由於後世的ChatGPT是AI歷史上普及率最高，震撼程度也最高的產品，國內所有的大廠都試圖複製這項技術。
因而孟繁岐在自然語言領域，最熟悉的就是伊利亞這一條道路。
在之前的短暫交流當中，伊利亞感覺自己比較困惑不解的地方，孟繁岐總是能夠為自己指點迷津，頓時服氣了。
“天才果然還是天才，完全不講道理。”伊利亞其實本身也算是天之驕子了，“他明明主要在視覺方面做研究，對自然語言問題卻理解得比我還深刻。”
伊利亞很快被折服，並暗下決心多和孟繁岐進行交流合作。
“那我方便先了解一下谷歌現在推薦和廣告演算法內部迭代的流程和驗證指標嗎？”
谷歌方面早已把內部賬號準備好，孟繁岐登陸進去之後看了一圈，不少東西還是比較熟悉的。
比如谷歌的程式碼規範，這個是後來華國許多大廠程式碼規範的藍本，因此孟繁岐基本熟悉。
至於一些內部的工具，雖然不少孟繁岐沒有用過，但也聲名在外，有所耳聞。
因此大多數功能很快就上手了。
程式碼管理倉庫裡，大部分與自己無關的內容都沒有開放許可權給自己，其實這個也不要緊，開放了他也看不懂。
比如谷歌瀏覽器的原始碼，很早就開源了，但一般人根本沒那個能力搞懂。
程式碼量龐大複雜，即便是別人寫的總結，孟繁岐都看不太明白。
他主要關注的還是AI相關的幾個演算法方向，谷歌內部的進展還是挺快的，自己得抓緊點先做幾個變現快的技術。
然後再慢慢搞AI方面的突破。
“廣告演算法和推薦演算法？”傑夫和辛頓都是一臉問號。
如果說影象演算法和語言演算法還有不少共通之處的話，推薦和廣告則就是差別很大的一個領域了。
目前這兩年，影象方面突破最快，語言次之。
孟繁岐自己這幾個月就做出了三個重大影象成果。
傑夫還指望著他在谷歌大腦再創佳績呢，結果小子怎麼奔著推薦廣告去了？
難道就是為了錢？
沒錯，就是為了錢，沒有別的原因。
這方面的演算法突破，可以直接抽谷歌8成以上收益的血，這吸引力可比其他方向的AI技術大太多了。
“你不準備繼續做影象演算法嗎？”辛頓有些擔憂，他是比較純粹的學者，雖然早期被金錢困擾，但有了幾千萬後就不再關心錢的事情，而是安心做學術。
但目前看來，孟繁岐顯然不是這樣的人，他奔著錢最多的廣告業務就去了，這樣的功利心態讓辛頓有些憂慮。
“也不是，我對推薦演算法稍微有一點想法，只是之前個人一直沒有資料支撐，我的重心還是放在影象和語言這邊。”
孟繁岐只記得幾個推薦演算法，得快點做出來變現。再過幾年他這方面的水平就跟不上了，想一直做也做不下去。
聽到這句話，辛頓心中稍稍寬慰了一些。