo，但在百度这个项目一定会被否定掉。直接点说，KPI的重压，抑制百度的创新。

对此，戴文渊表现出惊人的成熟。他深谙，要达成精进、成就创新，就要最大限度地利用此处最强的资源，“做AI毕竟是要消耗不少资源的，这个资源也不会白白给你，你要对大家都有好处。你要去分析，怎么能调动资源，来完成更大的一件事情。”

这让他展现出一种微妙的平衡感。在百度前同事杨博海看来，“尝试一个新的项目和方案，总是要承担风险。他愿意去承担这个风险，推动这个方向，挺像科学家的。有自己长远的理想和想法。”另一方面，“他想做的事情，也不会太离谱，还是跟大家公认的价值观比较吻合。做的过程中同时照顾到相关人，会按照别人的游戏规则去推动他要做的事情”。

凤巢系统的广告收入在今天已是百度搜索业务最重要的来源，但在陈雨强刚进入百度的2012年，它正停滞不前。“能想到的一些特征工程的方式已经都想完了，或者说人已经很难继续做下去了。”陈雨强说，转机的到来正是在他和戴文渊介入之后。

通过简单算法做出复杂模型，更好利用大数据，这是戴文渊对百度在线广告系统的第一次改进。来百度两年，他就晋升为当时百度最年轻的高级科学家，并成为凤巢系统的技术负责人。基于人工智能，凤巢系统颠覆了百度原有的竞价付费系统，让广告词的排名不仅取决于关键词的出价，还取决于质量度（包括点击率、创意质量、账户表现等）。这要为这个系统塑造出比以往更复杂的模型。

“那个时候，提升最快的有两个驱动力，一个是模型变大……代表你的脑容量越大。但是呢，这个脑容量是体积的脑容量，它有可能是空的脑子，你要填知识进去，就是第二个驱动力，你要加入很多的特征进去。”

还能怎么提升？也正是那一年，“深度学习”在语音和图像方面都火起来了，有了很多成功的尝试。但在全球工业界，尚没有“深度学习”在大规模商业基础上的应用。

戴文渊又迈出了冒险的一步。他带着当时还是实习生的陈雨强，开始了世界上第一个商用深度学习系统的研究—“深度学习应用于凤巢广告”的项目。

“风险很大，对百度来说，一般三个月以上的项目，就是一个非常长期的项目了，半年就是个特别长期项目，一般三个月到半年你都没有什么结果的话，项目就比较危险了。”陈雨强说。而这个项目持续了一年多。

项目屡次处于砍与不砍之间，戴文渊一直力挺，“他坚持说这是一个比较重要的方向，一定要投入一些资源，做一些前沿的东西。”但戴文渊又不会占用过多资源—很长一段时间，主做者就是陈雨强一人。遇到技术问题时，戴文渊出手提供建议，“并不一定有什么特别好的解法，但是他会把问题做一些变化。”陈雨强说。

再加上，“跟余凯那边有挺多的合作。相当于说每个地方的资源都不多，但是把它们都集中起来一起做。”陈雨强说。余凯是知名机器学习专家，2012年4月加入百度，在百度推进语音、图像、音频等领域的“深度学习”研发。

一年之后，在戴文渊颇有战略的研发方法下，效率提升的拐点来临了。在引入“深度学习”后，“凤巢”大概提升了十个百分点的广告质量。“对，这确实是个小奇迹。”陈雨强顿了下，“这是个大奇迹。”

此时，整个凤巢系统的团队都开始了向深度学习的转向，最终使得百度变现能力提升8倍，这让戴文渊的团队获得了百万美金的“百度最高奖”。而一年后，谷歌才有类似项目上线，且研发团队是一组人。

戴文渊比常人更早明白，实现宏大的目标，往往需要抛弃小我的自我表现，遵循客观条件，目标导向，但和大的规律与必然性站在一起，为自己一步步赢得获胜砝码。

早年打ACM比赛期间戴文渊就是个另类的选手。他将团队取得好名次当成一个目标，而不仅仅是满足一种表现个人的英雄主义。2005年的ACM竞赛，三人小组中他任组长。在长达一年的训练期内，他做了很多自诩为天才的人根本不会去做的事—他放弃了成为技术最强大者的执念，转而成为队友们的支持者;他和队友们住在同一个宿舍以训练行动力的统一;看他们爱看的漫画来达成理解，以及确保那个喝可乐才能做出题来的队友随时喝到可乐—就像一个超级保姆。

正是这种默契，让他们赢得了2005年ACM竞赛的冠军。以终为始，将目标拆解，然后借力资源来实现目标。“目标拆解，（再决定）每天你要做什么，训练什么技能，这其实是很科学的一件事情。”

这种在打ACM竞赛时习得的成功之道，也被他直接带入到他研究生时代的AI研究中。“当时思考做成AI要做什么事情”，数据、性能以及算法，“要把三个环节都做成”。准确率验证AI的最终结果，在做实验的时候，他发现，增加数据量所获得的准确率提升远远大于一味改算法。当时设计出来的一个新算法，比过去的算法，准确率提升1个百分点，但他拿到一个新数据，准确率能提升10个百分点。这让他形成了一个非常独立的判断，重视数据、占有数据，这个方向大有可为。

但当时AI学术界更在意的只是算法。他在学术界呼吁数据的价值，可堂堂学术界凭什么要听一个硕士二年级的毛头小伙儿的呢？不听也罢。看到数据的力量后，戴文渊再次跟随他的独立判断，跟着数据走，这正是他当时离开学术界去百度工作的原因，那时的百度是互联网世界最大的数据库之一。

真正挑战人类的，

是Google不是DeepMind团队

2013年，戴文渊成为百度历史上升职最快的人，面前一片坦途。百度去高校做校招宣讲时，他是那根无敌红线，是宣扬年轻人在百度大有可为的最佳案例。但让人意外的是，戴文渊在百度如日中天时选择了离开。

明明升得这么好，为什么要走？

有人把诱因归为一场“百度工程师火爆对抗行政”的抢车位事件。2013年5月，戴文渊在微博上吐槽百度行政总监一人占5个车位。微博写得锋芒毕露，“晚起的码农没车位，进公司时被车场保安拦住说没车位了。我望了眼南门停车场，目测至少5个空车位，就问那儿不是有好多车位么？保安说，那是张总的车位，张总的车位是你能停的？我心想，哪个张总能占5个车位啊，咱厂长不是姓李么？就问，哪个张总？保安说，行政部张×。我说，哇，牛逼啊。心想，张×是谁？”

不过，在吴茗看来，抢车位事件不过是一个插曲。“那个时候他已经决定走了。他的观察是，人的付出和回报有一个延后的，他可能在走之前是比较光辉的，但是他觉得自己获得的是一年或者半年以前的东西。”

最初想要改进百度多被诟病的竞价排名广告系统，戴文渊做到了。至少在后台系统做到了。但他很快就发现，“华尔街有更高的预期，既然能做到不出竞价排名的广告，只出会有明显底色区分的广告，就可以收入还能持平不降，他们紧接着问你另外一个问题，如果竞价排名仍然保持的话，收入可以涨多少？”

资本市场的贪婪让他意识到，他不能决定产品的样式，只能做出更好的一个变现系统。

他更宏大的愿景在于把人工智能的价值最大化，而不仅仅是服务于一家公司。

这导致了他的做法与主流价值取向下的路径大不相同。“你在百度做到了一个总监，可能跳到阿里，从总监升到高级总监，跳到腾讯变成副总裁，这是主流价值观的一条路。”他追求的并不是级别的上升。

离开百度之后的戴文渊，进入了华为，目的是去学习怎么做企业服务，为未来的AI创业做积累。

AlphaGo和李世石第一局交战得胜后，戴文渊在那篇知乎回答的最后，探讨起了一个与提问关系不大的话题—AlphaGo到底花了Google多少钱。他猜测，Google至少投入了数亿美金的资源。

AlphaGo团队所获得的这种不计代价尽情创造的环境，让他羡慕极了。“他们有一个很好的sponsor，能给他们一个环境去完成一件划时代的壮举—我何尝不想拥有这样的环境。”不过，他紧接着说道，“后来我也想明白一个事情。其实我们的大环境缺的并不是有理想有抱负的科学家，而是sponsor。所以真正挑战人类的其实是IBM，不是许峰雄;是Google，不是DeepMind团队。就像，真正修成圣彼得大教堂的，是天主教会，而不是米开朗基罗。”

这也是他最终想要做一家公司的动力，用商业的成功带动科技的成功。

AI for everyone

2014年，就在谷歌收购了DeepMind的同时，也曾有意收购DeepmMind的Facebook搭建起实验室，专注研发人工智能技术。工业界，一股人工智能的热潮正在兴起。

戴文渊不能再等了。同一年，“第四范式”成立，“第四范式”最终被戴文渊看成实现自己愿望的地方，一家公司的名字，往往能透露出它的愿景。

“第四范式”的得名，来自于图灵奖得主、关系数据库的鼻祖Jim Gray生前的最后一次演讲。他将人类科学的发展定义成为四个“范式”：第一范式，以记录和描述自然现象为主，比如钻木取火;第二范式，科学家们利用模型归纳总结过去记录的现象，比如牛顿三定律;第三范式，科学计算机的出现，诞生了“计算科学”;“第四范式”则是，通过收集大量的数据，让计算机去总结规律。

这个包含有奇妙个人风格和宏大愿景的命名，让这家初创时还默默无闻的公司获得了一个意外的收获——它总是能勾起人们的好奇心。戴文渊说，“我递一个名片，那个老总说‘第四范式，你给我讲讲，为什么你叫（第四范式）？如果是云数据啊什么的，他一看就把名片一扔。”

“说得恐怖一点，“第四范式”就是要让牛顿和爱因斯坦这样的科学家下岗的一个阶段。”说到这儿，戴文渊笑着做了个假设，“牛顿有三条定律，三条定律的问题它不够细，后来相对论出现时发现牛顿定律在高速状态就不适用了。如果是由‘第四范式来做牛顿的事情，就可以分很多的速度的区间，每个区间总结三条定律，那就不需要相对论了，在每个速度区间，都可以用牛顿的三大定律。”

深圳福田租来的一间小公寓，是“第四范式”起步之所。杨强接受了成为“第四范式”首席科学家的邀请，在那间“破房子”里，经常与吴茗、戴文渊一起碰头。

创业初期，很少有人看好机器学习或者企业服务类人工智能项目之类，但戴文渊再一次表现出他的远见。“他会看到远方的一个灯塔”，吴茗用了一个诗意的表达。“比如我们刚开始做的时候，大家都说互联网创业干嘛做toB（企业级服务）啊，做toC（针对消费者市场）多好啊，说toB这个东西没有人看的。”但在百度时期，戴文渊就表达过，如果创业的话，toB是方向之一。

他们聊过医疗，聊过基因生物，聊过地产商，最后得出的结论是，金融企业是在传统企业当中最先数据“Ready”的一个行业，痛点深刻，门槛够高。

获得第一笔订单并不容易。金融圈有一句话是，选择供应商的时候，如果选择了IBM没有做出来，那不是你的错，如果没有选择IBM没有做出来，那是你选择的问题。这就意味着，他们需要给客户注入非常强的信心，你选择这家公司是靠谱的，能做出来。

一个客户这么表达他所观察到的“第四范式”的不同，“他说，现在的这些厂商，销售过来先吹得天花乱坠，技术过来后吹得比销售还厉害。他说你们不一样，你们好的坏的都说。”这是戴文渊的行事风格，他不会过度承诺，甚至还会压低对方的期望值，他希望自己是真的能做到。

2015年初，“第四范式”获得了来自某全国性股份制商业银行的第一笔订单，一个信用卡交易分期项目。信用卡的交易有一段时间免息期，如果在账单到期日前你把钱还上，对于一家信用卡公司来说是亏本的。利用每天数十万的信用卡的交易数据，他们用AI更精准确定哪些客户有更大几率去做分期付款。他们承诺提升20%的收益，但最终帮助客户提升了60%。现在，客户已经把多个业务都通过AI技术来升级。

在吴茗看来，“第四范式”提供AI服务的方式，不是外包，而是降低了AI的使用门槛。“像某客户，他们第一个订单是采购了我们的一个模型，然后第二个订单采购的是我们平台，光它的信用卡就已经有6条产品线，25个场景在使用，而且我们并没有参与进去。”

这非常符合“第四范式”建立之初，戴文渊所提出的愿景，AI for everyone。对此，他有个类比，“一百多年前，照相是非常高大上的一门技术，就像今天的AI，但是如果AI要有更大的影响力的话，它必须得像现在iPhone一样，你打开，摁一下，就能拍出来。”

“第四范式”并没有一家可以对标的海外公司。降低人工智能的使用门槛，“这个事儿是有几个机构首先意识到重要性了。一个是Google，一连串地发布开源数据，让开发者能够做人工智能，开发者只要会写软件就可以了。”杨强格外强调了一下“第四范式”的独特性，“就是说Google的那个做法呢是为程序员降低门槛，文渊的这个做法是为大众降低门槛。”

比起人们普遍担心的未来AI会不会控制人的恐慌，戴文渊担心的是另外一件事。“现在AI有这种集中的趋势，在美国是Google、Facebook，在中国就是BAT。这个会有什么问题？假设啊，假设人工智能就Google一家，它会带来什么影响？”

唐僧的坚定

AlphaGo出现前，戴文渊需要亲历亲为地给别人讲解AI是什么，但AlphaGo之后，他发现市场一下子更容易接受他们了，AI很快变成了资本市场的热门板块，让人意外的是，面对这一切，戴文渊反倒希望这一天来得晚一点，和当时研究迁移学习一样，他明白足够的时间可以让他在红海到来之前有更多空间完成积累，准备得更好，再在迎战时厚积薄发一举获胜。

某种意义上，戴文渊从来都是一个迫切想要赢的人。在他的学生时代，他深深懊恼的是自己不算强大的心理素质，这让他很难赢得比赛。但最后他找到了一个说服自己的办法，心中仅存目标，排空任何杂念。

依靠这个方法，他在2005年的ACM竞赛中力挽狂澜。比赛一共5个小时。第一个小时结束后，他们仅完成了一道题，落后于别队三道题。这挺让人崩溃的。可他尽力专注于内心的目标，不停对自己说，还有4个小时，前面一个小时比过什么不重要……还有3个小时，关键是后面我们要做什么……不断不断倒推，不计一时得失。

直到最后8分钟，他们仍提交一题，做对，反超。欢呼声响起，戴文渊终于赢得了他自小便渴望得到的胜利。

对于这样一个好胜心强的年轻人，幸运的是，他与导师杨强的相遇，杨强一直的坚定不移，时刻督促着戴文渊，没有使他像其他同类年轻人一样迷失于因自己的好胜导致的短视和急功近利里，给了他更大的格局、耐性和长远的目光。

“一开始也会受一些主流的价值观影响，经常会跟他讲说，咱们做另外一个什么什么事，比较好发论文，但是他会纠正我。”戴文渊视导师杨强为精神上的领路人，回忆起导师对自己的最大影响时戴文渊说，当他迷失或无法经受住诱惑时，他常常想起导师在20多年前就认准AI方向，“在所有人都不看好的时候，他认为我一定要把它做出来。我们曾经开玩笑说，说我其实是跟杨老师去西天取经。”

他常常想，比起同龄人，为什么杨强最终会在AI领域获得成功，看似孙悟空、猪八戒都是比唐僧武艺更高的人，但为什么最后是唐僧取到了真经？因为“他是最坚定的人”，戴文渊说。