两人对视一眼，都有些无奈。
他们原本的打算，是从相对最简单J.Y.P开始，然后是S.M，最后是体量最大，背景最深，最财大气粗，也是对油管业务重合度相对最高，但是合作几率最小的Mnet。
结果现在出现的测试结果，让罗纪和权老大两个人都有点计划被打乱的感觉。
本来他们还想这么暗示Mnet：S.M和J.Y.P已经入局了，你说你来不来？
想到这里，权老大有点心烦：“再试一试？提高一点J.Y.P的权重，略微降低S.M的看看？”
“来吧，要不然还能怎么办呢。”罗纪点点头，按照权老大的想法做出了一点调整。
测试的过程还是漫长的。罗纪和权老大坐在办公室里，看着快速变化的屏幕。
一边等，权老大一边说道：“你的算法原理，是一种通过特定算法进行带负反馈的视频推荐。说实话很适合做这件事，很不错。”
罗纪对于这份肯定没有什么心理波动，只是有些奇怪：“油管的算法机制里，电机观看视频这个操作提供的是正反馈，但是只看视频计算播放量。而如果没有点赞的操作，都会被划分为低权重的负反馈。所以这正反馈给模型带来的影响，经常被负反馈给抵消冲刷掉。”
盯着屏幕，罗纪沉思道：“而我给这个评测系统用的算法框架，做的属于是根据韩国用户吝啬点赞的习惯，使得韩国一定地区的一定人口观看油管视频时，只要不低于一定程度负反馈权重情况下，其过程是得到一定程度削减的负反馈，和正反馈按照一定比例互相抵消，也能对观看视频提供推荐。并且调大了相关标签的选取范围。按理说这个思路绝对没问题。”
权老大皱着眉说道：“确实。你的想法没什么错误。本来我们两个装上评测系统之后，大多数播放量其实也是无用播放量。这些很多都是低权重负反馈，应该反而会让这一切越来越和后边的视频拉开差距，Q-Learning模块应该不会出错。”
思索片刻，权老大猜测道：“是不是你这边用的Q-Learning模块内部出现了问题？”
罗纪没有说话，只是陷入了沉思。
说实话，权老大看到的并不是罗纪的完整算法。罗纪也不可能所有事情都和权老大说。
事实上，罗纪制作的评测系统算法其实内有玄机。评测系统将来会变成一个模块没错。但是他还堆叠模块。
而权老大所指的Q-Learning算法模块，实际上并不是货真价实的Q-Learning，而是一种叫Deep-Q-Network的算法。简单来说，DQN就是Q-Learning的升级版，所以罗纪命名模块也不算有错。
只不过，最重要的是这个Deep，指的是Deep learning。也就是未来十多年内AI发展热门的深度学习，罗纪未来主要研究的方向。
而在现如今的2010年，几乎没有卷积神经网络代码能使用的情况下，罗纪自行编卷积写神经网络，手动实现了网络的前向反向传播。
就这么一个简单的评测系统，采用了对于现在理论都还未完全实现，在后世的一种深度学习架构。
并且就算这个模块被拆解了，这个世界，能够理解罗纪架构是如何完成的人也不多。对方如果没有深入了解神经网络的原理和数学，是很难了解罗纪这个完全不一样的“Q-Learning”到底是干什么的。
这就是重生者带来的属于时代的知识碾压！