15年底，由于DeepFake技术大量涉及涩情相关内容，引发了许多令人啼笑皆非的事情。

例如那个男人夫人的私房照登陆高速路展位，以及十几万Pxxxhub付费用户脱了裤子充不了值，很是着急。

在当时各方面局势剑拔弩张的时候，这些事情还带有几分严峻的色彩。

不论是那个男人精彩的ZZ博弈，还是孟繁岐几次出手，最终全面下架了相关的视频和技术，都属于每天都有新瓜吃的连续剧。

彼时感觉紧张刺激，可等到事后再回味，就觉得不少事情只剩下可笑和荒唐了。

这么一出闹剧之后，广大的普通民众们首先回味过来了一件事，那就是AI在图像方面的能力，已经渐渐脱离分析的范畴，开始涉及内容的再创作了。

前两年还只是分类、检测、分割，都没有脱离分析图片的基调。

而GAN系列的生成方法虽然在学界搞得火热，可在具体的业界落地效果一般，仍旧只能做点滤镜特效之类边边角角的活。

现在，虽然AI换脸的风波已经闹得沸沸扬扬，至少几個亿的网民在吃瓜。

技术是有了很大的进步，可对比隔壁语言领域，AI医生、ChatGPT，似乎就显得有些相形见绌了。

这种反差现象逐渐引发了网友们的对比讨论。

“AI换脸，这算是图像的生成内容吗？感觉不如ChatGPT。”

“我感觉不算吧，它主要还是图像和视频的编辑，只能在现有的视频上做微小的修改。”

“比ChatGPT肯定没法比呀，人家都理解语义，可以生成回答了。”

网络上不少人逐渐开始好奇AI在图像和语言上的能力差异，到底是怎么回事。

毕竟孟繁岐从初代的GPT、BERT技术潜入聊天群，到AI医生，再到AI小镇，ChatGPT初版发布。

每过几个月，就是彻彻底底的大变革，鸟枪换炮，功能连续升级。

同时期的图像技术，则显得停滞不前。

“看看语言领域的发展，模型规模扩大几百倍，多种语言任务类型被统一，现在连不同语言也弄到一个模型里面去了。”

“谁说不是呢？现在咱们语言领域里全是T方法，已经看不到其他的算法了。”

“等过几个月ChatGPT真的发布，或者发布一个稍微小一点的版本出来，咱们这些研究语言AI技术的可就倒大霉了。”

孟繁岐在发布T方法的时候，声称要一统语言AI范式，如今一年多过去，他已经顺利完成了当时的宣言。

不仅所有主流的语言问题处理办法都是基于T方法，就连多任务模式，也都是仿照GPT方法的居多。

自然语言这里，已经基本被T方法系列主宰，无他，威力实在太强。

反观图像领域，却迟迟没有出现类似的办法彻底统一范式。

许多人坚持使用传统的卷积网络配合多层特征图，认为这种图片上划窗的方式最为稳定好用。

不少人也认为，既然注意力机制（T方法的核心思想之一）在自然语言领域取得了主宰级别的结果，那也应该考虑把注意力机制加入图像算法的卷积里面。

这两者当中，后者是比较容易出文章的。

毕竟老的卷积办法已经被擅长水论文的研究生们水烂了，随着孟繁岐的T方法在隔壁大杀特杀，不少图像领域的研究者也都在凑这个热闹。

一时间，大水冲垮了堤坝。

一浪拍过一浪。

AI领域的各大会议收到的稿件也是一年多过一年。

顶会CVPR等会议，12年的时候才收到千篇左右的投稿，等到15年底，这个数字已经突破了一万篇。

三年多的时间，足足翻了十几倍。

而孟繁岐各种AI领域文章的被引用次数...也以极其恐怖的速度飞速增长着。

“龟龟，我从第一批文章正式上线到现在，拢共还不满两年的时间，总的被引用次数都快突破二十万了。”孟繁岐自己查到19万多这个数字的时候，也是难以置信的。

这可是学术文章被引用的次数，不是什么销量和阅读量。

刷是肯定刷不上去的。

这其中每一个引用，就代表着有一篇学术论文使用了孟繁岐的技术又或者是基于他的成果在进行研究。

“这个引用数字其实都少给你了。”韩辞是一个论文怪，在CloseAI任职，她恶补了许多相关的论文。

有孟繁岐自己写的，也有许多基于他的后续文章。

“你的很多文章和技术都成为现在AI技术研究的标配了，由于大家都使用，约定俗成，反而不会有人专门提及那些文章了，太麻烦。不知不觉之间，你就少了很多的引用。”

韩辞的这个发现的确不假，孟繁岐的第一批文章里有太多AI基础和奠基性的做法。

现在但凡是AI类的文章，就不可能绕开残差链接、二阶优化、归一化等操作。

按规矩来说，其实都该引用。

如果大家都老老实实引用提及，平均每篇论文保底能给孟繁岐提供十来个引用。

这样的话，两三年的时间都够他的论文被引数量破百万的了。

但事实上，通常大家都只会引用孟繁岐两三篇文章，意思一下。

至于那些人人都用的概念，写论文的时候全都直接略过了，反而没有引用。

“这其实是好事，说明这些技术成果已经融入了AI的基本概念当中。”孟繁岐倒也不差那一点论文的引用。

这个数字在几百上千的时候，是人最在意的时候。

涉及到晋升和教职，涉及到一个青年研究者的去向和地位。

等到论文引用破万的级别，基本已经是领域内的翘楚了。具体是几万十几万，已经是无所谓的事情。

尤其不同的领域和方向，人数差异很大，这个数据也只能作为参考，无法成为什么硬指标。