除了少年天才路易斯之外，孟繁岐看中的其余两人，就没有这么传奇的经历了。
两人现在均在斯坦福的AI实验室读博，全都是半路出家，相关专业转过来的。
克拉克今年差不多二十五六的样子，一个白白净净地瘦竹竿，为人比较腼腆少话，本硕主要研究的是运筹学。
这门学科在国内不是特别知名，孟繁岐起先也未能理解。
了解了一下之后，感觉运筹学与数据科学和AI的关系还是非常密切的，可能这也是克拉克博士的时候选择进入斯坦福AI实验室的原因吧。
人工智能或者数据科学的主要体现形式是一种推理预测，通过大量的数据和已知信息，培育出一个非常强大的模型或者系统。
此后便可以使用这个模型去对未知的新信息反复推理预测，比如阿尔法围棋学了很多棋谱之后，就能够与人类在新的一局当中进行对弈。
运筹学很大程度上关注的是更往前一些的事情，那就是如何将一个决策问题建立成数学模型。
假若我有某种问题亟待解决，应该用什么函数和变量去描述这个问题和方法。
“在AI时代，运筹学的领域有点被飞速侵蚀的感觉。”孟繁岐认为大家说AI是【黑箱】是事出有因的，人工智能相比之前的办法更加具有大力出奇迹的特色。
【将问题建模】本身是一个比较复杂的运筹学高水平难题，现在则经常被一个解释性不够强的AI模型直接独家承包。
“你也别管我拿到数据之后在算什么，反正我一通运算之后，效果很好。”
很多人采用AI技术的心态也是：“你也别问那么多，就说我这效果行不行吧！”
这是现阶段许多AI技术被诟病的主要原因，即便它们的性能已经是世界一流，可仍旧有许多地方原理解释不清。
“在传统的图像分类检测问题中，这样的情况或许可以接受。不过真要到自动驾驶领域上，还是需要类似运筹学知识的，毕竟需要操作几吨重的重型机械。”
这是孟繁岐与其交流之后的感受。
诚然，人们或许可以不管你究竟是怎么从车载摄像头中识别出行人、车辆、地面和背景等诸多元素的。
可在这些东西被识别之后，车辆应该做怎样的对应行驶操作，面对川流不息的车流，自动驾驶系统又应该如何进行抉择。
这些东西并不是依靠一个AI模型就足够的。
孟繁岐觉得，自己需要控制理论和运筹学方面的协助，克拉克是一个相当不错的人选。
并且，克拉克此时实际上就在特斯拉进行实习，只不过他作为一名实习生，还未曾和马斯克有过任何交流，不算引人注目。
“我这算是挖墙脚吗？实习生应该和正式员工不大一样吧？”孟繁岐得知克拉克已经在读期间已经在特斯拉实习了好几个月后，有此疑惑。
“管他呢！马斯克挖得，我就挖不得？狠狠挖！”孟繁岐觉得，马斯克直接就要挖自己，而自己则只是挖了他一个实习生，相比之下已经非常友善了。
而最后一位，则是今年刚刚博一，从图形学转向AI的短发白毛姐姐，克莱尔。
她本来准备今年往英伟达投简历去实习，看了上次英伟达大会上的三方会谈之后，就来斯坦福的AI实验室找孟繁岐，想咨询他一些内情，又或者争取一个推荐什么的。
孟繁岐看完简历后思索了一下，还投什么呢，别投了，直接从根本上截胡。
图形学基础的AI研究者，正好符合他日后做扩散生成AI绘图的需求。
路易斯、克拉克和克莱尔，就象征着孟繁岐未来两三年最为主力的三条道路，chatGpt，自驾算法和AI生成图像。