李笙也不听李乐絮叨，把大宝剑往腋下一夹，挤到李椽身边。
低头看了一眼棋盘，也不客气，直接伸手，从棋盒里捏起一颗白子，“啪”的一声，拍在了棋盘中央一个空位。
那位置，不在任何攻防线上，孤零零地悬着，像一颗被遗落在旷野的、发光的石子。
但张了了凑近看了一眼，眼睛微微睁大了一些。
那枚白子落下，原本三条纠缠的、看似没有关联的棋路，忽然被串联起来——斜线上，白子已经悄悄连成了四颗。只差一口气。
“诶？”张了了抬起头，看着李笙。
李椽看看棋盘，又看看姐姐，小脸上满是不解。
李乐更是惊讶。他蹲下身，指着李笙刚落下的那枚子，“笙儿，你……你知道你下的这儿
是干嘛吗？”
李笙一脸理所当然：“下棋呀！了了哥哥刚才说，五个字连起来就赢了。我刚看了呀。”她把“子”说成了“字”。
“那你怎么知道下这儿？”李乐追问。
“我不知道呀。我看，”她用小手指了指棋盘，比划了一下，“就觉得，白石头应该放这儿。这儿看着……舒服。”
她用了“舒服”这个词，然后似乎对自己的解释很满意，点点头，转身又捡起她的“大宝剑”，嘴里喊着“我系大夹！”，风风火火地跑开，继续她的江湖事业去了。
李乐和走过来的大小姐对视一眼，都从对方眼里看到了同样的惊异和好笑。
李乐耸耸肩，“这算什么？野兽派的直觉？还是瞎猫碰上死耗子？”
大小姐抿嘴一笑，看着满屋子乱跑、活力无限的女儿，和重新沉浸到棋盘世界里的儿子，眼神温柔，“不管是什么，孩子高兴就好。”
又过了约莫一刻钟，院门外传来小电驴“滴滴”的喇叭声。张万到了。
“了了，你爸来了。”
张了了站起身，把棋盘上的棋子收拢，放进棋盒，又把棋盒盖子盖好，放回原处。
“吃好了吗？”李乐问。
“吃好了。”
“水果呢？”
“哈密瓜也吃过了。”
“那行，你去穿鞋，我跟你爸说几句话。”
李乐迎出去。张万穿着件略显宽大的灰色夹克，眼镜片后的眼睛有些血丝，但精神头很足。
初秋的晚风带着凉意，他搓了搓手，笑道，“不好意思，数据跑得比预想慢了点。怎么样，了了没给你们添乱吧？”
“添什么乱。”李乐摆手，“了了比我这两个加起来都省心。也不挑食，什么都吃。”
“那就好，那就好。”张万语气里带着点不好意思。
两人没进客厅，就站在院子里的石榴树下说话。屋里，张了了正在被曾敏叮嘱着，收拾好自己的小书包。
“实验室那边，最近怎么样？听说有进展？”李乐
看了眼，扭头问张万。
“有几个好消息。”张万推了推眼镜，“我们在基于光度一致性和几何约束的稠密匹配框架上，发了两篇CVPR。一篇是讲多视图立体重建的，一篇是关于大尺度场景的实时稠密建图。审稿人评价很高，说我们的方法在精度和鲁棒性上都超过了现有的主流算法。”
“CV……PR？”李乐问。
“计算机视觉领域的顶级会议。”张万解释，“这个领域的风向标。”
“哦，那挺好。”李乐点头，装作恍然的样子。
“还有就是，杰弗里·辛顿今年在《科学》上发了篇文章，提出了深度信念网络。”
“他提出了一种无监督的逐层预训练方法，然后加上有监督的微调。这个策略，解决了深层神经网络训练时梯度消失的老大难问题，证明深度网络是可以被有效训练的。”
张万的手不自觉地比划着，像是在空气中勾勒神经网络的层层节点。
“这不仅是一个技术突破，更是一个方法论上的范式转移。它意味着，我们以后可以用更深、更复杂的模型来拟合数据，学习到更具抽象性和泛化能力的高层特征。”
“以前很多想都不敢想的应用，比如真正意义上的图像识别、自然语言处理、语音理解……都可能因此迎来爆发式的进展。这扇门，算是被辛顿用他那把叫做深度信念网络的钥匙，给撬开了。”
他说到这里，停下来，看着李乐。
夜风吹动他鬓角的白发，那半头灰白在路灯下显得格外清晰。
“哦。”李乐说，“听起来挺厉害。那下一步，咱们实验室打算怎么办？”
张万说道，“我想，在辛顿这个思路上，继续往下走。具体来说，就是结合我们之前在多视图几何上的积累，研究基于深