除去孟繁岐在华国时推行的人脸识别方法已经大行其道，最近他在医疗影像诊断分析领域的一系列工作，其实也已经在加州的圈子里率先展开了试用。
那句话怎么说来着，【获得了几百名教授一致通过】。
尤其是湾区附近两所最顶级的高校，斯坦福和伯克利两个派系。由于他们在人工智能比较没落的时候仍旧坚持研究，因而也对这些迟到的果实感到格外珍惜。
斯坦福肿瘤方向的教授刘勇使用了这系列算法之后，感到十分惊奇，这电脑明明一两年前才刚刚学会分辨什么是猫，怎么现在突然就这么生猛了？
尤其是比较难一点的病症，自己带的几个学生分辨起来一看就是十几二十分钟，这东西倒好，几秒钟就能给出一个答复。
为此，他私下里和孟繁岐聊过两三次，大概了解了原理，也为他协调提供了不少数据作为支持。
有一次，刘勇教授向孟繁岐询问道：“既然人工智能已经可以对图片中病变的种类，区域和轮廓都做出如此准确的分析判断，那能不能帮忙把医嘱或者文字分析也给写了？”
孟繁岐听完顿时语塞，没想到刘教授接受新事物的速度还挺快，已经做上白日梦了这是。
他只得实话告诉刘教授，别说语言和图像的结合的多模态了，目前语言模型本身都仍旧是一个相对急需突破的领域。
想要实现他需求的功能，恐怕还得几年。
斯坦福的其他医学教授，比如杰佛雷主任等人则非常看好孟繁岐阿尔法fold项目，尤其是杰佛雷，他曾经担任二十多个临床药物研究的首席调查员，因而非常能够理解这种蛋白质分析能力的价值。
杰佛雷是个大脑门，有点胖乎乎的中年男子，满面红光，对待学生十分热情。
在得知孟繁岐的阿尔法fold项目很是缺乏高质量的蛋白质数据之后，也非常积极踊跃地提供了协助。
总体来说，斯坦福医学派系对本校学生的的突破相当热情，借助着加州这两所顶级高校的影响力，孟繁岐的成果正在慢慢地向外辐射。
只不过大量数据的准备，并不是区区几天就可以有显着成效的。
即便加州相关方面的教授集体支持，积累数据的速度仍旧远远要比孟繁岐所想的慢不少。
阿尔法fold项目的正式开启时间，至少要往后延一到两个月。
因而在开学前的这段时间，孟繁岐的蛋白质分析大计不得不进入了一段时间的停滞期。
“技术提的太快，就是会碰到这种问题。”孟繁岐有些无可奈何，别说很多领域还来不及接受和消化自己做出的能力提升。
这些地方原本积累的那点数据在新的技术面前，完全不够看，数量实在太少了。
即便他们能够及时调转车头，开始进行优质数据的积累和标注，肯定也是要一段时间的。
数据跟不上，孟繁岐即便理论再好，却也难做出足够好的效果，不足以让人信服。
“我也算是搞了好个月的应用技术了，现在数据上要等一两个月，看来是时候做点基础工作，为以后铺垫了。”
时隔多月，孟繁岐也算是终于被迫静下心来，有了足够的时间做一些基础的理论方法，而不是急于做产品又或者是变现。
毕竟，往后的技术不管是AI生成语音，图像还是文本，目前的这些技术理论还有不小的缺陷和问题。
他计划最近开发的，便是后来非常火热的一款图片生成技术，Stablediffion的基础部件，diffion原理。