除去孟繁岐在華國時推行的人臉識別方法已經大行其道，最近他在醫療影像診斷分析領域的一系列工作，其實也已經在加州的圈子裡率先展開了試用。
那句話怎麼說來著，【獲得了幾百名教授一致透過】。
尤其是灣區附近兩所最頂級的高校，斯坦福和伯克利兩個派系。由於他們在人工智慧比較沒落的時候仍舊堅持研究，因而也對這些遲到的果實感到格外珍惜。
斯坦福腫瘤方向的教授劉勇使用了這系列演算法之後，感到十分驚奇，這電腦明明一兩年前才剛剛學會分辨什麼是貓，怎麼現在突然就這麼生猛了？
尤其是比較難一點的病症，自己帶的幾個學生分辨起來一看就是十幾二十分鐘，這東西倒好，幾秒鐘就能給出一個答覆。
為此，他私下裡和孟繁岐聊過兩三次，大概瞭解了原理，也為他協調提供了不少資料作為支援。
有一次，劉勇教授向孟繁岐詢問道：“既然人工智慧已經可以對圖片中病變的種類，區域和輪廓都做出如此準確的分析判斷，那能不能幫忙把醫囑或者文字分析也給寫了？”
孟繁岐聽完頓時語塞，沒想到劉教授接受新事物的速度還挺快，已經做上白日夢了這是。
他只得實話告訴劉教授，別說語言和影象的結合的多模態了，目前語言模型本身都仍舊是一個相對急需突破的領域。
想要實現他需求的功能，恐怕還得幾年。
斯坦福的其他醫學教授，比如傑佛雷主任等人則非常看好孟繁岐阿爾法fold專案，尤其是傑佛雷，他曾經擔任二十多個臨床藥物研究的首席調查員，因而非常能夠理解這種蛋白質分析能力的價值。
傑佛雷是個大腦門，有點胖乎乎的中年男子，滿面紅光，對待學生十分熱情。
在得知孟繁岐的阿爾法fold專案很是缺乏高質量的蛋白質資料之後，也非常積極踴躍地提供了協助。
總體來說，斯坦福醫學派系對本校學生的的突破相當熱情，藉助著加州這兩所頂級高校的影響力，孟繁岐的成果正在慢慢地向外輻射。
只不過大量資料的準備，並不是區區幾天就可以有顯著成效的。
即便加州相關方面的教授集體支援，積累資料的速度仍舊遠遠要比孟繁岐所想的慢不少。
阿爾法fold專案的正式開啟時間，至少要往後延一到兩個月。
因而在開學前的這段時間，孟繁岐的蛋白質分析大計不得不進入了一段時間的停滯期。
“技術提的太快，就是會碰到這種問題。”孟繁岐有些無可奈何，別說很多領域還來不及接受和消化自己做出的能力提升。
這些地方原本積累的那點資料在新的技術面前，完全不夠看，數量實在太少了。
即便他們能夠及時調轉車頭，開始進行優質資料的積累和標註，肯定也是要一段時間的。
資料跟不上，孟繁岐即便理論再好，卻也難做出足夠好的效果，不足以讓人信服。
“我也算是搞了好個月的應用技術了，現在資料上要等一兩個月，看來是時候做點基礎工作，為以後鋪墊了。”
時隔多月，孟繁岐也算是終於被迫靜下心來，有了足夠的時間做一些基礎的理論方法，而不是急於做產品又或者是變現。
畢竟，往後的技術不管是AI生成語音，影象還是文字，目前的這些技術理論還有不小的缺陷和問題。
他計劃最近開發的，便是後來非常火熱的一款圖片生成技術，Stable Diffusion的基礎部件，diffusion原理。
這是後來許多優質生成技術的基石，非常適合現在做準備。