如果说，孟繁岐提出的残差形式是欧拉前向的格式，那是不是意味着其他的形式可以取得更加好的结果呢？

这是一种非常合理的设想。

理论之所以重要，不仅仅在于它可以解释一些现象产生的原因，更重要的地方在于，它可以预测后续的发展，推测可能会发生的结果。

基于理论，继续探索更多的可能。

欧拉前向的形式，并非是非常复杂的数学形式。

反而，它属于最为基础，最为简洁的初级形式。

这就给了大家很大的空间去水文章..啊不，去探索，去研究。

循着孟繁岐留下的这个方向，第二波的论文狂潮于最近初现端倪。

一个月前的第一波论文潮，基本上全是水文，主要是拿来主义。

把孟繁岐的技术直接拿到自己的小众任务上，你的代码技术很好，现在是我的了！

我运行一下，发现效果很好，超过了原本的世界纪录，迅速写作投稿水一篇文章，很舒服。

又或者是稍微调整了一下孟繁岐的某个结构，在他论文里报告过的任务上有了微小的提升，忽略自己改动的缺陷不提迅速写作，称自己超越了孟繁岐，水一篇文章。

这种拿来主义水文，创新度和工作量不够，价值大部分也很低，一般发不了太好的会议和期刊。

也入不了孟繁岐的眼。

而现在的第二波论文狂潮，则主要是基于孟繁岐指出的道路，创意上稍显不足，但工作量还是有的，值得稍微一翻。

主要思路就是遵循韩辞提出的理论解释，既然你最基础的欧拉前向效果这么好，那我就用更加复杂的形式来实现。

欧拉反向法，二阶中点法，四阶龙格库塔法，线性多步法等等。

“我在西尼会场的时候，将一整个深度网络模型解释为一种高阶多维方程，并将残差网络的训练行为定义为了一种求解方式，看来这个理论很受欢迎啊。”

孟繁岐看着自己挖的大坑这么多人往里跳，不由得笑道。

这个解释实在太合理了，也太符合直觉了。

要解释人工智能模型到底在做什么，有一个非常好的例子，就是进食和消化。

食物在胃中，随着时间变化的消化情况，可以由一个方程来表示，这是未知的函数。

根据这个函数可以计算食物吃下去之后，过任意时间之后，还剩下多少。

而所谓的数据，就是食物吃下去多久之后还剩多少，这部分情报。

小主，

这些数据点，每一个都会落在未知的函数上面，如果数据点足够多，就能够无限接近函数本身。